Sigue a ZDNET: Agréganos como fuente preferida en Google.

Takeaways de llave de ZDNET

• Casi todos los desarrolladores ahora dependen de las herramientas de IA.
• AI amplifica las resistencias y magnifica la disfunción.
• Las plataformas de alta calidad son imprescindibles para el éxito de la IA.

Google lanzó su Informe de desarrollo de software de 2025 Dora. Dora (DevOps Research & Evalation) es un programa de investigación en Google (parte de la organización de Google Cloud). Dora explora las capacidades y los factores que impulsan el rendimiento de la entrega y las operaciones de software.

Este año, el Proyecto Dora encuestó a 5,000 profesionales del desarrollo de software en todas las industrias y siguió con más de 100 horas de entrevistas. Puede ser uno de los estudios más completos del papel cambiante de IA en el desarrollo de software, especialmente a nivel empresarial.

Los resultados de este año son particularmente relevantes porque la IA se ha infiltrado en el desarrollo de software en un grado bastante extremo. El informe muestra algunas notas alentadoras, pero también muestra algunas áreas de verdadero desafío.

Al escribir este artículo, he pasado por el informe de 142 páginas y hice cinco observaciones principales que cortaron la exageración para revelar lo que realmente está cambiando en el desarrollo de software.

1. La IA ahora se usa ampliamente en el desarrollo

Según los encuestados, en algún lugar entre el 90 y el 95% depende del desarrollo de software para el trabajo. El informe menciona el 95% en la introducción y el 90% más tarde en una sección de detalles, pero independientemente del número que elija, casi todos los codificadores ahora están usando IA. Según el informe, este es un salto del 14% desde el año pasado.

La mediana del tiempo dedicado a interactuar con una IA fue de dos horas por día. Sin embargo, hay un poco más de matices en esto. Por ejemplo, solo el 7% de los encuestados «siempre» informan que usan IA cuando se enfrentan a un problema para resolver. El grupo más grande, 39%, informa «a veces» recurriendo a IA para obtener ayuda. Pero lo que me sorprendió es que un 60% completo usa AI «aproximadamente la mitad del tiempo» o más cuando se trata de resolver un problema o completar una tarea.

El ochenta por ciento de los programadores informaron un aumento general en la productividad, pero solo el 59% informó que su calidad de código mejoró. Otra métrica clave es esta: el 70% de los encuestados confía en la calidad de la IA, mientras que el 30% no.

Déjame compartir un pensamiento personal sobre esto. Acabo de terminar un sprint de codificación masivo hecho posible por la IA. El código que salió casi nunca fue correcto en la primera carrera. Tuve que pasar mucho tiempo engañando a la IA para hacerlo bien. Incluso una vez que se realizó el trabajo, volví a hacer un barrido de control completo, donde encontré más errores.

Mi conclusión es que no hay forma de que pueda haber llegado cerca de la cantidad de trabajo realizado que acabo de hacer sin IA. Pero no hay forma de que confíe en cualquier código que la IA escriba sin hacer mucha revisión, validación y pruebas. Por supuesto, eso no es muy diferente de cómo me sentí cuando era gerente y delegaría la codificación a empleados o contratistas.

2. Piense en la IA como un amplificador

Este fue uno de los resultados más fascinantes del estudio. El equipo de Dora sostiene que la IA se ha convertido en un amplificador. Esencialmente, AI «magnifica las fortalezas de las organizaciones de alto rendimiento y las disfunciones de las que luchan».

Eso tiene mucho sentido. Si lees mi artículo más reciente sobre «10 Secretos de Codex de ChatGPT que solo aprendí después de 60 horas de programación de pares con él», señalé que AIS comete grandes errores rápidamente. Un mensaje malformado puede enviar una IA para causar una destrucción importante. Tuve la experiencia en la que Codex decidió eliminar una gran parte de uno de mis archivos, e inmediatamente revisé esos cambios en GitHub.

Afortunadamente, pude retirar esos cambios, pero vi una gran cantidad de trabajo desaparecer más rápido de lo que podía tomar un sorbo de café.

Esencialmente, cuanto más efectivo y organizado sea un equipo, más IA ayudará. Cuanto más disperso o casual sea un equipo, más AI dolerá. En mi caso, tengo una muy buena práctica de control de revisiones, por lo que cuando la IA se comió mi tarea, pude recuperarlo debido a los controles que había establecido antes de darle a la IA su primer acceso a mi base de código.

3. Siete arquetipos del equipo en la era de la IA

Entonces, ¿quién gana y quién pierde? El equipo de Dora identificó ocho factores que determinaron el rendimiento general de un equipo.

1. Rendimiento del equipo: Efectividad y fuerza colaborativa de un equipo
2. Rendimiento del producto: Calidad y éxito de los productos que se producen
3. Rendimiento de entrega de software: Velocidad y eficiencia del proceso de entrega
4. Inestabilidad de entrega de software: Calidad y confiabilidad del proceso de entrega
5. Efectividad individual: Efectividad y sentido de logro para los miembros del equipo individual
6. Trabajo valioso: Grado en el que los miembros del equipo individual sienten que su trabajo es valioso
7. Fricción: Cuánto se interpone en el camino de las personas que intentan hacer su trabajo
8. Burnout: Sentimientos de agotamiento y cinismo entre los miembros del equipo

Luego midieron estos factores contra los encuestados y sus equipos. Esto ayudó a identificar siete arquetipos del equipo.

1. Desafíos fundamentales: Modo de supervivencia, espacios en todas partes
2. Cuello de botella legal: Combates de incendio constantes, sistemas inestables
3. Restringido por proceso: Estable pero empantanado por la burocracia
4. Alto impacto, baja cadencia: Salida fuerte, entrega inestable
5. Estable y metódico: Ritmo deliberado, calidad consistente
6. Artistas pragmáticos: Confiable, rápido, moderadamente comprometido
7. Armoniosos altos de los altos: Sostenible, estable, mejor rendimiento

AI, dice el informe, es un espejo de las organizaciones. El uso de AI hace que las fortalezas y debilidades de los equipos sean más evidentes. Pero lo que encontré particularmente interesante es la idea de que la compensación de «velocidad versus estabilidad» es un mito.

Esta es la idea de que puede ser rápido o puede producir un buen código, pero no ambos. Como resultado, el 30% superior de los encuestados cae en los arquetipos armoniosos de alto rendimiento o artistas pragmáticos, y esas personas producen una producción rápidamente, y la calidad de esa salida es alta.

4. Siete prácticas clave

El informe subraya: «La adopción exitosa de IA es un problema de sistemas, no un problema de herramientas». A la gente de Dora parece gustarle el número siete. Dicen que las siguientes siete prácticas clave impulsan el impacto de AI (para bien o para mal).

1. Política de IA: La postura de IA clara y comunicada de una organización.
2. Ecosistemas de datos: Calidad general de los datos internos de una organización.
3. Datos accesibles: Herramientas de IA conectadas a fuentes de datos internas.
4. Control de la versión: Forma sistemática de administrar los cambios en el código.
5. Lotes pequeños: Rompiendo cambios en unidades pequeñas y manejables.
6. Enfoque de usuario: Equipos priorizando la experiencia de los usuarios finales.
7. Plataformas de calidad: Capacidades compartidas disponibles en toda la organización.

Como puede imaginar, los equipos exitosos emplean más de estas prácticas. Si bien los equipos fallidos pueden tener programadores individuales altamente productivos, es la falta de estos fundamentos los que parecen derribarlos.

Recomiendan: «Trate su adopción de IA como una transformación organizacional. Los mayores rendimientos vendrán de invertir en los sistemas fundamentales que amplifican los beneficios de la IA: su plataforma interna, su ecosistema de datos y las disciplinas centrales de ingeniería de sus equipos. Estos elementos son los requisitos previos esenciales para convertir el potencial de IA en el desempeño organizativo medible».

5. Dos factores que influyen en el éxito de la IA

El año pasado, se convirtió en una noticia bastante grande cuando el informe anterior de Dora mostró que la IA realmente redujo la productividad del desarrollo de software, en lugar de aumentarla. Este año, lo contrario es cierto. Los exploradores de Dora pudieron identificar dos factores clave que cambiaron esos resultados.

Las organizaciones de desarrollo están más familiarizadas con la IA y saben cómo trabajarlo de manera más efectiva que hace un año. El estudio muestra que el 90% de las organizaciones de desarrolladores han adoptado la ingeniería de plataformas. Esta es la práctica de construir plataformas de desarrollo interno sólidos que agregan las herramientas, las automatizaciones y los servicios compartidos para un equipo de desarrollo.

Según Dora, cuando la plataforma interna funciona bien, los desarrolladores pasan menos tiempo luchando contra el sistema y más tiempo creando valor. Si ve la IA como un amplificador, puede ver cómo los buenos sistemas realmente pueden mejorar los resultados. Curiosamente, si las plataformas son débiles, la IA no parece mejorar la productividad organizacional. Las buenas plataformas internas son un requisito previo muy claro para un uso efectivo de la IA.

El siguiente factor parece una palabra de moda fuera de una comedia de situación del lugar de trabajo, pero es realmente bastante importante. Es VSM (o gestión de flujo de valor). La idea es que los gerentes creen un mapa de cómo el trabajo pasa de la idea a la entrega. Básicamente es un diagrama de flujo para operaciones en lugar de solo bits.

Al ver cada paso, los equipos pueden identificar áreas problemáticas, como revisiones de código muy largas o lanzamientos que se paran en varias etapas. El informe establece que el impacto positivo de la adopción de la IA se «amplifica dramáticamente» en las organizaciones con una fuerte práctica de VSM. Para el registro, la palabra «dramáticamente» aparece en el informe cuatro veces.

El informe establece: «VSM actúa como un multiplicador de fuerza para las inversiones de IA. Al proporcionar una vista a nivel de sistemas, asegura que la IA se aplique a los problemas correctos, convirtiendo las ganancias de productividad localizadas en ventajas organizacionales significativas en lugar de simplemente crear más caos posteriores».

¿Qué significa todo para el desarrollo de software?

Hay algunas conclusiones claras del informe. Primero, la IA ha pasado de la exageración a la corriente principal en el mundo del desarrollo de software empresarial. En segundo lugar, la ventaja real no se trata de las herramientas (o incluso la IA que usa). Se trata de construir sistemas organizacionales sólidos. Sin esos sistemas, la IA tiene poca ventaja. Y tercero, la IA es un espejo. Refleja y magnifica qué tan bien (o mal) ya funciona.

¿Qué opinas? ¿Su organización ha estado utilizando herramientas de IA en el desarrollo de software? ¿Ves la IA como un impulso de productividad genuino o como algo que agrega más inestabilidad? ¿Cuál de los siete arquetipos del equipo se siente más cercano a su propia experiencia? ¿Y crees que prácticas como la ingeniería de plataformas o VSM realmente marcan la diferencia? Comparta sus pensamientos en los comentarios a continuación.

Puede seguir mis actualizaciones de proyecto diarias en las redes sociales. Asegúrese de suscribirse a Mi boletín de actualización semanaly sígueme en Twitter/X en @Davidgewirtzen Facebook en Facebook.com/davidgewirtzen Instagram en Instagram.com/davidgewirtzen bluesky en @Davidgewirtz.comy en youtube en Youtube.com/davidgewirtztv.