La productividad con IA está estancada en un 10%, pero hay forma de romper ese techo

La industria del software tiene un problema que pocos quieren admitir: pese a que el 93% de los desarrolladores ya usa asistentes de inteligencia artificial (IA), apenas el 26,9% del código que llega a producción fue escrito por IA. La productividad mejoró un modesto 10%, muy lejos de las promesas que repiten los proveedores de tecnología.

Los datos surgen del "GenAI Efficiency Blueprint", una investigación publicada por la empresa informática Ingenia que analiza evidencia de campo, post mortems y reportes de profesionales recopilados entre fines de 2024 y el primer trimestre de 2026.

Ingenia es una empresa de tecnología fundada en 2015 en Buenos Aires que trabaja con más de 150 empresas iniciales y compañías globales de distintas industrias. Con más de diez años de trayectoria y un 98% de satisfacción entre sus clientes, se especializa en acompañar a organizaciones en sus desafíos tecnológicos con una visión de tecnologías de la información (TI) alineada a los objetivos del negocio.

El cofundador y director ejecutivo de Ingenia, Gustavo Brey, sostuvo ante iProfesional que el mercado mide mal el impacto de la inteligencia artificial porque confunde dos realidades distintas. Por un lado, los "benchmarks" de referencia (DORA, DX, Thoughtworks) registran mejoras de productividad del 10% con herramientas como Copilot o Cursor.

Por otro, un número reducido de ingenieros senior, menor al 5% del mercado, logra multiplicar entre 10 y 30 veces la entrega de software mediante lo que Ingenia denomina "ingeniería agéntica": un modelo donde el profesional ya no escribe código línea por línea sino que orquesta varios agentes de IA trabajando en paralelo.

El informe introduce el concepto de "célula Cyborg", una unidad de trabajo compuesta por apenas dos o tres personas (un arquitecto orquestador y un revisor senior) que reemplaza a equipos tradicionales de hasta diez integrantes y reduce los costos mensuales de desarrollo de 55.000 a entre 20.000 y 25.000 dólares. En proyectos nuevos, el modelo puede ser hasta 75 veces más eficiente por unidad de producto entregado; en sistemas legados bien instrumentados, el múltiplo se ubica entre 11 y 16 veces.

En la siguiente entrevista de iProfesional, Brey explica por qué la mayoría de las empresas quedó atrapada en un techo de productividad, qué se necesita para dar el salto hacia la ingeniería agéntica y cuál es el futuro de los desarrolladores junior en un mundo donde dos personas con IA pueden hacer el trabajo de un equipo completo.

-¿Por qué la industria mide mal el impacto de la IA y qué es exactamente lo que están pasando por alto?

-Hoy la industria está midiendo mal el impacto de la inteligencia artificial porque conviven dos relatos que, en realidad, cotejan cosas distintas: por un lado, los "benchmarks" de la industria (DORA, DX, Thoughtworks) hablan de una mejora de productividad del 10% gracias a la inteligencia artificial; por otro, circulan casos de un desarrollador senior que, con agentes de IA, produce lo que antes hacía un equipo entero.

Lo que están pasando por alto es, en primer lugar, la métrica que usan: hoy las empresas miden la cantidad de tokens que usan los empleados, que es una métrica de vanidad. El verdadero problema es que no hay una estrategia real para adoptar la IA, sino iniciativas sueltas que no se alinean con el negocio.

Esto se refleja en la brecha entre adopción y uso real: pese a que el 93% de los desarrolladores ya usa asistentes de IA, solo el 26,9% del código de producción es efectivamente escrito por IA, según datos de DX. Pensar que la productividad en IT se resuelve simplemente poblando las pantallas de asistentes de código es quedarnos en una ilusión de progreso; por eso el mercado está atrapado en un techo que apenas promedia un 10% de mejora.

-¿Cuál es la diferencia fundamental entre el régimen asistido que usa el 90% del mercado y la verdadera ingeniería agéntica?

-La diferencia fundamental está en el modo de uso y en el resultado que genera cada uno. El régimen asistido es el que usa el 90% del mercado, con un IDE y sugerencias de código, y aporta entre un 8% y un 15% de mejora. La verdadera ingeniería agéntica, todavía minoritaria, es aquella en la que un ingeniero senior orquesta varios agentes de IA en paralelo y multiplica la entrega de software entre 10 y 30 veces.

Hoy, la adopción básica y asistida de la IA se estancó en un techo de mejora operativa de, apenas, entre el 8% y el 15%. Ante este escenario, la verdadera ventaja competitiva se ha trasladado hacia la ingeniería agéntica. Esta evolución metodológica permite configurar células de trabajo ultra eficientes que reducen los costos de desarrollo a la mitad y multiplican el volumen de entrega de software de manera exponencial.

-¿Cómo se compone estructuralmente una célula Cyborg y qué roles humanos quedan como indispensables frente a la automatización?

-La célula Cyborg se compone estructuralmente de apenas dos o tres profesionales senior: un arquitecto o staff "engineer" que orquesta, y un revisor senior. Este esquema reemplaza a equipos tradicionales de hasta diez personas ("tech lead", seniors, semi seniors, junior, "product owner", QA y arquitecto "part time").

Los roles humanos que quedan como indispensables son, entonces, quien orquesta y diseña la arquitectura, y quien revisa y valida el trabajo entregado, ya que son estos perfiles senior los que coordinan una red de agentes especializados.

-¿Cómo logra un equipo de apenas dos personas entregar módulos enteros y tener tiempos de salidas de producción medidos en horas?

-Un equipo de dos personas (un "staff engineer/arquitecto orquestador" y un senior revisor) logra este nivel de entrega mediante la combinación de tres factores metodológicos y técnicos:

• Orquestación paralela y flujo "spec-driven": El humano no escribe código línea por línea, sino que define especificaciones claras ("specs") y orquesta de 3 a 5 agentes autónomos trabajando en simultáneo sobre distintas partes de un módulo o "feature" ("split-and-merge").
• Contexto normativo y de dominio predefinido: Los agentes operan sobre archivos de reglas técnicas y de negocio muy densos, lo que les permite generar código alineado a la arquitectura sin desviarse ni requerir correcciones constantes.
• Pre filtrado automatizado de revisiones: El revisor humano no audita cada línea desde cero; cuenta con pipelines de CI/CD integrados con subagentes de control de calidad ("code-reviewer", "security-reviewer", "test-writer") que filtran el código de forma automática, permitiendo que la validación humana tome minutos en lugar de días.

- ¿Dónde radica el verdadero ahorro por unidad de "output"?

-El verdadero ahorro por unidad de output radica en la eficiencia que logra el modelo Cyborg frente a la célula tradicional: en proyectos "greenfield" (desde cero) puede llegar a ser hasta 75 veces más eficiente por unidad de output; en sistemas "legacy" bien instrumentados, el múltiplo baja, pero sigue siendo contundente, entre 11 y 16 veces.

Donde más visible está el impacto es en el "time to market" y en el costo, que hoy está rondando una mejora del 70% completo, porque un equipo de 30 personas puede pasar a ser de dos o tres, pero mucho más senior.

Este formato reduce el gasto mensual de "headcount" de un promedio de 55.000 dólares a una franja de entre 20.000 y 25.000 dólares, multiplicando los resultados al mismo tiempo.

-¿Cuáles son las herramientas y la infraestructura técnica específicas (Claude Code Max, MCP internos, subagentes) que requiere una empresa para instrumentar el Régimen 2?

-Para implementar con éxito la ingeniería agéntica, la organización requiere desplegar un ecosistema técnico de capas:

• Entorno de ejecución de alta capacidad: Motores de orquestación avanzados (como Claude Code Max 20x o superior) capaces de gestionar múltiples agentes en paralelo y sostener contextos extensos.
• Conectores de contexto (MCP internos): Servidores bajo el "Model Context Protocol" (MCP) que conectan a los agentes con la infraestructura real de la empresa: esquemas vivos de bases de datos, repositorios de código, documentación ("Confluence"), gestores de tareas (Jira) y sistemas de observabilidad.
• Gobernanza en repositorio: Archivos de configuración de 200 a 500 líneas integrados en la base de código que establecen los patrones arquitectónicos, convenciones del proyecto y restricciones de ejecución.
• Red de subagentes y "skills" del dominio: Un ensamble de 6 a 10 subagentes especializados ("architect", "code-reviewer", "legacy-archaeologist", "regression-hunter") acompañados por "skills custom" para automatizar operaciones recurrentes (como migraciones de datos o creación de "endpoints").
• "Harness" de pruebas y "linters" automáticos: Un entorno de "testing" automatizado sólido que actúa como barrera de contención antes de la revisión humana

-¿Cómo se aplica la ingeniería agéntica para modernizar sistemas bancarios o de seguros antiguos y por qué afirman que los agentes no deben "inventar" sino "descubrir" la arquitectura?

-A diferencia de las herramientas convencionales de inteligencia artificial, que pierden efectividad ante la falta de documentación de los sistemas viejos, los agentes autónomos usan el código existente como su manual de instrucciones implícito. En proyectos de modernización y mantenimiento ("brownfield"), el descubrimiento técnico de la plataforma se acelera de 5 a 15 veces, y las refactorizaciones complejas pasan de requerir ciclos enteros de trabajo a resolverse en cuestión de días.

-¿Cómo hace el trabajador humano para no colapsar revisando código y cómo se asegura que la calidad no se degrade?

-Son situaciones que pueden suceder, principalmente, por sobrecarga cognitiva y desbalance operativo: cuando un equipo agéntico comprime hasta cuatro meses de trabajo en una sola semana, el volumen de salida genera un cuello de botella en la revisión y se tapona la interacción con otras áreas de la empresa que no están preparadas para seguir ese ritmo vertiginoso. Esto sucede en organizaciones que no están del todo maduras y que van aprendiendo sobre la marcha, pero no deja de ser un desafío para sortear.

Para evitar el burnout del equipo y garantizar la calidad del software, se aplican las siguientes medidas:

Adecuación metodológica y gestión del ritmo de trabajo

• Semanas de "Cool Down": Implementar períodos de enfriamiento o descanso estratégico intercalados para reducir la fatiga mental de estar orquestando y validando múltiples temas en simultáneo.
• Diseño e investigación más intensivos ("Big Upfront Design"): Reforzar las semanas iniciales de definición técnica y arquitectura para evitar fricciones y correcciones constantes durante la fase de ejecución.

Automatización y gobernanza del flujo de calidad

• "Pipelines" de revisión automática: Establecer un filtro previo obligatorio de al menos tres subagentes especializados ("code-reviewer", "security-reviewer", "test-writer"). El humano solo interviene en la validación final sobre entregables que ya superaron estos controles.
• Métrica de supervivencia ("Survival Rate"): Medir la efectividad a partir de la tasa de supervivencia del código a 90 días (y la tasa de reescritura o "rework rate"), priorizando la consistencia y la durabilidad por encima de la velocidad bruta.

-Si la IA asume la escritura base de código, ¿qué va a pasar con los desarrolladores junior y semi senior en el mercado local? ¿El modelo Cyborg elimina el desembarco de talento inicial?

-Todavía no está todo dicho respecto de lo que sucederá con los perfiles junior y semi senior. Hay dos escenarios posibles: por un lado, el junior bien apalancado va a producir como si fuese un senior, acelerando la transición al senior; por otro, la vara de entrada a la profesión probablemente suba, ya que van a tener que estudiar más y meterse un poco más en la ingeniería, porque hoy todavía se necesita la carrera universitaria.

En cuanto a si el modelo Cyborg elimina el desembarco de talento inicial, lo que cambia es el tipo de tarea: el trabajo del junior se corre hacia tareas de documentación, investigación y validación de hipótesis, mientras la codificación pura pierde peso relativo dentro del proceso completo de construir software.

-¿Cuáles son los primeros pasos que recomienda Ingenia para instrumentar este modelo operativo sin paralizar el negocio actual?

-Para adoptar la ingeniería agéntica sin poner en riesgo la operación actual, (...) planteamos un camino progresivo que combina la gestión ejecutiva con la implementación técnica en tres etapas estratégicas.

El primer paso, que suele pasarse por alto, es concientizar y entrenar al "C-Level" y al directorio. La alta dirección tiene que entender el alcance real de la tecnología porque, de lo contrario, el temor a los riesgos los convierte en los principales detractores.

Acá aplica muy bien la analogía de lo que ocurrió durante las primeras horas del Titanic: al principio, por incredulidad o una falsa sensación de seguridad, nadie reaccionó y los primeros botes salvavidas se fueron semi vacíos; para cuando la urgencia del hundimiento fue evidente, ya no había capacidad para salvar a los que quisieron reaccionar a último momento. Con la IA pasa lo mismo: el riesgo de la inacción es reaccionar demasiado tarde.

A nivel operativo, la ruta empieza con un piloto acotado de 8 semanas sobre un proyecto testigo, donde se realiza la arqueología de código, se redactan los primeros "agents.md", se configuran las habilidades clave y se conectan los MCP iniciales. Luego, entre las semanas 9 y 24, se transforma un "squad" al modelo Cyborg para medir de forma empírica su rendimiento bajo un esquema de entregas por resultados ("outcome-based delivery"), monitoreando métricas DORA y tasas de supervivencia del código.

Por último, se consolida un comité de IA quincenal para evaluar los resultados y escalar el modelo de forma ordenada al resto de la organización, reinvirtiendo las eficiencias conseguidas sin sacudir la continuidad del negocio.