Google dice que el 75% del código nuevo ya es generado por IA y aprobado por ingenieros, frente al 50% del otoño pasado, según Sundar Pichai en el blog de Google (Cloud Next 2026). Vemos que la compañía presenta esto como una reconfiguración de roles más que como un reemplazo: la IA escribe, los ingenieros validan.
El salto en Google: qué dijo y qué mide
Google situó a la IA en el centro de sus flujos de trabajo y puso cifras concretas. Según Sundar Pichai en el blog oficial vinculado a Cloud Next 2026, el 75% del código nuevo es generado por IA y aprobado por ingenieros, y en apenas unos meses ese porcentaje subió desde 50%. Pichai además contó a Fast Company que tareas como una migración compleja se completaron seis veces más rápido mediante agentes orquestados por ingenieros. Es importante subrayar que Google insiste en aprobación humana, pero la magnitud del cambio exige verificar no solo productividad sino calidad, seguridad y reproducibilidad de esos procesos.
¿Por qué muchos desarrolladores siguen desconfiando?
La adopción crece más rápido que la confianza entre profesionales. Una encuesta de Sonar de principios de 2026 indica que 96% de los desarrolladores no confía plenamente en el código generado por IA y que 52% no siempre lo revisa antes de integrarlo. Ese mismo informe registra que la porción de código generado por IA pasó de 6% en 2023 a 42% en el último informe, con una previsión de 65% para 2027, lo que sugiere una aceleración fuerte. La desconfianza se explica por riesgos conocidos: bugs sutiles, deuda técnica, licencias y vulnerabilidades que las herramientas automáticas aún no detectan de forma fiable.
¿Y qué significa esto para Argentina y la región?
No todos los contextos locales absorben estos cambios igual: la disponibilidad de documentación en español, la capacitación de equipos y la regulación laboral son factores críticos. Si grandes empresas globales colocan agentes y asistentes en el flujo de desarrollo, las pymes y los equipos públicos en Argentina pueden enfrentar brechas de implementación si no hay documentación en español ni métricas públicas que permitan comparar calidad. Además, una transición acelerada sin estándares puede crear riesgos en sistemas críticos; por eso es relevante que quienes adoptan estas tecnologías publiquen indicadores claros para que gobiernos y clientes puedan evaluar impacto y seguridad.
Qué pedimos: métricas, documentación y gobernanza
Apoyamos la adopción de IA en programación, pero exigimos condiciones mínimas antes de una adopción amplia. Pedimos métricas públicas que incluyan tasa de errores detectados por línea de código, recuento de vulnerabilidades postdespliegue, porcentaje de código autogenerado por módulo y comparativas de cobertura de tests entre código humano y generado. Exigimos además documentación técnica y guías en español para que equipos locales entiendan presupuestos, límites y responsabilidades. Finalmente, reclamamos gobernanza con revisión humana obligatoria en fases críticas y políticas de trazabilidad que permitan auditar decisiones tomadas por agentes. Sin esas condiciones, la cifra del 75% puede ser un avance de productividad al costo de trasladar riesgos sin control.
Cerramos recordando que la cifra de Google es un dato relevante pero no suficiente. Como sociedad debemos pedir transparencia sobre cómo se mide esa adopción, qué métricas de calidad acompañan el proceso y cómo se protege a usuarios y desarrolladores en el camino.
