DORA 2025: la IA amplifica lo que ya falla en tu software

Qué dice el informe DORA 2025 sobre la IA en el desarrollo de software

El 90% de los desarrolladores ya usa herramientas de IA para programar, según el informe State of AI-assisted Software Development del equipo DORA de Google Cloud, que encuestó a cerca de 5.000 profesionales tecnológicos y sumó más de 100 horas de entrevistas cualitativas. Pero el dato que debería preocupar a cualquier CTO es otro: la IA no arregla una ingeniería rota, la amplifica.

La conclusión central del estudio es incómoda para quien esperaba que comprar licencias resolviera sus problemas. La tecnología tiende a magnificar lo que ya existe en la organización, tanto sus fortalezas como sus debilidades. Si los procesos, la plataforma interna y los flujos de trabajo no están listos para absorber esa velocidad, el resultado es más código moviéndose más rápido hacia un cuello de botella que nadie arregló.

Los números que muestran el desfase entre velocidad y estabilidad

La evidencia más citada viene de la edición anterior del estudio. Según recoge TechTarget, la encuesta de DORA de 2024, con 3.000 encuestados, encontró que un aumento de 25% en la adopción de IA se asoció con una caída de 1,5% en el rendimiento de las entregas y de 7,2% en su estabilidad. Son asociaciones estadísticas modeladas, no prueba de causa y efecto, pero señalan dónde se rompe la cadena.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

En la edición de 2025 los resultados cambiaron de forma medible. DORA ajustó su metodología para usar efectos estandarizados y encontró que las cifras relativas ahora muestran mejoras, aunque modestas, según explicó Nathen Harvey, líder del equipo DORA en Google Cloud. La hipótesis del informe: si la IA se encarga del trabajo repetitivo —andamiaje, código boilerplate, transformaciones rutinarias— los desarrolladores ganan tiempo para desplegar, y eso empuja el rendimiento hacia arriba.

El resto del panorama:

La adopción de IA pasó de 76% en 2024 a 90% en 2025.
Más del 80% de los encuestados reportó un aumento de productividad.
El 59% reportó mejoras en la calidad del código.
Pero la confianza no acompañó: el 30% dijo confiar en la IA «poco» o «nada», frente al 39,2% del año anterior, y solo el 70% confía en los resultados generados por IA «algo», «mucho» o «plenamente», contra el 87,9% de 2024.

Harvey interpretó esa caída de la confianza como un ajuste sano de expectativas. Su frase resume la postura del informe: no deberías confiar al 100% en la IA, y con la inestabilidad de las entregas en aumento hay que tener controles que validen lo que sale.

El caso Academic HealthPlans y Gorilla Logic: medir antes de escalar

Sobre ese diagnóstico se monta la alianza que cubre la fuente original. Academic HealthPlans (AHP), parte de Brown & Brown Team, se asoció con Gorilla Logic para una transformación tecnológica de varios años. AHP diseña y administra planes de salud y bienestar estudiantil para universidades e instituciones de educación superior en Estados Unidos, lleva cerca de tres décadas en el negocio y fue fundada en 1998.

El acuerdo cubre tres frentes: modernizar su plataforma principal, reforzar sus procesos de desarrollo y construir un modelo más escalable para crear productos y atender clientes. Lo interesante del enfoque es el orden. Antes de tocar nada, ambas firmas hicieron una evaluación asistida por IA del entorno tecnológico y de ingeniería de AHP, combinada con criterio técnico humano, para identificar dónde la modernización tendría más impacto.

El plan prevé flujos de trabajo de ingeniería con IA bajo reglas de gobernanza, una base de conocimiento técnico compartida y un marco para medir velocidad de desarrollo, confiabilidad y predictibilidad de las entregas. Gorilla Logic aporta su sistema de ingeniería Construct™, que reúne conocimiento reutilizable, arquitecturas de referencia, herramientas de aceleración y prácticas de desarrollo ya probadas.

«La inteligencia artificial puede acelerar el desarrollo de software, pero la tecnología de nivel empresarial sigue requiriendo una gestión adecuada, prácticas de ingeniería sólidas y un criterio basado en la experiencia», afirmó Drew Naukam, CEO de Gorilla Logic. Terry Lyons, CEO de Academic HealthPlans, añadió que el objetivo «va más allá de la mera introducción de nuevas tecnologías».

Hay un límite de transparencia que conviene señalar: las organizaciones no divulgaron los términos financieros, las metas de productividad ni el ahorro estimado. El impacto tendrá que juzgarse con los indicadores operativos que se definan durante el proyecto. Para un founder, eso es una lección en sí misma: si no defines la métrica antes de empezar, no podrás defender el retorno después.

Por qué la IA amplifica lo que ya existe en tu organización

El equipo DORA publicó después un informe complementario, ROI of AI-Assisted Software Development (2026.01), que traduce estas métricas de ingeniería a lenguaje financiero. Su argumento central es que el mayor retorno no viene de las herramientas, sino del sistema organizacional detrás: la calidad de la plataforma interna, la claridad de los flujos de trabajo y la alineación de los equipos.

El informe introduce dos conceptos que todo founder debería tener en el radar:

El impuesto de verificación: el tiempo que los equipos gastan revisando código generado por IA. No es gratis y suele quedar fuera del cálculo de productividad.
El impuesto de inestabilidad: más código moviéndose más rápido satura los pipelines de despliegue y las revisiones manuales. En el modelo de ejemplo del informe, la tasa de fallo de cambios sube de 5% a 6% tras adoptar IA, con un impacto negativo de 344.000 dólares por caídas.

DORA describe además una curva en J: la mayoría de las organizaciones atraviesa una caída temporal de productividad antes de capturar las ganancias. Las tres causas son la curva de aprendizaje, el impuesto de verificación y la necesidad de adaptar los procesos posteriores. El informe llama a ese período «el costo de matrícula de la transformación» y advierte que los líderes que lo leen como fracaso suelen cortar el presupuesto justo antes de que llegue el retorno.

Un dato del informe matiza las expectativas: según investigación de la Universidad de Stanford citada por DORA, la IA entrega ganancias de productividad de 35% a 40% en tareas simples y nuevas, pero su impacto en código legado complejo es del 10% o menos. Si tu producto vive sobre un sistema heredado, la promesa de productividad es mucho menor de lo que sugiere el marketing.

¿Qué significa esto para tu startup?

La lectura para un equipo pequeño es directa: no tienes el presupuesto de una empresa de 500 ingenieros, pero sí puedes copiar el orden de las decisiones. DORA identificó siete prácticas comunes a las organizaciones que sí capturan valor con IA: una postura clara y comunicada sobre IA, un ecosistema de datos sano, datos internos accesibles para la IA, control de versiones sólido, trabajo en lotes pequeños, foco en el usuario y una plataforma interna de calidad.

Acciones concretas que puedes implementar esta semana:

Define tu postura sobre IA por escrito. No hace falta un documento de 20 páginas: una página con qué herramientas se usan, qué código generado requiere revisión humana y quién aprueba los cambios. DORA encontró que una postura clara es una de las prácticas que separa a quienes ganan de quienes no.
Mide antes y después, no durante. Elige dos o tres indicadores —tiempo hasta desplegar, tasa de fallos de cambios, tiempo de recuperación— y toma una línea base antes de escalar el uso de IA. Sin línea base no hay forma de saber si el impuesto de verificación se está comiendo la ganancia.
Trabaja en lotes pequeños. Es la recomendación que el propio informe DORA pone como antídoto contra el impuesto de inestabilidad. Cambios más chicos son más fáciles de revisar, de revertir y de testear automáticamente.
Invierte en pruebas automatizadas antes que en más asistentes de código. Si tu pipeline no aguanta el volumen actual, agregar IA solo acelera el camino hacia el incidente.

El mensaje de fondo del caso AHP y del informe DORA es el mismo: la pregunta ya no es si adoptas IA, sino si tu ingeniería está en condiciones de absorberla. Como resume Matthew Flug, analista de IDC, citado por TechTarget: los flujos de trabajo, los procesos y la postura de seguridad tienen que estar sólidos, porque la IA va a encontrar las grietas en la armadura.