Usage, Effects and Requirements for AI Coding Assistants in the Enterprise: An Empirical Study
Este artículo presenta un estudio empírico que encuesta a 57 desarrolladores y analiza 35 encuestas existentes para evaluar la preparación, el impacto y los requisitos de los asistentes de codificación de IA y los CodeLLM para la ingeniería de software empresarial.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que eres un chef en una cocina masiva y de alto riesgo (la empresa). Durante años, has tenido que picar cada verdura, medir cada especia y escribir cada receta desde cero. Entonces, llega un nuevo asistente de cocina: un Asistente de Codificación con IA. Es como un sous-chef superinteligente que puede sugerir recetas instantáneamente, picar verduras a la velocidad del rayo e incluso escribir el menú por ti.
Este documento es una boleta de calificaciones sobre qué tan bien está trabajando realmente este nuevo sous-chef en las cocinas corporativas del mundo real. Los autores (investigadores de IBM) no se limitaron a observar al asistente trabajar; preguntaron a 57 chefs reales (desarrolladores) de diferentes departamentos (finanzas, investigación, ventas) cómo se sienten al respecto. También analizaron otros 35 informes de todo el mundo para ver el panorama general.
Aquí está el desglose de sus hallazgos, utilizando analogías sencillas:
1. El intercambio entre "Velocidad vs. Calidad"
La afirmación: La mayoría de los chefs se sienten más rápidos. Alrededor del 88% de los desarrolladores dijeron que la IA los hizo más productivos. Algunos dijeron que eran el doble de rápidos.
La analogía: Es como tener un taladro eléctrico en lugar de un destornillador manual. Puedes montar estanterías en la mitad del tiempo. Sin embargo, el hecho de que puedas taladrar un agujero rápido no significa que la estantería esté perfectamente nivelada. El documento señala que, si bien la velocidad ha aumentado, existen preocupaciones sobre si el código (la estantería) es seguro y fácil de reparar más adelante. Algunos chefs están tan confiados en el taladro eléctrico que olvidan verificar si la pared es sólida.
2. Una sola talla NO sirve para todos
La afirmación: El documento encontró que los diferentes departamentos usan la IA para razones totalmente distintas.
La analogía:
- Los Investigadores usan la IA como un catálogo de biblioteca. Le piden que encuentre información oscura o genere conjuntos de datos complejos para probar nuevas teorías.
- El Equipo de Ventas la usa como un redactor de marketing. Quieren que les ayude a "vender un producto" o a generar datos sintéticos para mostrar a los clientes.
- Los Ingenieros de Software la usan como un corrector ortográfico y autocompletado. Quieren que escriba código aburrido y repetitivo para que ellos puedan concentrarse en el diseño creativo de la aplicación.
- La conclusión: No puedes dar a todos la misma configuración de herramientas. Un enfoque de "talla única" no funciona; la IA debe adaptarse al trabajo específico.
3. El problema de "Confiar pero Verificar"
La afirmación: Los desarrolladores conservan entre el 25% y el 50% del código que escribe la IA. No se limitan a copiar y pegar todo.
La analogía: Piensa en la IA como un pasante junior. El pasante es excelente redactando un informe, pero podría inventar hechos o usar un tono incorrecto. El desarrollador sénior (el humano) tiene que leer cada palabra, corregir los errores y asegurarse de que suene bien.
- Si la IA escribe código que parece perfecto pero tiene un fallo de seguridad oculto (como una cerradura que se ve bien pero que en realidad no cierra), el humano tiene que detectarlo.
- El documento encontró que, si la IA comete demasiados errores, o si el humano tiene que dedicar más tiempo a arreglar el trabajo de la IA que a escribirlo por sí mismo, la herramienta se convierte en una carga en lugar de una ayuda.
4. Lo que los chefs quieren después (La lista de deseos)
Los desarrolladores le dijeron a los investigadores exactamente lo que necesitan que haga el "super sous-chef" a continuación. Dividieron estas peticiones en dos categorías:
Peticiones a Corto Plazo (La lista de "Arreglar las asperezas"):
- Mejor Memoria: La IA necesita conocer toda la cocina, no solo la encimera donde está parada. Necesita entender todo el código base (la historia de todo el restaurante) sin confundirse.
- Integración Fluida: Dejen de hacernos cambiar de ventana. La IA debería estar dentro de la herramienta que usamos, como un temporizador de horno integrado, no como una aplicación separada que tenemos que abrir.
- Honestidad: Si la IA no está segura, debería decir: "No estoy 100% seguro de esto", en lugar de dar una respuesta errónea con total confianza.
Peticiones a Largo Plazo (La lista de "Sueños de Ciencia Ficción"):
- El Arquitecto: En lugar de solo picar verduras, la IA debería ser capaz de diseñar toda la distribución de la cocina desde cero basándose en una idea vaga.
- El Agente Autónomo: La IA debería ser capaz de dirigir todo el turno. Debería poder encontrar un error, arreglarlo, probarlo y enviar el trabajo sin que el humano tenga que tocarlo.
- El Experto: Necesita conocer las reglas específicas del edificio (cumplimiento, leyes de seguridad) para no romper la ley accidentalmente mientras cocina.
5. La brecha de la "Tarea de la Casa"
La afirmación: La mayoría de los estudios existentes solo observaron a estudiantes o tareas muy específicas. Este estudio observó a profesionales reales y experimentados en grandes empresas.
La analogía: Los estudios previos eran como probar un coche nuevo en una pista de carreras tranquila y vacía con pilotos de prueba. Este estudio condujo ese coche en el tráfico de la hora punta con viajeros reales. Encontraron que, aunque el coche es rápido, el tráfico (reglas complejas de la empresa, seguridad, diferentes lenguajes) hace que sea más difícil de usar de lo que sugerían las pruebas en la pista de carreras.
Resumen
El documento concluye que los asistentes de codificación con IA son un potente potenciador de la productividad, pero no son mágicos. Son como un socio junior muy rápido y con mucho conocimiento, pero que ocasionalmente tiene alucinaciones.
- Bueno: Ahorran tiempo en tareas aburridas y ayudan a las personas a aprender nuevos lenguajes.
- Malo: Pueden introducir brechas de seguridad y no siempre comprenden el contexto específico de las reglas únicas de una empresa.
- Futuro: Para ser verdaderamente útiles, deben dejar de ser solo un "autocompletado" y empezar a convertirse en "arquitectos autónomos" que entiendan todo el proyecto, no solo la línea de código que están escribiendo actualmente.
Los autores enfatizan que debemos dejar de tratar estas herramientas como una solución de "configúralo y olvídalo" y empezar a tratarlas como un socio colaborativo que requiere supervisión humana, personalización y construcción de confianza.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.