Principales destacados
- El porcentaje ha perdido relevancia: Sundar Pichai afirma que la IA ya influye en prácticamente todo el trabajo de ingeniería de Google.
- Más código, menos reversiones: Gemini 4 Argon está asociado con un aumento del 30% en los cambios de código enviados y una caída de aproximadamente un tercio en los rollbacks, según las cifras citadas por Pichai.
- Google cambia el enfoque: en lugar de contar las líneas generadas por IA, la empresa evalúa la productividad, la calidad y los resultados del trabajo de los ingenieros.
Durante años, Google utilizó un porcentaje para demostrar el avance de la inteligencia artificial dentro de la propia empresa. Ahora, Sundar Pichai afirma que esa métrica ha dejado de ser útil.
En una entrevista con el Big Technology Podcast, conducida por Alex Kantrowitz y publicada el 20 de octubre, el CEO explicó que la IA está tan integrada en el desarrollo de software que separar el código producido por personas del código influido por máquinas ya no representa bien la realidad.
La cuestión ya no es cuánto código escribe la IA, sino cómo transforma el trabajo de ingeniería.
📈 Del 25% al 75%: la métrica que se ha quedado atrás
La evolución de las cifras ayuda a entender el cambio de discurso.
En octubre de 2024, Pichai reveló que la inteligencia artificial ya generaba más de una cuarta parte del código nuevo de Google. En abril de 2026, durante el evento Cloud Next, afirmó que la proporción había alcanzado el 75%, considerando el código generado por IA y aprobado por ingenieros.
La evolución parecía ofrecer una forma sencilla de medir el impacto de la tecnología. Sin embargo, había una limitación: el porcentaje no mostraba, por sí solo, si los desarrolladores estaban entregando mejor software o trabajando de manera más eficiente.
🗣 La nueva postura de Pichai: el ejecutivo afirmó que el indicador ya no tiene sentido en el entorno actual, porque prácticamente todo lo que desarrolla la empresa está profundamente influido por la IA.
El cambio también revela una transformación en la forma en que Google evalúa sus herramientas internas. La presencia de la IA ha dejado de ser una experiencia aislada para convertirse en parte del trabajo cotidiano de ingeniería.
🚀 Gemini 4 Argon entra en escena
El nuevo enfoque se centra en los resultados obtenidos por los ingenieros que utilizan Gemini 4 Argon, el modelo que el material presenta como el más reciente buque insignia de Google.
Según Pichai, durante las cuatro semanas posteriores al lanzamiento, la empresa observó cambios importantes en el flujo de desarrollo.
Más productividad, menos reversiones
Los indicadores presentados por Sundar Pichai apuntan a cambios en el desarrollo de software con la ayuda de Gemini 4 Argon.
Cambios de código enviados
+30%
Variación comunicada por Pichai
Rollbacks
−⅓
Aproximadamente un tercio menos
Pichai también afirmó que los ingenieros están utilizando Argon para abordar proyectos complejos, incluidos aquellos que involucran millones de líneas de código.
🤖 Las cifras oficiales utilizan otra referencia
Hay una diferencia importante entre los datos presentados en la entrevista y los divulgados por Google en materiales sobre el uso comercial del modelo.
Según las cifras atribuidas a la empresa y citadas por Reuters, los equipos que utilizan Argon en la herramienta de programación Antigravity registraron un aumento superior al 35% en los envíos de código realizados por agentes y una reducción de casi un tercio en los rollbacks.
| Indicador | Entrevista de Pichai | Divulgación comercial citada |
|---|---|---|
| Aumento de los cambios o envíos | 30% | Más del 35% |
| Reducción de rollbacks | Cerca de ⅓ | Casi ⅓ |
Los indicadores tienen descripciones y contextos de divulgación diferentes. Por tanto, no deben tratarse automáticamente como resultados de un único experimento realizado en condiciones idénticas.
Aun así, ambos apuntan en la dirección que Google quiere destacar: la utilidad de la IA debe evaluarse por lo que los profesionales consiguen entregar, no solo por la cantidad de código producido con asistencia automatizada.
⚠️ ¿Más código significa más productividad?
Esta es la parte menos sencilla de la historia.
Un estudio de economistas de Harvard, publicado en 2026 y citado en el material de referencia, identificó que los agentes de programación aumentaron las nuevas líneas de código en un 30% y las solicitudes de revisión en un 23%. Al mismo tiempo, el tiempo dedicado a las revisiones aumentó un 49%.
El incremento en el número de tareas completadas no fue estadísticamente concluyente.
Estos resultados ayudan a explicar por qué las métricas de volumen pueden ser insuficientes. Si la IA facilita la creación de código, también puede aumentar la cantidad de trabajo que necesita revisarse, probarse e integrarse.
💡 El contrapunto: producir más código en menos tiempo no garantiza necesariamente que un equipo entregue más funcionalidades útiles, reduzca costes o disminuya los problemas en producción.
También hay que considerar la complejidad de las tareas, el tiempo dedicado a las revisiones, el mantenimiento futuro y la calidad del software después de su implementación.
🧑💻 Programar ya no es el mismo trabajo
Pichai considera que el cambio en el desarrollo de software ya está consolidado. En la entrevista, afirmó que nadie querría programar hoy exactamente como lo hacía hace tres años, ni siquiera como lo hacía el año anterior.
La declaración apunta a una transformación más amplia del papel de los ingenieros. En lugar de escribir manualmente cada fragmento, pueden delegar tareas a agentes, orientar la implementación, revisar resultados y coordinar cambios de mayor alcance.
Esto no significa que la supervisión humana haya dejado de ser importante. En el propio indicador del 75% divulgado anteriormente, Google especificaba que el código generado por IA era aprobado por ingenieros.
La cuestión pasa a ser cómo medir la contribución de cada parte de este proceso.
La próxima prueba será la calidad del resultado
El porcentaje de código escrito por IA era fácil de comunicar y comparar. Medir la productividad real, en cambio, exige indicadores más amplios que tengan en cuenta la calidad, la velocidad, las revisiones y los resultados concretos.
Google busca ahora demostrar el valor de sus herramientas con métricas de este tipo. El desafío será probar que las mejoras observadas se mantienen en distintos proyectos y no representan simplemente un mayor volumen de cambios dentro del flujo de desarrollo.
Si la IA está presente en casi todas las etapas, quizá la pregunta más importante ya no sea quién escribió cada línea, sino cuánto trabajo útil puede completar un equipo, con qué calidad y a qué coste.
