Los coding agents generaron un 30 % más de código sin elevar la producción

Fiona Chen y James Stratton analizaron 300 millones de eventos laborales entre enero de 2021 y marzo de 2026. Los datos de Jellyfish cubren 718 empresas y unos 700 000 trabajadores, lo que permite seguir el trabajo desde el commit hasta la tarea completada.

Los agentes añadieron un 30 % de líneas y un 23 % de pull requests

Tras adoptar coding agents, las líneas de código aumentaron un 30 %, los commits un 20 % y los pull requests un 23 %. Los autores aplicaron un diseño escalonado de difference-in-differences para comparar empresas antes y después de adoptar la tecnología en distintos momentos.

Al final del proceso, la tasa de resolución de Jira Issues y Epics no cambió de forma significativa. Tampoco apareció un efecto relevante sobre el empleo. Los coding assistants mostraron efectos menores: un 12 % más de líneas, un 9 % más de commits y un 5 % más de pull requests. Solo el aumento de commits fue estadísticamente significativo.

El tiempo ahorrado al escribir se desplazó al code review

El tiempo medio entre abrir un pull request y hacer merge creció un 49 %. La proporción de pull requests con cambios solicitados casi se duplicó, los comentarios aumentaron un 35 % y la participación de trabajadores en review subió un 14 %.

Para los responsables de ingeniería, la productividad del autor deja de ser una medida suficiente. Más código puede limitarse a llenar la cola ante reviewers experimentados. El valor debe medirse mediante lead time, funciones terminadas, incidentes y trabajo necesario para aceptar cada cambio.

Los datos observacionales muestran asociación, no causalidad experimental

El estudio utiliza datos empresariales y adopción escalonada, no un experimento aleatorio. La estimación supone que los usuarios tempranos y tardíos habrían seguido tendencias similares sin AI. Parte de la adopción se infiere de GitHub y los datos terminan en marzo de 2026.

Para entonces, el 80 % de las empresas utilizaba alguna forma de AI code review. Sin embargo, los agentes generaban solo el 23,3 % de los comentarios y participaban en el 10,8 % de los pull requests. La mayoría del control seguía en manos humanas.

Una entrega más corta mostrará si el despliegue ha madurado

Los próximos datos deben mostrar si los agentes nuevos acortan todo el recorrido y no solo la escritura. Importan el tiempo hasta merge, las revisiones, las funciones completadas, el change failure rate y los incidentes tras una adopción prolongada.

Las empresas pueden usar pull requests menores, pruebas más fuertes antes del review y un carril separado para cambios de bajo riesgo. Si la producción final no crece, más tokens, líneas y commits siguen siendo actividad sin más producto entregado.

El veredicto de Lilith

El agente llena la cola de pull requests, mientras el mismo número de personas sigue junto al botón de merge. Acelerar la cinta ante un solo inspector crea sobre todo una pila más alta.