Si pasas algo de tiempo cerca del software moderno, el patrón es difícil de ignorar. Las notas de lanzamiento vienen más cargadas. Las actualizaciones llegan más seguidas. Funciones que antes tardaban un trimestre ahora aparecen entre un lunes y el siguiente café.
No es una alucinación colectiva causada por demasiado LinkedIn y muy poco sueño.
Los rastros públicos de actualización están inusualmente activos. El changelog de Codex de OpenAI muestra 70 fechas únicas de actualización entre el 14 de enero de 2026 y el 16 de julio de 2026. Del 1 de junio al 16 de julio de 2026, Codex publicó cambios en 19 de 46 días del calendario, es decir, actualizaciones visibles en aproximadamente 41% de los días de ese periodo. El changelog de Cursor muestra 5 lanzamientos en 23 días entre el 18 de junio de 2026 y el 10 de julio de 2026, incluyendo actualizaciones en días consecutivos, 29 y 30 de junio. El changelog de GitHub Copilot de julio de 2026 también muestra movimiento en 7, 8, 9, 10 y 14 de julio.
Así que sí, el ritmo se siente más rápido porque, en público y en papel, sí es más rápido.
La conclusión tentadora es que la IA ya se convirtió en la pala mágica que va a vaciar el backlog de producto, la fila de bugs, la deuda del roadmap y todas las culpas acumuladas por ingeniería. Suena tentador, pero se parece más a pensar que por contratar a un becario se van a resolver los problemas de la cadena de suministro.
La tesis más defendible es mejor y más útil. La IA sí está ayudando a los equipos de software a moverse más rápido. Está comprimiendo ciclos de redacción, depuración, refactorización, apoyo en revisión y experimentación. Pero las empresas que más se benefician no son simplemente las que usan IA con más volumen. Son las que tienen suficiente disciplina operativa para sobrevivir a su propia aceleración.
Esa diferencia importa.
El estudio controlado de GitHub sobre Copilot encontró que los desarrolladores completaron una tarea de programación 55.8% más rápido con apoyo de IA. Eso no es una diferencia menor. Es un cambio real en la economía del trabajo cotidiano de software. GitHub también ha dicho que Copilot ya ayudó a aceptar más de 3 mil millones de sugerencias de código, atiende a más de 20 millones de desarrolladores y contribuye a 1.2 millones de pull requests por mes.
Los datos más amplios del mercado apuntan en la misma dirección. El informe 2025 State of AI-assisted Software Development de DORA encontró que 90% de los profesionales de tecnología usan IA en el trabajo y que más del 80% cree que ha aumentado su productividad. La investigación empresarial de GitHub con Accenture encontró que más del 80% de los participantes adoptó Copilot con éxito, 67% lo usó al menos cinco días por semana, 90% dijo sentirse más realizado y 95% dijo disfrutar más programar con esa ayuda.
En otras palabras, ya no estamos debatiendo si la IA entró o no al flujo de trabajo de software. Ese debate ya salió del edificio.
La pregunta real ahora es qué tipo de organización sostiene la herramienta.
Porque aquí está la parte que suele quedar enterrada debajo del cañón de confeti: generar código más rápido no produce automáticamente mejor entrega de software. También puede producir desorden más rápido.
El informe anterior de DORA, Impact of Generative AI in Software Development, encontró que un aumento de 25% en la adopción de IA se asociaba con una caída de 1.5% en el volúmen de entrega y una caída de 7.2% en la estabilidad de entrega. Suena contradictorio hasta que recuerdas cómo operan muchas organizaciones en la vida real. Si los desarrolladores pueden producir más código más rápido, pero las pruebas van lentas, la revisión está saturada, la arquitectura es frágil y la gobernanza de releases sigue pareciendo un trabajo en equipo que nadie quiso liderar, esa velocidad extra no se convierte en valor. Se convierte en tráfico.
El informe DORA 2025 afinó la lectura. Encontró que la adopción de IA ya mostraba una relación positiva con el throughput de entrega y el desempeño del producto, lo que sugiere que equipos y herramientas están integrando mejor la IA en flujos reales. Pero incluso así, el informe seguía encontrando una relación negativa con la estabilidad. Esa es la tensión central en una sola frase: la IA sí puede ayudar a los equipos a moverse más rápido, y aun así puede hacer que el sistema tiemble si las bases no son sólidas.
Por eso la palabra más útil del trabajo de DORA no es aceleración. Es amplificador.
La IA no corrige un sistema de entrega débil. Amplifica lo que ya existe.
Si una empresa tiene buenas plataformas internas, prácticas disciplinadas de ingeniería, pruebas sólidas, revisión de código de calidad y ciclos rápidos de retroalimentación, la IA se comporta como apalancamiento. Si la empresa tiene bases débiles, la IA se parece más a darle una patineta a alguien que todavía no ubica dónde empiezan las escaleras.
Aquí también es donde mucha estrategia ejecutiva de IA se vuelve accidentalmente cómica. Algunas organizaciones todavía hablan de la IA como si reemplazara la madurez de ingeniería, como si comprar suplementos pudiera reemplazar el entrenamiento. Es una teoría muy elegante para una decepción bastante evitable.
Los datos apuntan a un modelo más sobrio. DORA encontró que 90% de las organizaciones han adoptado al menos una plataforma, y reportó una correlación directa entre plataformas internas de alta calidad y la capacidad de una organización para desbloquear el valor de la IA. En español simple: la plomería importa. La demo vistosa no es toda la película. Si el flujo de trabajo de abajo es frágil, el resultado no es transformación. Es una versión más cara del caos, ahora con mejor branding.
Las condiciones organizacionales importan tanto como la herramienta. DORA encontró que las organizaciones que ofrecen tiempo dedicado para aprender ven 131% más adopción de IA en sus equipos. Las que abordan directamente el miedo al desplazamiento laboral ven 125% más adopción. Y las que tienen políticas claras de uso aceptable muestran un 451% más adopción de IA.
Ese último número merece atención especial. Una cantidad sorprendente de gobernanza de IA todavía opera con una mezcla rara de silencio, fe y el clásico “vamos a asumir que todos usarán el sentido común”. Una política clara no solo reduce riesgo. También aumenta la adopción útil porque le dice al equipo cómo se ve un buen uso en la práctica.
La confianza es otra base que demasiadas empresas tratan como algo blando y opcional, hasta que sale caro. DORA encontró que 39% de los desarrolladores confiaba en la salida de la IA solo “un poco” o “nada”, y en el informe 2025 30% seguía reportando poca o ninguna confianza. Esa brecha importa porque la desconfianza genera fricción, mientras que la confianza ciega genera riesgo. Los equipos maduros no resuelven eso con eslóganes. Lo resuelven con buena revisión, pruebas automatizadas, estándares claros y ciclos de retroalimentación que permitan verificar en lugar de simplemente creer.
Esa es la historia operativa real detrás del estallido de actualizaciones visibles en las empresas nativas de IA. La IA está comprimiendo el costo de producir y revisar software. Está haciendo más barata la experimentación. Está ayudando a que los equipos redacten más rápido, revisen más rápido y muevan más trabajo en paralelo. Pero eso no reduce la importancia de los fundamentos. La aumenta.
Cuando baja el costo de generar cambio, el costo de gestionar ese cambio se vuelve el verdadero diferenciador.
Por eso es poco probable que los ganadores de este ciclo sean las empresas que gritan “AI-first” más fuerte o que pegan más copilotos en más interfaces. Los ganadores serán las empresas capaces de absorber aceleración sin perder el control. Las que saben convertir más output en entrega confiable. Las que tienen suficiente estructura para evitar que la velocidad se convierta en ruido.
La IA está cambiando el software. Esa parte es clara. La afirmación más débil es que automáticamente está volviendo mejores a las organizaciones de software. La afirmación más fuerte, y la que sí respaldan los datos, es que la IA está revelando qué organizaciones ya estaban construidas para escalar criterio, proceso y ejecución.
Es una conclusión menos cinematográfica que decir “los bots se comieron el backlog”. También está mucho más cerca de la verdad.
Consejo práctico: Si una empresa quiere más valor de la IA en software, el siguiente dólar no siempre debería ir a otra herramienta. A veces debería ir a pruebas, plataformas internas, flujo de releases, calidad de revisión, tiempo de capacitación y claridad de gobernanza. La capa brillante se lleva el aplauso. La base se lleva el resultado.
Si quieres un punto práctico para seguir, empieza por nuestra línea de Consultoría en IA y léela junto con Automatización con IA para flujos de negocio: por dónde empezar sin sobredimensionar y Operaciones de IA escalables: de descubrir oportunidades a crear sistemas repetibles.
Cómo lo abordamos en Absolutmedia
En Absolutmedia no tratamos la IA como sustituto del método. La tratamos como apalancamiento. Eso significa que nos importan tanto el diseño de flujos, la confianza, la validación y la disciplina operativa como el modelo o la interfaz. El objetivo no es generar más actividad. El objetivo es generar más valor confiable.
En la práctica, eso significa construir sistemas habilitados por IA que puedan sobrevivir al trabajo real: procesos claros, guardrails explícitos, lógica de revisión y suficiente estructura para que la velocidad mejore los resultados en lugar de simplemente agrandar el equipo de limpieza.
Siguiente paso
Si tu empresa está adoptando IA en producto, operaciones o flujos de software, la pregunta más inteligente no es “¿Qué tan rápido puede ir esta herramienta?” sino “¿Qué base tenemos debajo de esa velocidad?” Ahí vive la ventaja real, y ahí empiezan en silencio muchos errores evitables.
Fuentes
- OpenAI Codex changelog
- Cursor changelog
- GitHub Copilot changelog
- The Impact of AI on Developer Productivity: Evidence from GitHub Copilot
- Research: Quantifying GitHub Copilot’s impact in the enterprise with Accenture
- GitHub Copilot: Faster, smarter, and built for how you work now
- Announcing the 2025 DORA Report
- Impact of Generative AI in Software Development
- Trust in AI
