Desde la llegada de las herramientas de inteligencia artificial (IA) al sector del desarrollo de software, muchas empresas han depositado grandes expectativas en su capacidad para acelerar la producción y transformar los procesos de programación. Sin embargo, las últimas semanas han traído un cambio de tono respecto a estas promesas. Proveedores como Rippling han lanzado paneles de control para supervisar el gasto en IA, y figuras relevantes del sector, como Gary Cohn, vicepresidente de IBM, han reconocido que el retorno de inversión (ROI) de estas tecnologías no está siendo tan alto como se esperaba.
Mientras muchas organizaciones revisan sus presupuestos, los equipos empiezan a notar presiones para justificar gastos en herramientas como Claude Code y Cursor. En este contexto, las medidas tradicionales de productividad, como líneas de código escritas o cantidad de funciones entregadas, no parecen reflejar un verdadero valor para los negocios o sus clientes. La realidad es que no toda línea de código aporta igual impacto, y la verdadera eficacia radica en transformar esas mejoras parciales en beneficios globales y sostenibles.
No obstante, la dificultad mayor no es solo traducir el coste de las herramientas en resultados palpables, sino detectar un efecto contraproducente emergente: el empeoramiento sistemático de la calidad del código que se genera. 
Incremento limitado en productividad y aumento alarmante de duplicación
El informe “Maintainability Gap” de GitClear, que analizó 623 millones de cambios en código entre 2023 y 2026, ofrece datos reveladores. Los usuarios intensivos de IA experimentaron una mejora en su velocidad de código del 25% respecto a sus resultados anteriores, muy lejos de las promesas de aumentos de hasta 10 veces. Además, estos equipos ya superaban ampliamente en producción a los que no utilizaban IA incluso antes de adoptar estas herramientas, lo que cuestiona que el rendimiento extra sea realmente atribuible a la IA.
Más preocupante aún es el efecto sobre la composición del código. La duplicación de bloques de código ha aumentado un 81%, pasando de 40,3 a 73 entradas por millón de líneas modificadas desde 2023. Por otro lado, la cantidad de código refactorizado, que indica mejoras en la estructura y mantenimiento, se ha desplomado del 21% en 2022 al 3,8% en 2026. Este fenómeno indica un regreso al modelo «código y arreglo», característico de épocas anteriores al auge de buenas prácticas y que genera problemas acumulativos que dificultan la comprensión y mantenimiento del software.
El coste de ignorar las buenas prácticas técnicas
Durante décadas, la industria del software ha insistido en la importancia de la mantenibilidad del código, privilegiando prácticas como la refactorización y la automatización de pruebas. Estas prácticas permiten controlar el coste creciente del mantenimiento y asegurar un ritmo sostenible de desarrollo. Sin embargo, la presión para entregar resultados rápidamente está incentivando a muchos desarrolladores a saltarse estas etapas, visualizadas erróneamente como “misiones secundarias”.
El resultado es un aumento progresivo de los costos derivados de errores difíciles de localizar y corregir, ralentización en el desarrollo de nuevas funcionalidades y un código cada vez más enredado. El estudio de GitClear muestra que antes de la IA, los desarrolladores preferían refactorizar sobre copiar y pegar en una proporción aproximada de 2 a 1. Actualmente, esta relación se ha invertido radicalmente, siendo cinco veces más probable que se duplique el código en lugar de refactorizarlo.
La responsabilidad de los equipos y la gestión
Ante esta realidad, un desafío recurrente para los desarrolladores es cómo convencer a sus superiores para que prioricen prácticas técnicas vitales aunque inicialmente parezcan ralentizar el trabajo. Sin embargo, la evidencia indica que estas prácticas no son opcionales ni un añadido, sino la base para el éxito sostenido en proyectos de software cuyos resultados deben perdurar en el tiempo.
La falsa expectativa de aumentos radicales en productividad gracias a la IA ha agravado la situación: los equipos sienten la presión de maximizar resultados en corto plazo, a pesar de que el impacto real ronda el 25%. Esta contradicción fomenta más atajos y la omisión de pasos críticos en el desarrollo.
El camino hacia un rendimiento real y sostenible
Los equipos que realmente están sacando provecho de la IA son aquellos que ya aplicaban rigurosas disciplinas técnicas antes de su llegada. Estos grupos monitorizan indicadores de salud del código y priorizan mantenerlo limpio y manejable para el largo plazo.
Para que la IA sea una herramienta que aporte un valor verdadero y duradero, debe integrarse dentro de una cultura de desarrollo profesional que respete las bases del buen software. Ignorar esta realidad supone condenar a la industria a ciclos repetidos de coste creciente y calidad decreciente, poniendo en riesgo la viabilidad de los proyectos más importantes.
