Prompt Request
Esquema de un embudo: muchos cambios de código entran a la izquierda, pasan por una única persona que revisa y solo unos pocos llegan a producción; uno se cuela por fuera sin revisión.

Desarrollo con IA

El doble de código por el mismo precio: ¿y quién lo revisa?

Las dos conversaciones tienen sentido, pero en ambas suele faltar quién revisa ese código y con cuánto tiempo.

Alejandro Caravantes · 17 de noviembre de 2026 · 6 minutos de lectura

¿Algún proveedor te ha prometido ya que, con IA, entregará el doble sin subir la factura? ¿O has sido tú quien ha pedido una rebaja porque «ahora lo hace la IA»? Las dos conversaciones tienen sentido, pero en ambas suele faltar quién revisa ese código y con cuánto tiempo.

Yo trato lo que genera la IA como el trabajo de alguien que está empezando con buena actitud y quizás demasiado seguro de sí mismo. Que venga de la IA no le da una vía rápida. Si acaso, le pongo más control: el volumen sube y la confianza con la que se presenta puede engañar. En mi equipo, quien firma responde. Si alguien entrega algo generado con Copilot, es suyo, y «lo hizo la IA» no cambia de quién es la responsabilidad.

Un fallo que veo repetirse: código que compila, pero no hace lo que el negocio pidió. La IA resuelve muy bien el enunciado literal y muy mal lo que no se dijo.

Lo que se abarata y lo que encarece

Cuando alguien me pide una rebaja por este motivo, intento no ponerme a la defensiva, porque tiene parte de razón. Ahora lleva menos tiempo montar la base de un proyecto y escribir la primera documentación. Pasa lo mismo con los primeros borradores de fórmulas y flujos. Ese ahorro existe y lo traslado al precio.

Hay cosas que no cambian de precio, como entender su negocio, decidir la arquitectura y el modelo de datos, y responder si algo falla en producción. Y hay dos que cuestan más. Una es revisar más volumen y validar lo que genera la IA. La otra, mantener algo que se hizo más deprisa de lo que se entendió. Mi frase habitual es esta: «No me pagas por escribir, me pagas por que funcione, sea seguro y se pueda mantener dentro de tres años».

Qué se abarata y qué sube

Cuesta menos
Arranque
Montar la base de un proyecto y escribir la primera documentación.
Construcción
Los primeros borradores de fórmulas y flujos.
Cuesta más
Revisión
Revisar más volumen y validar lo que genera la IA.
Mantenimiento
Mantener algo que se hizo más deprisa de lo que se entendió.

Si la rebaja sigue sobre la mesa, propongo pasar de las horas a un precio por resultado o por entregable. Así el ahorro se reparte y la negociación se parece menos a una subasta a la baja.

Qué dicen los datos y cuánto pesan

No he encontrado un dato independiente del sector que demuestre que la revisión es ahora el cuello de botella. Lo más sólido es una prepublicación académica de julio de 2026, independiente pero de una sola empresa. Su CTO se propuso duplicar con IA las pull requests fusionadas por ingeniero, y la empresa lo consiguió al décimo mes. Según los autores, el coste de la adopción se concentró en la revisión. La carga por revisor se duplicó y, a los pocos meses, la revisión automática ya cubría más que la humana. Ellos mismos avisan de que el tamaño exacto del efecto es incierto.

×2

La carga por revisor se duplicó en una empresa cuyo CTO se propuso duplicar con IA las pull requests fusionadas por ingeniero. Es una prepublicación académica independiente, de una sola empresa, y los autores avisan de que el tamaño exacto del efecto es incierto.Fuente: He y otros, arXiv (prepublicación), 2 de julio de 2026

Encaja con lo que veo: alguien que revisaba 200 líneas empieza a recibir 2.000 (el ejemplo es mío, no una medición) y la revisión se vuelve más superficial sin que nadie lo haya decidido.

Dos proveedores de métricas de ingeniería van en la misma línea. Según el informe de DX del tercer trimestre de 2026, con más de 500 empresas, las organizaciones que más código generan con IA tardan un 105 % más en recibir la primera revisión que las que menos. Faros AI, en un informe de septiembre de 2026, cifra en un 76,3 % la subida de las pull requests fusionadas sin revisión, aunque no define qué cuenta como «sin revisión».

Otros datos matizan esa lectura. El primero afecta al propio «doble de código»: DX publicó en abril de 2026 que la mediana del rendimiento en pull requests subió un 7,76 % pese a un 65 % más de uso de IA. Según el Octoverse de GitHub de octubre de 2026, en septiembre más del 40 % de las pull requests empezaron con un agente, y se fusionan en dos semanas con una frecuencia parecida a las demás, o algo mayor. No habla de un atasco en la revisión, aunque GitHub vende Copilot. Y METR reconoció en febrero de 2026 que su nuevo experimento no permite medir con fiabilidad el efecto de la IA en la productividad.

Los datos no apuntan todos en la misma dirección

Más presión en la revisión
Estudio académico, julio de 2026
En una sola empresa, la carga por revisor se duplicó.
DX, tercer trimestre de 2026
Las organizaciones que más código generan con IA tardan un 105 % más en recibir la primera revisión que las que menos.
Faros AI, septiembre de 2026
Las pull requests fusionadas sin revisión subieron un 76,3 %. No define qué cuenta como «sin revisión».
Matizan esa lectura
DX, abril de 2026
La mediana del rendimiento en pull requests subió un 7,76 % pese a un 65 % más de uso de IA.
GitHub Octoverse, octubre de 2026
Las pull requests que empiezan con un agente se fusionan en dos semanas con una frecuencia parecida a las demás, o algo mayor.
METR, febrero de 2026
Su nuevo experimento no permite medir con fiabilidad el efecto de la IA en la productividad.
Fuentes: prepublicación en arXiv (julio de 2026), DX (abril y tercer trimestre de 2026), Faros AI (septiembre de 2026), GitHub (octubre de 2026) y METR (febrero de 2026). DX y Faros AI son proveedores de métricas de ingeniería; GitHub vende Copilot.

En su Technology Radar de noviembre de 2026, la consultora Thoughtworks llama «human-in-the-loop theater» a lo que puede pasar cuando la revisión no da abasto: una persona aprueba cambios que no puede evaluar de forma realista. Propone graduar la revisión según el riesgo. Es su experiencia, sin una medición detrás. En mi equipo también revisamos por riesgo, porque la sintaxis casi nunca es el problema.

Cómo distinguir una revisión real de un sello

Si tuviera que elegir un indicador, compararía los defectos que encuentra la revisión con los que aparecen después, en pruebas o en producción. Si casi todo aparece después, la revisión filtra poco. Hay dos señales de que se ha quedado en un trámite: una tasa de aprobación cercana al 100 % con comentarios solo sobre nombres y formato, y un tiempo de revisión que no cambia con el tamaño del cambio. Si revisar 50 líneas o 2.000 lleva los mismos diez minutos, es difícil que la lectura sea a fondo.

También me gusta una prueba: introducir de vez en cuando un defecto conocido y ver si la revisión lo detecta. Es lo más parecido a un simulacro de incendio.

Cuatro formas de ver si la revisión filtra

  1. Indicador

    Antes y después

    Se comparan los defectos de la revisión con los de pruebas o producción.

  2. Señal

    Aprobación casi total

    Los comentarios tratan solo de nombres y formato.

  3. Señal

    Tiempo fijo

    El tiempo de revisión no cambia con el tamaño del cambio.

  4. Prueba

    Defecto conocido

    Se introduce de vez en cuando y se mira si la revisión lo detecta.

En low-code, la pregunta de quién revisa es más incómoda. Por lo que veo, muchas veces no lo revisa nadie. Copilot baja muchísimo la barrera de entrada, y eso es bueno para la adopción. Lo que más sufre es el modelo de datos: veo tablas que Copilot crea en Dataverse y que parecen razonables, pero no están pensadas para crecer.

Power Apps a veces no puede delegar una consulta al origen de datos. Según Microsoft, en esos casos procesa por defecto solo los primeros 500 registros. Power Apps se lo señala a quien construye la aplicación, pero quien la usa puede creer que una respuesta parcial es la completa. Un ejemplo mío: una aplicación que funciona con 50 registros de prueba y falla con 50.000 reales.

En mis proyectos anteriores de adopción de Power Platform insistía en empezar por la gobernanza. Los Managed Environments, incluidos con las licencias independientes de Power Platform y Dynamics 365, permiten aplicar políticas de datos y pasar las soluciones por el Solution Checker, que a mi juicio filtra lo obvio. Para lo que va a producción o toca datos sensibles, pido que lo revise alguien del CoE o un arquitecto, distinto de quien lo construyó.

Dos capas de control en Power Platform

Plataforma

Managed Environments

Políticas de datos y paso de las soluciones por el Solution Checker.

Riesgo

Producción o datos sensibles

Revisión de alguien del CoE o de un arquitecto, distinto de quien lo construyó.

Managed Environments y Solution Checker: Microsoft Learn, 2026

En los equipos que conoces, ¿los fallos se detectan sobre todo en la revisión o después, cuando ya están en producción?

Fuentes

  1. AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate. He, Agarwal, Denisov-Blanch, Azaletskiy, Koyejo y Vasilescu, arXiv (prepublicación). 2 de julio de 2026; versión 3 del 10 de noviembre de 2026.
  2. State of AI Impact in Engineering: Q3 Report. DX. Sin fecha de publicación (datos de julio a septiembre de 2026), consultada el 17 de noviembre de 2026.
  3. The Speed Trap: 8 takeaways from Faros's latest AI engineering research. Faros AI. 18 de septiembre de 2026.
  4. New data: AI's impact on engineering velocity is more modest than expected. DX. 28 de abril de 2026.
  5. Octoverse: Commits, pushes, reach new highs in 2026 as developers build with agents. GitHub. 28 de octubre de 2026.
  6. We are Changing our Developer Productivity Experiment Design. METR. 24 de febrero de 2026.
  7. Technology Radar Vol. 35, tema «Putting more agents to work». Thoughtworks. Noviembre de 2026.
  8. Human-in-the-loop theater. Thoughtworks, Technology Radar Vol. 35. Noviembre de 2026.
  9. Risk-tiered human oversight. Thoughtworks, Technology Radar Vol. 35. Noviembre de 2026.
  10. Understand delegation in a canvas app. Microsoft Learn. Actualizada el 16 de octubre de 2026.
  11. Managed environments overview. Microsoft Learn. Actualizada el 16 de octubre de 2026.
  12. Improve component performance, stability, and reliability with solution checker. Microsoft Learn. 3 de agosto de 2026.

IAMicrosoftDesarrollo de softwarePower Platform