Más código de agentes, igual de software: la revisión humana se come la ganancia
Estudio Harvard/Jellyfish: +30% líneas y +49% tiempo de review; Issues resueltos sin cambio significativo
Un estudio sobre más de 700 empresas muestra que los agentes de coding disparan commits y PRs, pero la salida de software no aumenta: el cuello de botella se mueve a la revisión humana.
La infraestructura cognitiva de ingeniería no es solo el modelo que escribe: es el sistema de review, ownership y merge. Ars Technica resume (9 oct 2026) el trabajo de Fiona Chen y James Stratton (Harvard) con analytics de Jellyfish: 300 millones de eventos laborales, +700,000 empleados, +700 firmas (2021–marzo 2026).
## Hallazgos
Tras introducir agentes de coding: **+30%** líneas, **+20%** commits, **+23%** pull requests. En cambio, la resolución de Issues/Epics (Jira) **no cambia** de forma estadísticamente significativa. El tiempo de review entre PR y merge sube **49%**; la proporción de PRs con cambios pedidos casi se duplica; comentarios por PR **+35%**. Sube **14%** la gente que hace reviews. Empleo: sin cambios atribuibles a la IA.
Aunque el 80% de firmas usa alguna IA en review, los agentes solo generan ~23% de comentarios y ~11% de PRs: el humano sigue siendo el filtro.
## Lectura de infraestructura
Acelerar generación sin rediseñar gates (tests, ownership, capacity de review, Definition of Done) solo mueve la cola. Quien invierte en agentes debe invertir en capacidad de revisión, políticas de cuándo un agente puede abrir PRs y métricas de *throughput de features*, no de LOC.
_Fuente: [Ars Technica: «AI coding agents generate more code, but not more software»](https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-code-but-not-more-software/)._