Pieza
GitHub Copilot · Una tarea puede hacerse mucho más rápido sin que eso resuelva todo el trabajo
En un experimento con desarrolladores, quienes utilizaron GitHub Copilot completaron una tarea concreta aproximadamente un 55 % más rápido. La señal es importante, pero también su límite: mejorar una tarea no equivale automáticamente a mejorar una organización entera.
Posición en el puzzle
Dónde participa esta pieza
Grupos
- IA generativa y ampliación del trabajo cognitivo
- Productividad y trabajo profesional
Investigación de referencia: The Impact of AI on Developer Productivity: Evidence from GitHub Copilot
Autores: Sida Peng, Eirini Kalliamvakou, Peter Cihon y Mert Demirer
Experimento difundido por: GitHub
En un experimento controlado, 95 desarrolladores profesionales recibieron la misma tarea: construir un servidor HTTP en JavaScript. Un grupo pudo utilizar GitHub Copilot y otro no.
Los desarrolladores con Copilot terminaron la tarea, de media, alrededor de un 55 % más rápido.
Es un resultado llamativo. También es un buen ejemplo de cómo debemos leer las piezas del Observatorio con cuidado.
Una mejora real puede ser local
El experimento mide una tarea concreta bajo unas condiciones concretas.
No demuestra que una empresa de software vaya a producir un 55 % más. Tampoco dice que todo el código sea mejor, que desaparezca la necesidad de revisar o que el trabajo completo de un desarrollador pueda reducirse a escribir líneas de código.
Precisamente por eso la pieza es valiosa.
Muestra algo más limitado y suficientemente importante: una herramienta generativa puede reducir de forma sustancial el tiempo necesario para realizar determinadas tareas cualificadas.
Cuando eso ocurre, cambia la economía de esa tarea aunque el trabajo completo siga necesitando personas.
El ahorro de tiempo crea una segunda pregunta
Si una tarea que tardaba dos horas puede realizarse en una, ¿qué hacemos con la hora liberada?
Podemos simplemente producir el doble de lo mismo.
O podemos utilizarla para probar más alternativas, revisar mejor, hablar con usuarios, mejorar arquitectura, documentar, aprender o resolver problemas que antes no compensaba abordar.
Ahí aparece la diferencia entre productividad local y capacidad real.
Una empresa que convierte el tiempo ahorrado en mejor producto puede ganar mucho. Otra puede utilizarlo para llenar más deprisa un backlog que nadie ha revisado.
La herramienta es la misma. La organización decide qué hace con la velocidad.
La IA puede bajar barreras sin eliminar la experiencia
La programación contiene muchas tareas repetitivas, búsqueda de sintaxis, creación de estructuras conocidas y recuperación de patrones que una herramienta puede acelerar.
Eso puede permitir que una persona llegue antes a un prototipo o trabaje en un lenguaje que conoce menos.
Pero cuanto más barato resulta producir código, más importantes pueden volverse otras capacidades: entender el problema, elegir una buena arquitectura, probar, proteger seguridad, reconocer deuda técnica y decidir qué no merece construirse.
Cuando producir baja de precio, decidir qué producir puede aumentar de valor.
Oportunidades que abre este cambio
La primera oportunidad es evidente para desarrolladores: hacer más con el mismo tiempo.
Pero alrededor aparecen muchas más.
Pequeñas empresas pueden desarrollar herramientas internas que antes no justificaban contratar a un equipo completo.
Profesionales de otros sectores pueden trabajar con desarrolladores o agentes de código para crear prototipos de servicios muy específicos.
Expertos en pruebas, seguridad, arquitectura y revisión pueden ganar importancia a medida que aumenta el volumen de código producido.
Formadores pueden ayudar a programadores a pasar de «escribir código con IA» a diseñar sistemas y verificar resultados.
Especialistas sectoriales pueden convertirse en una pieza más importante del desarrollo porque la barrera técnica entre una necesidad y un primer prototipo disminuye.
Y pequeños equipos pueden competir en problemas donde antes hacía falta más capital únicamente para empezar a construir.
También aparece una presión competitiva
Una empresa puede decidir que el aumento de productividad no es suficientemente estable todavía. Es una decisión legítima.
Pero si sus competidores consiguen reducir el coste de determinadas tareas, esa diferencia acaba llegando a precios, velocidad de lanzamiento o capacidad para experimentar.
Eso es lo que hace a esta pieza relevante más allá de la programación.
No necesitamos que la IA sustituya desarrolladores para que altere el mercado. Basta con que cambie de manera significativa el coste de producir una parte del trabajo.
Qué nos dice esta pieza sobre Lo que viene
El experimento de GitHub Copilot es un indicio fuerte de aumento de productividad en una tarea concreta y un indicio mucho más débil de productividad empresarial completa.
Mantener esa diferencia es importante.
El nuevo mercado no aparecerá simplemente porque cada herramienta anuncie que ahorra tiempo. Aparecerá cuando personas y organizaciones aprendan a convertir esos ahorros locales en nuevas maneras de trabajar, productos antes inviables y servicios que ahora pueden ofrecerse a un coste distinto.
La oportunidad no consiste en escribir código más rápido por sí mismo.
Consiste en descubrir qué cosas nuevas merece la pena hacer cuando producir una parte del trabajo deja de costar lo que costaba.