La IA resolvió la sintaxis. No resolvió el criterio.
Tres mediciones independientes, hechas entre 2025 y 2026, apuntan todas en la misma dirección: el código generado por IA supera el 95% en corrección sintáctica y se queda en el 55% en seguridad, y esa segunda cifra no se mueve desde hace dos años. La parte que se escribe se ha abaratado. La que se decide, no.
Durante treinta años, saber programar fue una ventaja. Escribir código era caro, lento y escaso, y quien sabía hacerlo marcaba el ritmo de cualquier proyecto. Eso cambió deprisa, y cambió de forma medible: hoy, generar código ha dejado de ser el paso difícil.
Lo que sigue no es una predicción sobre el futuro. Son tres mediciones independientes, hechas entre 2025 y 2026, que apuntan todas en la misma dirección: la máquina ha resuelto la parte del software que se escribe, y no ha resuelto la parte que se decide.
Lo que se abarató
El informe DORA de 2025, de Google, detectó adopción de IA en el 90% de los profesionales de desarrollo, catorce puntos por encima del año anterior. Y, a diferencia de entonces, esa adopción aparece ahora asociada a más throughput: los equipos escriben y entregan más rápido.
Veracode, en marzo de 2026, puso a prueba más de 150 modelos de lenguaje en 80 tareas de programación y en cuatro lenguajes. La corrección sintáctica del código generado superó el 95%. Producir código que compila y hace lo que se le pide ha dejado de ser el problema.
Lo que no
En el mismo estudio, y en las mismas tareas, solo el 55% del código generado pasó las pruebas de seguridad. Cerca de la mitad llega con vulnerabilidades conocidas cuando nadie da instrucciones explícitas de seguridad. Y la cifra no se mueve: lleva dos años en ese mismo 55%, pese a GPT-5.1 y 5.2, Gemini 3, y Claude 4.5 y 4.6.
| Lenguaje | Código generado que pasa las pruebas de seguridad |
|---|---|
| Python | 62% |
| C# | 58% |
| JavaScript | 57% |
| Java | 29% |
Ponga las dos cifras una al lado de la otra: más del 95% de sintaxis correcta frente a un 55% de seguridad correcta. La distancia que las separa es exactamente la distancia entre escribir y decidir. Los modelos han aprendido a producir código que funciona, pero no a preferir la forma segura cuando existe otra insegura igual de funcional.
DORA ve el mismo efecto por el otro lado. La adopción de IA sigue asociada a más inestabilidad: más cambios fallidos, más retrabajo, más tiempo hasta la recuperación. La velocidad ha subido. La solidez no ha venido con ella.
Queda un tercer dato, y es el más incómodo. En julio de 2025, METR llevó a cabo un ensayo aleatorizado con programadores experimentados, sobre repositorios maduros que ya conocían bien. Con acceso a herramientas de IA, fueron un 19% más lentos. Al terminar, calcularon que habían sido un 20% más rápidos. Es un contexto muy concreto y los propios autores advierten de que no se puede generalizar, pero la lección queda: la sensación de velocidad y la velocidad real se han separado.
Lo que sigue siendo raro
Si el código ha dejado de ser el recurso escaso, el valor se ha desplazado a lo que la generación automática no cubre:
- el conocimiento del negocio, que no está en ningún repositorio;
- la arquitectura, que sirve sobre todo para decidir qué no se construye;
- la seguridad, que las cifras de arriba muestran sin resolver;
- la integración, que es donde se rompen los sistemas reales;
- la responsabilidad, que no se delega en un modelo.
Ninguna de ellas se ha abaratado en los últimos dos años. Todas han ganado valor, porque ahora pasa por ellas mucho más código, y mucho más rápido.
La IA es un amplificador, no un remedio
La conclusión de DORA es la que mejor resume todo esto: la IA no arregla un equipo, amplifica el equipo que ya hay. Quien tiene pruebas automatizadas, revisión de verdad y retorno rápido usa la IA para llegar más lejos. Quien no los tiene pasa a producir los mismos defectos, solo que en mayor cantidad y antes.
Por eso la pregunta útil ha dejado de ser cuánto código se consigue producir. Ahora es otra: qué es, en esta casa, lo que la IA va a amplificar.
Lo que esto cambia en la práctica
El trabajo se desplaza aguas arriba. Antes de conectar una herramienta de IA a los datos de la empresa hay que saber quién puede leer qué, y eso es un problema de permisos y de gobernanza, no de modelo: lo tratamos en qué ordenar antes de encender Copilot y en el asistente de IA que solo lee lo que el usuario puede leer. Y sigue haciendo falta decidir dónde se asientan los sistemas, que era la conversación de el estado de SharePoint en 2026.
Dos empresas, la misma herramienta
Dentro de unos años, la diferencia entre dos empresas del mismo sector no estará en la cantidad de software que hayan producido. Estará en lo que decidieron construir y, sobre todo, en lo que tuvieron la disciplina de no construir. La herramienta es la misma para las dos; el criterio, no.
La IA ha bajado el coste de escribir. No ha bajado el coste de equivocarse. Ese se sigue pagando entero, y ahora llega antes.
