«La desaceleración del 19% observada entre los desarrolladores experimentados no es una acusación de IA en su conjunto, sino un reflejo de la fricción del mundo real de integrar las sugerencias probabilísticas en flujos de trabajo deterministas», explicó Gogia, enfatizando que la medición debe incluir «reelaboración posterior, aglomeración de código y ciclos de revisión de parientes, no solo el tiempo de paso». Evidencia de la industria más amplia Los hallazgos de METR se alinean con las tendencias relacionadas con las tendencias identificadas en el informe de Investigación y Evaluación de DevOps de Google 2024 (DORA), basado en respuestas de más de 39,000 profesionales. Mientras que el 75% de los desarrolladores informaron que se sentían más productivos con las herramientas de IA, los datos cuentan una historia diferente: cada aumento del 25% en la adopción de IA mostró una caída del 1.5% en la velocidad de entrega y una caída del 7.2% en la estabilidad del sistema. Además, el 39% de los encuestados informaron tener poca o ninguna confianza en el código generado por IA. Estos resultados contradicen estudios optimistas anteriores. Investigación del MIT, Princeton y la Universidad de Pensilvania, analizando datos de más de 4,800 desarrolladores en Microsoft, Accenture y otra compañía Fortune 100, descubrieron que los desarrolladores que usan Copilot de GitHub completaron un 26% más de tareas en promedio. Un experimento controlado separado encontró que los desarrolladores completaron tareas de codificación 55.8% más rápido con copiloto de GitHub. Sin embargo, estos estudios típicamente usan tareas más simples y aisladas en comparación con los escenarios complejos del mundo real examinados en la investigación METR.