En los últimos años, el papel del desarrollador ha experimentado una transformación significativa. Actualmente, los agentes de inteligencia artificial (IA) participan en hasta un 20% de las actividades de codificación de los desarrolladores, generando en minutos lo que antes podía llevar horas o incluso días. Esta aceleración no solo afecta la rapidez con la que se produce el código, sino también el volumen total manejado por las empresas.
No obstante, crear código más rápido no implica necesariamente desarrollar mejor software. La IA ha reducido el coste de producción del código, pero no así el coste de los errores. Cada línea de código debe seguir siendo segura, comprensible, revisada y mantenible. Además, alguien debe asumir la responsabilidad por el código que finalmente se incorpora a producción.
Esto genera un nuevo riesgo: confundir el volumen de código generado con progreso real. Aumentar la cantidad de código, acelerar los commits y elevar el uso de IA puede aparentar un incremento en la productividad. Sin embargo, lo que crece en segundo plano es la carga de revisión, corrección y los costes asociados al uso de IA, que si no se perciben claramente, pueden dar una falsa sensación de avance mientras el verdadero trabajo y riesgo se desplazan hacia etapas posteriores. 
El nuevo cuello de botella: controlar la calidad
Antes, los desarrolladores estaban limitados por el tiempo que requería escribir código funcional. La IA ha conseguido superar esta limitación, pero ha puesto de manifiesto el siguiente desafío: todo el proceso posterior a la generación. El código necesita ser revisado, probado, asegurado, integrado y comprendido antes de que una organización pueda confiar en él.
El código generado por IA es código real que se integra en las bases de código, se ejecuta en producción y puede tener consecuencias importantes. Quien revisa y acepta cambios sigue siendo responsable de los resultados. La IA puede generar el trabajo, pero no puede asumir la responsabilidad profesional que conlleva.
A medida que el proceso de generación se acelera, las organizaciones deben prestar atención no solo a la calidad de cada entrega, sino también a la robustez de los procesos de verificación y gobernanza que acompañan a esa producción. El control es más necesario que nunca en esta nueva etapa de la adopción de IA.
Además, el retorno de la inversión (ROI) merece una consideración profunda. Las empresas están mejorando en la medición de la actividad de la IA —como el tiempo ahorrado, los prompts utilizados y la cantidad de código generado—, pero la actividad no es sinónimo de valor empresarial. Una generación demasiado rápida puede implicar costes posteriores elevados debido a necesidades adicionales de revisión, corrección o mantenimiento del código.
Por lo tanto, la métrica relevante no es cuánto código puede crear una IA, sino cuánto software fiable y mantenible puede entregar una organización. Esto implica evaluar la producción de la IA con el mismo rigor que el código escrito por humanos: comprender los cambios realizados, verificar su impacto y exigir los mismos estándares de seguridad, calidad y arquitectura.
Evitar puntos ciegos en la gobernanza
El primer paso hacia una gobernanza eficaz es obtener visibilidad en cada fase del proceso: identificar qué modelos de IA se emplean, por qué equipos y con qué acceso a datos. También es esencial comprender en qué puntos del flujo de desarrollo se integran las modificaciones generadas por IA y cómo se distribuyen el uso y los costes. Sin esta base, es difícil gobernar de manera uniforme o evaluar correctamente el valor real de la adopción.
La mayoría de las empresas aún carecen de infraestructura para monitorizar el desarrollo asistido por IA a gran escala. Escalar sin visibilidad es imposible. Los equipos de ingeniería, seguridad, cumplimiento normativo y finanzas requieren perspectivas diferenciadas sobre la misma actividad: desde registros de auditoría y aplicación de políticas, hasta atribución de uso y visibilidad de costes.
La gobernanza no puede estar al margen de los procesos de trabajo de los desarrolladores; debe integrarse en la infraestructura sobre la que se construye el software.
La responsabilidad continúa recayendo en las personas. Para los desarrolladores, esto implica conservar la capacidad de entender, revisar y asumir la autoría del código aprobado. A nivel organizacional, es imprescindible garantizar la transparencia y mantener registros sobre cómo el trabajo asistido por IA llega a producción. Esto cierra la brecha entre el código generado masivamente y el código en el que se puede confiar, reforzando la confianza en las herramientas de IA.
Gobernanza como facilitador, no como barrera
Con frecuencia, la gobernanza se percibe como un trámite burocrático, pero una gobernanza efectiva debería impulsar la adopción de IA en lugar de obstaculizarla. Las organizaciones que combinan la experimentación con visibilidad pueden ampliar su uso de IA con mayor seguridad, evitando que los riesgos se detecten demasiado tarde, cuando las herramientas ya se han extendido entre los equipos.
Elementos como las barreras de seguridad, la aplicación de políticas, la auditabilidad y la transparencia en costes proporcionan el marco necesario para una experimentación responsable.
A medida que la IA asume tareas más complejas con menor intervención humana, mantener revisiones exhaustivas se vuelve más complicado. La mayor autonomía implica tomar más decisiones y realizar más acciones que las organizaciones deben comprender y gobernar. La solución no es limitar la experimentación de los desarrolladores, sino hacer que esas pruebas sean visibles, medibles y responsables.
El nuevo rol del desarrollador
Los ingenieros de software dedican menos tiempo a escribir cada línea personalmente y concentran más valor en la arquitectura, el juicio, las decisiones estratégicas y la verificación. Cada vez más, deben comprender código que no han escrito ellos mismos y evaluar si es seguro, sostenible y adecuado para producción.
Así, el conocimiento técnico profundo gana importancia. La IA brinda a los desarrolladores mayor capacidad, pero también mayores responsabilidades. La habilidad para leer, comprender, verificar y finalmente asumir la autoría del resultado será una de las competencias clave del desarrollo profesional en la era de la IA.
Las empresas que triunfen serán aquellas capaces de escalar el uso de la IA sin perder el control sobre la calidad del software ni la visibilidad sobre su generación. Generar más código es sencillo; convertirlo en software comprensible, fiable y mantenible es el desafío real y, cada vez más, el que verdaderamente importa.
JetBrains desarrolla herramientas inteligentes para la creación de software que permiten a los desarrolladores producir código de alta calidad con mayor productividad y confianza. Con más de 15 millones de usuarios y reconocida por empresas líderes mundiales, JetBrains ofrece productos como IntelliJ IDEA, PyCharm, Rider y una cartera creciente de soluciones impulsadas por IA.
En un sector en plena transformación, JetBrains promueve un enfoque innovador para el desarrollo asistido por agentes de IA, ayudando a las organizaciones a aprovechar el potencial de estos sin renunciar al control, la visibilidad y la gobernanza. A través de innovaciones como JetBrains AI, Junie y JetBrains Central, la compañía facilita el trabajo conjunto entre equipos de desarrolladores y agentes de IA en un entorno seguro, abierto y responsable.
Con sede en Ámsterdam, JetBrains está definiendo el futuro de la creación de software, garantizando que los desarrolladores mantengan el control a medida que la IA se convierte en una pieza fundamental del proceso de desarrollo.
