{"id":176124,"date":"2024-08-14T13:04:49","date_gmt":"2024-08-14T16:04:49","guid":{"rendered":"https:\/\/nuevoitsitio1.wpenginepowered.com\/co\/sin-categoria\/genai-los-ingenieros-aumentan-su-productividad\/"},"modified":"2025-11-21T21:22:44","modified_gmt":"2025-11-22T00:22:44","slug":"genai-los-ingenieros-aumentan-su-productividad","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/co\/informes\/genai-los-ingenieros-aumentan-su-productividad\/","title":{"rendered":"GenAI: el 72% de los ingenieros de software est\u00e1n aumentando su productividad"},"content":{"rendered":"

Desde el lanzamiento de ChatGPT<\/a> en diciembre de 2022, la inteligencia artificial generativa (GenAI) ha transformado r\u00e1pidamente el panorama del desarrollo de software. Aunque a\u00fan estamos lejos de la inteligencia artificial avanzada que vemos en pel\u00edculas como Bicentennial Man o I, Robot,<\/em> los avances recientes han sido notables. Para entender mejor el impacto de GenAI en el desarrollo de software, BairesDev realiz\u00f3 una encuesta a m\u00e1s de 500 ingenieros de software de diversos niveles de experiencia. Los resultados muestran una adopci\u00f3n significativa de GenAI, con un 72% de los ingenieros utilizando esta tecnolog\u00eda en sus procesos de desarrollo.<\/strong><\/p>\n

GenAI como herramienta clave en el desarrollo de software<\/span><\/h2>\n

El 72% de los ingenieros encuestados afirmaron que utilizan GenAI en su trabajo diario. De ellos, casi la mitad (48%) emplea GenAI todos los d\u00edas, y un impresionante 81% lo utiliza para escribir c\u00f3digo que antes creaban manualmente.<\/strong> Sin embargo, a pesar de esta alta adopci\u00f3n, el 40% de los ingenieros no cree que GenAI les haya liberado tiempo para realizar otras tareas, lo que sugiere que la tecnolog\u00eda a\u00fan tiene limitaciones en cuanto a su capacidad para reducir la carga de trabajo.<\/p>\n

Una encuesta reciente de Thomson Reuters muestra un contraste interesante: solo el 12% de los trabajadores de cuello blanco est\u00e1n utilizando actualmente GenAI<\/a>, y el 11% tiene planes activos para adoptarla. Esto demuestra que los ingenieros de software est\u00e1n a la vanguardia en la adopci\u00f3n de GenAI, aprovechando al m\u00e1ximo sus capacidades.<\/p>\n

\"width=\"
Que tipos de tareas se est\u00e1n realizando con GenAI.<\/figcaption><\/figure>\n

Un impulso en la productividad<\/span><\/h2>\n

El impacto de GenAI en la productividad es innegable. Seg\u00fan la encuesta de BairesDev, el 23% de los usuarios de GenAI reportaron un aumento en la productividad de un 50% o m\u00e1s.<\/strong> Un 71% adicional inform\u00f3 un aumento de entre un 10% y un 25%, mientras que solo el 6% de los ingenieros dijeron que no han experimentado cambios en su productividad desde que comenzaron a utilizar GenAI.<\/p>\n

Los roles que han visto los mayores incrementos en productividad incluyen a los ingenieros de confiabilidad del sitio, DevOps, desarrolladores de GIS y gerentes de proyectos\/Scrum Masters, con aumentos que oscilan entre el 40% y el 50% o m\u00e1s. En promedio, los cient\u00edficos de datos han visto un aumento del 32% en su productividad, mientras que los desarrolladores full-stack han reportado un incremento del 27%.<\/p>\n

Mejorando la calidad del trabajo<\/span><\/h2>\n

Adem\u00e1s de aumentar la productividad, GenAI tambi\u00e9n ha mejorado la calidad del trabajo de los ingenieros. El 74% de los encuestados afirm\u00f3 que GenAI ha aumentado la calidad de su trabajo en cierta medida. De ellos, el 53% dijo que la calidad ha mejorado entre un 10% y un 25%. Solo el 24% cree que no ha habido cambios, y un m\u00ednimo 2% piensa que la calidad de su trabajo ha disminuido al utilizar GenAI.<\/strong><\/p>\n

Herramientas similares a Grammarly, que utilizan IA para ofrecer sugerencias y mejores pr\u00e1cticas, han encontrado un uso paralelo en el desarrollo de software. Los ingenieros est\u00e1n utilizando GenAI para refinar y mejorar la calidad del c\u00f3digo, aunque las sugerencias no siempre son perfectas.<\/p>\n

\"width=\"
\u00bfCon que frecuencia el c\u00f3digo generado por IA tiene errores?<\/figcaption><\/figure>\n

Los ingenieros de software como editores<\/span><\/h2>\n

Una de las principales observaciones de la encuesta es que los ingenieros de software est\u00e1n adoptando un rol m\u00e1s editorial. Aunque GenAI es capaz de generar fragmentos de c\u00f3digo, no es perfecta. El 47% de los ingenieros informaron encontrar errores menores cada vez que utilizan c\u00f3digo generado por IA, mientras que el 16% reporta errores significativos. En total, el 63% de los ingenieros encuentra errores en el c\u00f3digo generado por GenAI, lo que subraya la importancia de la supervisi\u00f3n humana.<\/p>\n

La experiencia tambi\u00e9n juega un papel crucial en la detecci\u00f3n de errores. Los ingenieros con m\u00e1s de ocho a\u00f1os de experiencia son m\u00e1s propensos a identificar errores menores, mientras que aquellos con menos experiencia reportan menos problemas. Esto sugiere que la habilidad para identificar y corregir errores en c\u00f3digo generado por IA puede estar relacionada con la experiencia y la antig\u00fcedad.<\/p>\n

Limitaciones y futuro de GenAI en el desarrollo de software<\/span><\/h2>\n

A pesar de sus beneficios, GenAI todav\u00eda tiene limitaciones. Un sorprendente 20% de los encuestados cree que la IA no es buena en la generaci\u00f3n de c\u00f3digo. Sin embargo, la velocidad con la que GenAI genera c\u00f3digo hace que valga la pena para muchos ingenieros, quienes prefieren modificar c\u00f3digo generado r\u00e1pidamente en lugar de escribirlo desde cero.<\/strong><\/p>\n

La adopci\u00f3n de GenAI est\u00e1 cambiando r\u00e1pidamente la naturaleza del trabajo de los ingenieros de software. En lugar de enfocarse en tareas repetitivas, los ingenieros est\u00e1n desarrollando nuevas habilidades en creatividad, resoluci\u00f3n de problemas, pensamiento cr\u00edtico y comunicaci\u00f3n. A medida que GenAI asume m\u00e1s tareas repetitivas, el rol de los ingenieros evolucionar\u00e1 hacia el de orquestadores de proyectos, colaborando para resolver problemas complejos y crear software de alta calidad.<\/p>\n","protected":false},"excerpt":{"rendered":"

Desde el lanzamiento de ChatGPT en diciembre de 2022, la inteligencia artificial generativa (GenAI) ha transformado rápidamente el panorama del desarrollo de software. Aunque aún estamos lejos de la inteligencia artificial avanzada que vemos en películas como Bicentennial Man o I, Robot, los avances recientes han sido notables. Para entender mejor el impacto de GenAI en el desarrollo de software, BairesDev realizó una encuesta a más de 500 ingenieros de software de diversos niveles de experiencia. Los resultados muestran una adopción significativa de GenAI, con un 72% de los ingenieros utilizando esta tecnología en sus procesos de desarrollo. GenAI como herramienta clave en el desarrollo de software El 72% de los ingenieros encuestados afirmaron que utilizan GenAI en su trabajo diario. De ellos, casi la mitad (48%) emplea GenAI todos los días, y un impresionante 81% lo utiliza para escribir código que antes creaban manualmente. Sin embargo, a pesar de esta alta adopción, el 40% de los ingenieros no cree que GenAI les haya liberado tiempo para realizar otras tareas, lo que sugiere que la tecnología aún tiene limitaciones en cuanto a su capacidad para reducir la carga de trabajo. Una encuesta reciente de Thomson Reuters muestra un contraste interesante: solo el 12% de los trabajadores de cuello blanco están utilizando actualmente GenAI, y el 11% tiene planes activos para adoptarla. Esto demuestra que los ingenieros de software están a la vanguardia en la adopción de GenAI, aprovechando al máximo sus capacidades. Un impulso en la productividad El impacto de GenAI en la productividad es innegable. Según la encuesta de BairesDev, el 23% de los usuarios de GenAI reportaron un aumento en la productividad de un 50% o más. Un 71% adicional informó un aumento de entre un 10% y un 25%, mientras que solo el 6% de los ingenieros dijeron que no han experimentado cambios en su productividad desde que comenzaron a utilizar GenAI. Los roles que han visto los mayores incrementos en productividad incluyen a los ingenieros de confiabilidad del sitio, DevOps, desarrolladores de GIS y gerentes de proyectos\/Scrum Masters, con aumentos que oscilan entre el 40% y el 50% o más. En promedio, los científicos de datos han visto un aumento del 32% en su productividad, mientras que los desarrolladores full-stack han reportado un incremento del 27%. Mejorando la calidad del trabajo Además de aumentar la productividad, GenAI también ha mejorado la calidad del trabajo de los ingenieros. El 74% de los encuestados afirmó que GenAI ha aumentado la calidad de su trabajo en cierta medida. De ellos, el 53% dijo que la calidad ha mejorado entre un 10% y un 25%. Solo el 24% cree que no ha habido cambios, y un mínimo 2% piensa que la calidad de su trabajo ha disminuido al utilizar GenAI. Herramientas similares a Grammarly, que utilizan IA para ofrecer sugerencias y mejores prácticas, han encontrado un uso paralelo en el desarrollo de software. Los ingenieros están utilizando GenAI para refinar y mejorar la calidad del código, aunque las sugerencias no siempre son perfectas. Los ingenieros de software como editores Una de las principales observaciones de la encuesta es que los ingenieros de software están adoptando un rol más editorial. Aunque GenAI es capaz de generar fragmentos de código, no es perfecta. El 47% de los ingenieros informaron encontrar errores menores cada vez que utilizan código generado por IA, mientras que el 16% reporta errores significativos. En total, el 63% de los ingenieros encuentra errores en el código generado por GenAI, lo que subraya la importancia de la supervisión humana. La experiencia también juega un papel crucial en la detección de errores. Los ingenieros con más de ocho años de experiencia son más propensos a identificar errores menores, mientras que aquellos con menos experiencia reportan menos problemas. Esto sugiere que la habilidad para identificar y corregir errores en código generado por IA puede estar relacionada con la experiencia y la antigüedad. Limitaciones y futuro de GenAI en el desarrollo de software A pesar de sus beneficios, GenAI todavía tiene limitaciones. Un sorprendente 20% de los encuestados cree que la IA no es buena en la generación de código. Sin embargo, la velocidad con la que GenAI genera código hace que valga la pena para muchos ingenieros, quienes prefieren modificar código generado rápidamente en lugar de escribirlo desde cero. La adopción de GenAI está cambiando rápidamente la naturaleza del trabajo de los ingenieros de software. En lugar de enfocarse en tareas repetitivas, los ingenieros están desarrollando nuevas habilidades en creatividad, resolución de problemas, pensamiento crítico y comunicación. A medida que GenAI asume más tareas repetitivas, el rol de los ingenieros evolucionará hacia el de orquestadores de proyectos, colaborando para resolver problemas complejos y crear software de alta calidad.<\/p>\n","protected":false},"author":229,"featured_media":174705,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[29],"tags":[193],"class_list":["post-176124","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-informes","tag-bairesdev"],"_links":{"self":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/176124","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/users\/229"}],"replies":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/comments?post=176124"}],"version-history":[{"count":0,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/posts\/176124\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/media\/174705"}],"wp:attachment":[{"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/media?parent=176124"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/categories?post=176124"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.itsitio.com\/co\/wp-json\/wp\/v2\/tags?post=176124"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}