El uso de inteligencia artificial ha dejado de ser una práctica minoritaria entre los equipos tecnológicos. El 90% de los profesionales encuestados por el programa DORA de Google Cloud afirma que ya utiliza IA en el trabajo y más del 80% percibe mejoras de productividad. La siguiente fase se desplaza hacia un terreno más complejo: cómo integrar la IA en el desarrollo de software sin convertir una mayor velocidad de entrega en más fallos, deuda técnica o riesgo operativo.
El DORA Report 2025 , elaborado a partir de respuestas de cerca de 5.000 profesionales tecnológicos, sitúa además en el 59% la proporción de encuestados que percibe una mejora en la calidad del código. El dato convive con una advertencia relevante. Google describe la IA como un amplificador de las capacidades existentes: los equipos con buenas prácticas pueden aumentar su rendimiento, mientras que las organizaciones con arquitecturas rígidas, controles débiles o ciclos lentos de retroalimentación pueden trasladar esas carencias a una escala mayor.
La IA en el desarrollo de software supera al copiloto
Durante la primera oleada de adopción, gran parte de la atención se concentró en asistentes capaces de completar funciones, generar fragmentos de código o explicar errores. Qaracter, consultora tecnológica española especializada en banca y seguros, plantea ahora un alcance más amplio. Los modelos generativos y los agentes pueden intervenir desde la definición de requisitos y el diseño funcional hasta las pruebas, la revisión de vulnerabilidades, el despliegue, la documentación y el mantenimiento.
Ese cambio modifica la distribución del trabajo dentro de los equipos. Analizar documentación funcional, detectar inconsistencias entre requisitos, proponer casos de prueba, resumir cambios o priorizar incidencias son tareas donde la automatización puede reducir tiempos. El valor operativo depende, sin embargo, de la calidad del contexto que recibe el sistema y de los mecanismos que validan su salida.
La propia investigación de Google apunta en esa dirección. El 90% de las organizaciones de la muestra ha adoptado al menos una plataforma interna y el 76% dispone de equipos dedicados a plataforma. La relación importa porque la productividad individual obtenida con un asistente puede quedar limitada si el desarrollador trabaja sobre entornos fragmentados, despliegues manuales, repositorios mal gobernados o sistemas con fuerte acoplamiento.
La ingeniería de software se desplaza así hacia tareas con mayor peso de arquitectura, validación y control. El tiempo ahorrado al generar código puede reaparecer más adelante si aumentan los defectos, las dependencias innecesarias o los cambios que llegan a producción sin suficiente comprensión funcional. En su informe de 2025, DORA observa una relación positiva entre adopción de IA y velocidad de entrega, pero mantiene una relación negativa con la estabilidad del software cuando faltan pruebas automatizadas, control de versiones maduro y ciclos rápidos de feedback.
Banca y seguros elevan el nivel de exigencia
Para las entidades financieras, el posible ahorro de tiempo tiene una lectura distinta a la de otros sectores. Un cambio en una aplicación de pagos, riesgos, siniestros o suscripción puede atravesar sistemas heredados, proveedores externos, reglas de negocio y controles regulatorios que llevan años acumulándose. Introducir IA en esa cadena amplía la capacidad de automatización, aunque también obliga a conocer con precisión qué herramienta intervino, con qué datos y bajo qué supervisión.
En banca, los casos de uso abarcan desde la modernización de sistemas y la adaptación regulatoria hasta la automatización de pruebas, la evolución de canales digitales o la integración de datos. En seguros, el radio se extiende a aplicaciones de siniestros, pricing, suscripción, fraude, atención al cliente y gestión documental. Algunas de estas tareas pueden parecer rutinarias, pero operan sobre procesos donde un error de lógica o una dependencia mal documentada tiene consecuencias económicas y de cumplimiento.
La confianza técnica sigue siendo un límite visible. La encuesta de desarrolladores de Stack Overflow de 2025 muestra que el 46% desconfía de la precisión de las herramientas de IA, frente al 33% que declara confianza. Apenas un 3% manifiesta un nivel de confianza elevado. La distancia entre uso y confianza explica por qué la revisión humana, las pruebas automatizadas y los controles de seguridad continúan formando parte del proceso incluso cuando la generación de código se acelera.
La IA en el desarrollo de software entra en la capa regulatoria
Las mismas siglas DORA aparecen aquí en dos planos diferentes. El informe de Google procede del programa DevOps Research and Assessment. En la Unión Europea, DORA es también el Reglamento de Resiliencia Operativa Digital, aplicable desde el 17 de enero de 2025 a entidades financieras y diseñado para reforzar la gestión del riesgo TIC, la respuesta ante incidentes y el control de proveedores tecnológicos.
Para bancos y aseguradoras, esta segunda DORA condiciona cómo se introduce cualquier nueva dependencia tecnológica en procesos críticos. El uso de modelos externos, asistentes de programación o agentes puede afectar a inventarios de proveedores, procedimientos de continuidad, gestión de incidentes y trazabilidad de cambios. La regulación eleva la exigencia sobre la capacidad de una entidad para entender y controlar su entorno digital, especialmente cuando intervienen terceros tecnológicos.
A esa capa se suma el AI Act europeo. Desde el 2 de agosto de 2026 son aplicables, entre otras, determinadas obligaciones de transparencia, mientras que las reglas específicas para sistemas de alto riesgo cuentan con calendarios posteriores tras la reforma aprobada este año. Para la ingeniería interna, el efecto inmediato dependerá del caso de uso y de la clasificación del sistema, aunque la evolución regulatoria refuerza prácticas como inventariar herramientas, documentar usos, asignar supervisión y conservar evidencias.
Medir productividad sin perder estabilidad
Qaracter sitúa cinco prioridades en la adopción empresarial: seleccionar casos de uso con impacto medible, reforzar la arquitectura, fijar políticas de uso y revisión humana, integrar ciberseguridad y cumplimiento desde el diseño y vincular la adopción a indicadores de productividad, calidad, estabilidad y negocio. La secuencia evita que el éxito se mida únicamente por líneas de código generadas o por horas aparentemente ahorradas.
«Estamos entrando en una etapa en la que la IA debe entenderse como una capacidad para transformar todo el ciclo de vida del software», afirma Marta Sanz, directora de Exponential Technologies de Qaracter. Su planteamiento desplaza el foco hacia requisitos, diseño, pruebas, documentación y mantenimiento, áreas donde el rendimiento de la IA resulta más difícil de medir con una única métrica. La web corporativa de Qaracter identifica actualmente a Sanz al frente de esta área tecnológica.
Para los directivos tecnológicos, el punto operativo está en conectar velocidad con resultados sostenibles. Una organización puede producir más cambios y, al mismo tiempo, elevar el coste de revisión, el volumen de incidencias o la dependencia de proveedores. La adopción de IA empieza a ser masiva; la ventaja empresarial dependerá de si esa capacidad se integra en plataformas, controles y métricas que permitan saber qué mejora realmente y qué riesgo adicional entra en producción.
