Más de una de cada cinco revisiones de código en GitHub ya la realiza un revisor de IA: Copilot code review superó los 60 millones de revisiones en marzo de 2026, menos de un año después de su disponibilidad general (GitHub Blog, 2026). El volumen que hay que revisar también sube: los usuarios de GitHub fusionaron 43,2 millones de pull requests al mes en promedio en 2025, un alza del 23% interanual (GitHub Octoverse 2025). La confianza no ha seguido el ritmo, ya que el 96% de los desarrolladores no confía plenamente en el código generado por IA (Sonar State of Code Developer Survey 2026), y el 85% de los desarrolladores y compradores de tecnología encuestados coincide en que la IA trasladó el cuello de botella de escribir código a revisarlo (GitLab AI Accountability Report 2026). Agregamos datos de la Stack Overflow Developer Survey, GitHub Octoverse, las investigaciones DevSecOps de GitLab, el informe DORA de Google, Sonar, Qodo, Veracode, CodeRabbit, Faros AI, METR, JetBrains, Atlassian y Gartner. Para el lado de la escritura de código, consulta nuestro compendio complementario de estadísticas de generación de código con IA.
TL;DR
- Copilot code review representa más de 1 de cada 5 revisiones de código en GitHub, con 60 millones de revisiones completadas (GitHub Blog, 2026)
- El 85% coincide en que la IA trasladó el cuello de botella de escribir código a revisarlo y validarlo (GitLab AI Accountability Report 2026)
- El 96% de los desarrolladores no confía plenamente en el código generado por IA, pero solo el 48% lo verifica siempre antes de confirmarlo (Sonar State of Code 2026)
- El 10,2% de los desarrolladores usa IA principalmente para confirmar y revisar código; el 58,7% no planea hacerlo (Stack Overflow Developer Survey 2025)
- Los equipos con alta adopción de IA fusionan un 98% más de PR, mientras que el tiempo de revisión de los PR sube un 91% (Faros AI Productivity Paradox Report 2025)
- El 81% de los desarrolladores que usan revisión con IA vio mejoras de calidad, frente al 55% de equipos igual de rápidos que no la usan (Qodo State of AI Code Quality 2025)
- El 45% de las muestras de código generadas por IA falló las pruebas de seguridad en más de 100 LLM (Veracode GenAI Code Security Report 2025)
- Los PR coescritos con IA acumulan 10,83 problemas por PR frente a 6,45 en los PR solo humanos (CodeRabbit State of AI vs Human Code Generation 2025)
- El 72,6% de los usuarios de Copilot code review dice que mejoró su eficacia (GitHub Octoverse 2025)
- El 80% afirma que su organización adoptó herramientas de IA más rápido de lo que creó políticas para gobernarlas (GitLab AI Accountability Report 2026)
- El 90% de los profesionales de tecnología ya usa IA en el trabajo, pero el 30% tiene poca o ninguna confianza en el código generado por IA (Google DORA 2025)
- El 90% de los ingenieros de software empresariales usará asistentes de código con IA en 2028, frente a menos del 14% a principios de 2024 (Gartner, 2025)
1. Adopción de IA por los Desarrolladores: la Base de la Revisión Automatizada
La revisión automatizada es consecuencia de la escritura automatizada. El 90% de los profesionales de tecnología ya usa IA en el trabajo (Google DORA State of AI-assisted Software Development 2025), así que casi todo pull request que entra en una cola de revisión tiene cierta probabilidad de contener código escrito por una máquina. Eso cambia para qué sirve la revisión: ya no es solo una comprobación entre colegas, sino el principal punto de control para código que ningún humano escribió por completo.
La adopción también es profunda, no solo amplia. Los encuestados de Sonar dicen que el 42% del código que confirman ya es generado o asistido por IA, y JetBrains halla que el 62% de los desarrolladores depende de al menos un asistente de código con IA, agente o editor de código con IA. La pregunta para los líderes de ingeniería dejó de ser si los equipos usan IA y pasó a ser cuánta salida de IA sin revisar puede absorber su pipeline.
| Métrica | Valor | Fuente |
|---|---|---|
| Profesionales de tecnología que usan IA en el trabajo | 90% (alza del 14% respecto al año anterior) | Google DORA State of AI-assisted Software Development 2025 |
| Tiempo mediano con IA al día | 2 horas | Google DORA 2025 |
| Desarrolladores que usan o planean usar herramientas de IA | 84% (frente al 76% en 2024) | Stack Overflow Developer Survey 2025 |
| Desarrolladores profesionales que usan herramientas de IA a diario | 51% | Stack Overflow Developer Survey 2025 |
| Desarrolladores que usan IA con regularidad para programar y desarrollar | 85% | JetBrains State of Developer Ecosystem 2025 |
| Desarrolladores que dependen de al menos un asistente de código con IA, agente o editor con IA | 62% | JetBrains State of Developer Ecosystem 2025 |
| Desarrolladores que probaron herramientas de código con IA y ahora las usan todos los días | 72% | Sonar State of Code Developer Survey 2026 |
| Profesionales de DevSecOps que usan o planean usar IA en el SDLC | 97% | GitLab Global DevSecOps Report 2025 |
Nota de contexto: estas encuestas usan poblaciones distintas (Stack Overflow está abierta a todos los desarrolladores, DORA se dirige a profesionales de tecnología y JetBrains encuestó a 24.534 desarrolladores en 194 países), por lo que las tasas de adopción se leen mejor como una banda consistente del 84% al 97% que como una cifra única. La redacción completa de las preguntas está en la página de resultados de IA de Stack Overflow 2025 y en el State of Developer Ecosystem 2025 de JetBrains. Las cifras más amplias entre industrias están en nuestro compendio de estadísticas de encuestas a desarrolladores.
2. Adopción y Escala de la Revisión de Código con IA
La revisión es la etapa del flujo de trabajo en la que los desarrolladores más dudan en ceder el control, y los datos de las encuestas lo muestran. Solo el 10,2% de los desarrolladores usa IA principalmente para confirmar y revisar código, y el 58,7% dice que no planea hacerlo (Stack Overflow Developer Survey 2025). Sin embargo, la telemetría de las plataformas cuenta otra historia: la revisión con IA se está activando a nivel de organización y se ejecuta en cada pull request, lo haya pedido o no cada desarrollador.
Esa brecha entre la intención personal y los valores predeterminados de la organización es el rasgo definitorio de este mercado en 2026. GitHub dice que el uso de Copilot code review se ha multiplicado por 10 desde el lanzamiento y que más de 12.000 organizaciones lo ejecutan automáticamente en cada pull request (GitHub Blog, 60 millones de revisiones de código de Copilot). Las pilas con varias herramientas son la norma: el 91% de las organizaciones en la encuesta de 2026 de GitLab tiene dos o más herramientas de código con IA en uso activo.
| Métrica | Valor | Fuente |
|---|---|---|
| Revisiones de código de Copilot completadas desde el lanzamiento de abril de 2025 | 60 millones | GitHub Blog, marzo de 2026 |
| Proporción de todas las revisiones de código en GitHub realizadas por Copilot code review | Más de 1 de cada 5 | GitHub Blog, marzo de 2026 |
| Organizaciones que ejecutan Copilot code review automáticamente en cada PR | más de 12.000 | GitHub Blog, marzo de 2026 |
| Revisiones de Copilot que ofrecen comentarios accionables | 71% (promedio de 5,1 comentarios por revisión) | GitHub Blog, marzo de 2026 |
| Usuarios de Copilot code review que dicen que mejoró su eficacia | 72,6% | GitHub Octoverse 2025 |
| Desarrolladores que usan IA principalmente / en parte para confirmar y revisar código | 10,2% / 22,6% | Stack Overflow Developer Survey 2025 |
| Desarrolladores que planean usar IA en parte / principalmente para esta tarea | 31,4% / 16,3% | Stack Overflow Developer Survey 2025 |
| Organizaciones con dos o más / tres o más herramientas de código con IA en uso activo | 91% / 54% | GitLab AI Accountability Report 2026 |
Nota sobre valores atípicos: la tasa del 71% de comentarios accionables también implica que el 29% de las revisiones de Copilot no devuelve comentarios, algo que GitHub presenta como una decisión de diseño deliberada (silencio cuando no hay nada mal) y no como un fallo. La función Copilot code review alcanzó la disponibilidad general el 4 de abril de 2025, según el GitHub Octoverse 2025. Un precedente anterior viene de Google, donde un modelo interno de ML podía resolver cerca del 52% de los comentarios de los revisores con un objetivo de precisión del 50%, y los autores del código aplicaron del 40% al 50% de las ediciones sugeridas previsualizadas (Google Research, 2023). Dato más reciente disponible para ese estudio interno: Google Research, 2023.
3. Confianza y Precisión: la Brecha de Verificación
La confianza se mueve en sentido opuesto al uso. El 96% de los desarrolladores no confía plenamente en que el código generado por IA sea funcionalmente correcto, pero solo el 48% lo verifica siempre antes de confirmarlo (Sonar State of Code Developer Survey 2026). Esa brecha de 48 puntos entre la duda y la diligencia es justo el espacio al que se están vendiendo las herramientas de revisión automatizada: si las personas no van a comprobar de forma constante la salida de la IA, algo más tiene que hacerlo.
El patrón se repite en muestras independientes. Stack Overflow encontró que dos tercios de los desarrolladores se topan con respuestas de IA casi correctas, pero no del todo, y DORA halló que el 30% tiene poca o ninguna confianza en el código generado por IA aunque más del 80% informa mejoras de productividad. Los desarrolladores se han acomodado a tratar la IA como una colaboradora rápida pero falible cuyo trabajo hay que comprobar, lo que también explica que los encuestados de Sonar clasificaran revisar y validar el código generado por IA como la habilidad más importante de la era de la IA.
| Métrica | Valor | Fuente |
|---|---|---|
| Desarrolladores que no confían plenamente en que el código generado por IA sea funcionalmente correcto | 96% | Sonar State of Code Developer Survey 2026 |
| Desarrolladores que siempre verifican el código de IA antes de confirmarlo | 48% | Sonar State of Code Developer Survey 2026 |
| Desarrolladores que coinciden en que la IA produce código que parece correcto pero no es fiable | 61% | Sonar State of Code Developer Survey 2026 |
| Desarrolladores que confían mucho / desconfían activamente de la precisión de la IA | 3,1% / 46% | Stack Overflow Developer Survey 2025 |
| Desarrolladores frustrados por soluciones de IA casi correctas, pero no del todo | 66% | Stack Overflow Developer Survey 2025 |
| Profesionales de tecnología con poca o ninguna confianza en el código generado por IA | 30% | Google DORA 2025 |
| Encuestados que confían en que la IA haga tareas diarias sin revisión humana | 37% | GitLab Global DevSecOps Report 2025 |
| Desarrolladores que informan pocas alucinaciones y alta confianza al publicar código de IA | 3,8% | Qodo State of AI Code Quality 2025 |
Nota de contexto: el propio resumen de Stack Overflow para líderes sitúa la confianza en la precisión de la IA en el 29% en 2025, frente al 40% en 2024, mientras que la página pública de resultados muestra un 33% al sumar quienes confían algo y quienes confían mucho; la diferencia refleja cómo se agrupan las respuestas, y ambas cifras apuntan a un descenso (encuesta de Stack Overflow 2025 para líderes). Qodo añade que el 25% de los desarrolladores estima que una de cada cinco sugerencias de IA contiene errores factuales o código engañoso, y que quienes ven menos alucinaciones tienen 2,5 veces más probabilidades de fusionar código sin revisarlo (24% frente a 9%).
4. Productividad y el Cuello de Botella de la Revisión
La forma más rápida de entender por qué crece la revisión con IA es ver adónde fue el tiempo. Los equipos con alta adopción de IA fusionan un 98% más de pull requests, mientras que el tiempo de revisión de los PR aumenta un 91% (Faros AI, The AI Productivity Paradox Research Report 2025). Escribir se abarató; leer, no. Faros también halló que el tamaño promedio de los PR subió un 154%, de modo que los revisores se enfrentan a más pull requests y además más grandes.
Los datos autodeclarados coinciden. La encuesta de 2026 de GitLab halló que el 78% de los encuestados dice que los desarrolladores escriben y confirman código más rápido, y el 85% coincide en que la IA trasladó el cuello de botella a revisarlo y validarlo. Un estudio controlado de METR añade una advertencia sobre la percepción: desarrolladores experimentados de código abierto tardaron un 19% más en completar issues con herramientas de IA, aunque después seguían creyendo que la IA los había hecho un 20% más rápidos (METR, julio de 2025).
| Métrica | Valor | Fuente |
|---|---|---|
| Variación de PR fusionados en equipos de alta adopción de IA | +98% | Faros AI Productivity Paradox Report 2025 |
| Variación del tiempo de revisión de PR en equipos de alta adopción de IA | +91% | Faros AI Productivity Paradox Report 2025 |
| Variación del tamaño promedio de los PR | +154% | Faros AI Productivity Paradox Report 2025 |
| Variación de tareas completadas por desarrollador | +21% | Faros AI Productivity Paradox Report 2025 |
| Variación de pull requests tocados por desarrollador al día | +47% | Faros AI Productivity Paradox Report 2025 |
| Desarrolladores que dicen que revisar código de IA requiere más esfuerzo que revisar el de colegas | 38% | Sonar State of Code Developer Survey 2026 |
| Pull requests fusionados en GitHub al mes (promedio de 2025) | 43,2 millones (+23% interanual) | GitHub Octoverse 2025 |
| Variación del tiempo de finalización de tareas con herramientas de IA en un ensayo aleatorizado (16 desarrolladores, 246 issues) | 19% más lento | METR, 2025 |
Nota de contexto: Faros no encontró una correlación significativa entre la adopción de IA y las métricas DORA a nivel de empresa, es decir, las mejoras individuales se esfumaron antes de llegar a los resultados de entrega. El State of Developer Experience 2025 de Atlassian (3.500 desarrolladores y gerentes) muestra la misma compensación: el 68% ahorra más de 10 horas a la semana con IA, mientras que el 50% pierde 10 horas o más a la semana por fricción organizativa (Atlassian, 2025). La revisión automatizada es una de las pocas palancas dirigidas a la etapa donde el tiempo realmente se acumula.
5. Hallazgos de Calidad y Seguridad del Código
Los datos de calidad se dividen con claridad en dos historias. El código escrito por IA, sin revisar, acarrea medibles más defectos. Los pull requests coescritos con IA promediaron 10,83 problemas por PR frente a 6,45 en los PR solo humanos, aproximadamente 1,7 veces más (CodeRabbit, State of AI vs Human Code Generation Report 2025), y Veracode encontró que el 45% de las muestras de código generadas por IA falló las pruebas de seguridad e introdujo vulnerabilidades del OWASP Top 10.
La segunda historia es que tener la revisión en el ciclo cambia el resultado. Qodo halló que el 81% de los desarrolladores que usan revisión de código con IA informó mejoras de calidad, frente al 55% de los equipos igual de rápidos sin ella, y quienes adoptaron la revisión con IA vieron mejoras de calidad incluso cuando la productividad se mantuvo estable (36% frente a 17%). Leídos en conjunto, los números sugieren que el riesgo está en la salida de IA sin revisar, no en la salida de IA como tal. Quienes sigan el panorama más amplio de amenazas pueden comparar estas cifras con nuestras estadísticas de ciberseguridad.
| Métrica | Valor | Fuente |
|---|---|---|
| Muestras de código generadas por IA que fallaron las pruebas de seguridad (más de 100 LLM) | 45% | Veracode GenAI Code Security Report 2025 |
| Tasa de fallos de seguridad por lenguaje: Java / C# / JavaScript / Python | 72% / 45% / 43% / 38% | Veracode GenAI Code Security Report 2025 |
| Muestras en las que la IA no se defendió del cross-site scripting (CWE-80) | 86% | Veracode GenAI Code Security Report 2025 |
| Problemas por PR: coescritos con IA vs solo humanos (470 PR de código abierto) | 10,83 vs 6,45 | CodeRabbit State of AI vs Human Code Generation 2025 |
| Problemas de seguridad en PR coescritos con IA vs PR solo humanos | Hasta 2,74 veces más | CodeRabbit State of AI vs Human Code Generation 2025 |
| Mejoras de calidad con revisión por IA vs sin ella (entre equipos rápidos) | 81% vs 55% | Qodo State of AI Code Quality 2025 |
| Encuestados que informan una influencia positiva de la IA en la calidad del código | 59% | Google DORA 2025 |
| Repositorios con alertas de CodeQL por control de acceso roto | más de 151.000 (+172% interanual) | GitHub Octoverse 2025 |
Nota de contexto: Veracode informa que los modelos más grandes y recientes no produjeron código más seguro, de modo que actualizar el modelo por sí solo no sustituye la revisión. En el lado positivo, el Octoverse 2025 de GitHub informa que los tiempos de corrección de vulnerabilidades mejoraron un 30% en el último año y que un 26% menos de repositorios recibió alertas críticas. Faros añade un aumento del 9% en los errores por desarrollador en equipos de alta adopción de IA. El resumen del informe de Veracode detalla la metodología completa.
6. Gobernanza, Desafíos Empresariales y lo que Viene
Las empresas compraron herramientas de código con IA más rápido de lo que escribieron reglas para ellas. El 80% de los encuestados dice que su organización adoptó herramientas de IA más rápido de lo que desarrolló políticas para gobernarlas, y el 92% informa algún tipo de desafío de gobernanza con el código generado por IA (GitLab AI Accountability Report 2026). Por tanto, la próxima fase de la revisión automatizada trata menos de cazar erratas y más de procedencia: saber qué código vino de un modelo, qué herramienta lo produjo y quién lo aprobó.
Las cifras de trazabilidad son las más preocupantes. El 87% confía en que podría determinar en 24 horas si el código generado por IA contribuyó a un incidente en producción, pero el 34% de las organizaciones que de hecho tuvo un incidente en el último año no pudo hacer esa determinación. Mientras tanto, la proporción de código escrito por IA sigue subiendo, lo que significa que el problema de gobernanza se agrava cada trimestre. Nuestras estadísticas de adopción de IA en las empresas cubren el mismo patrón de rezago de políticas fuera de los equipos de software.
| Métrica | Valor | Fuente |
|---|---|---|
| Organizaciones que adoptan IA más rápido que las políticas de gobernanza / que informan un desafío de gobernanza | 80% / 92% | GitLab AI Accountability Report 2026 |
| Encuestados que no pueden distinguir con fiabilidad el código generado por IA del escrito por humanos | 43% | GitLab AI Accountability Report 2026 |
| Encuestados que dicen que el código de IA arriesga una nueva forma de deuda técnica | 82% | GitLab AI Accountability Report 2026 |
| Encuestados que dicen que la IA aumenta la complejidad de la gestión de cumplimiento | 70% | GitLab Global DevSecOps Report 2025 |
| Encuestados que descubren más problemas de cumplimiento tras el despliegue que durante el desarrollo | 76% | GitLab Global DevSecOps Report 2025 |
| Código confirmado generado o asistido por IA: hoy vs esperado en 2027 | 42% vs 65% | Sonar State of Code Developer Survey 2026 |
| Ingenieros de software empresariales que usan asistentes de código con IA: inicios de 2024 vs previsión para 2028 | Menos del 14% vs 90% | Gartner Top Strategic Trends in Software Engineering 2025 |
Nota de contexto: el hallazgo del 76% sobre cumplimiento posterior al despliegue del informe DevSecOps 2025 de GitLab (3.266 profesionales, realizado por The Harris Poll) es un argumento directo para trasladar los controles a la etapa de revisión (comunicado de prensa de GitLab, noviembre de 2025). La previsión de Gartner se cita aquí a través de la cobertura de DevOps Digest del comunicado de Gartner de julio de 2025; el mismo comunicado predice que al menos el 55% de los equipos de ingeniería de software estará creando funciones basadas en LLM en 2027. En cuanto al ROI, el 60% de los encuestados de 2026 de GitLab dice que el ROI del código con IA superó las expectativas, así que la presión es por gobernar el código de IA, no por retroceder.
Resumen: la Revisión de Código con IA en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Proporción de las revisiones de código de GitHub realizadas por Copilot code review | Más de 1 de cada 5 | GitHub Blog, 2026 |
| Revisiones de código de Copilot completadas | 60 millones | GitHub Blog, 2026 |
| Organizaciones que ejecutan revisión con IA en cada PR (Copilot) | más de 12.000 | GitHub Blog, 2026 |
| Usuarios de Copilot code review que informan mayor eficacia | 72,6% | GitHub Octoverse 2025 |
| Desarrolladores que usan IA principalmente para confirmar y revisar código | 10,2% | Stack Overflow Developer Survey 2025 |
| Desarrolladores sin planes de usar IA para confirmar y revisar código | 58,7% | Stack Overflow Developer Survey 2025 |
| Profesionales de tecnología que usan IA en el trabajo | 90% | Google DORA 2025 |
| Desarrolladores que no confían plenamente en el código generado por IA | 96% | Sonar State of Code 2026 |
| Desarrolladores que siempre verifican el código de IA antes de confirmarlo | 48% | Sonar State of Code 2026 |
| Desarrolladores que desconfían activamente de la precisión de la IA | 46% | Stack Overflow Developer Survey 2025 |
| La IA trasladó el cuello de botella de escribir a revisar código | 85% coincide | GitLab AI Accountability Report 2026 |
| Variación del tiempo de revisión de PR en equipos de alta adopción de IA | +91% | Faros AI 2025 |
| Variación de PR fusionados en equipos de alta adopción de IA | +98% | Faros AI 2025 |
| Mejoras de calidad con revisión por IA vs sin ella | 81% vs 55% | Qodo State of AI Code Quality 2025 |
| Muestras de código generadas por IA que fallan las pruebas de seguridad | 45% | Veracode GenAI Code Security Report 2025 |
| Problemas por PR, coescritos con IA vs solo humanos | 10,83 vs 6,45 | CodeRabbit 2025 |
| Organizaciones que adoptan IA más rápido que las políticas de gobernanza | 80% | GitLab AI Accountability Report 2026 |
| Profesionales de tecnología con poca o ninguna confianza en el código generado por IA | 30% | Google DORA 2025 |
| Peso de la IA en el código confirmado, hoy vs expectativa para 2027 | 42% vs 65% | Sonar State of Code 2026 |
| Ingenieros empresariales que usarán asistentes de código con IA en 2028 | 90% (previsión) | Gartner, 2025 |
Metodología y Fuentes
- Stack Overflow Developer Survey 2025, sección de IA: adopción, confianza, frustraciones y uso de IA para confirmar y revisar código (33.662 encuestados respondieron las preguntas sobre uso de IA).
- Stack Overflow 2025 Developer Survey para líderes, adopción de IA: comparación interanual de la confianza (2024 vs 2025).
- GitHub Octoverse 2025: eficacia de Copilot code review, volúmenes de PR y commits, datos de CodeQL y de tiempos de corrección de vulnerabilidades.
- GitHub Blog, 60 millones de revisiones de código de Copilot y subiendo (marzo de 2026): volumen de revisiones, proporción de las revisiones de GitHub, número de organizaciones, tasa de comentarios accionables.
- Comunicado de prensa del GitLab AI Accountability Report 2026: The Harris Poll, 1.528 desarrolladores y compradores de tecnología en seis países, publicado el 23 de junio de 2026.
- Comunicado de prensa del GitLab Global DevSecOps Report 2025: The Harris Poll, 3.266 profesionales de DevSecOps, publicado el 10 de noviembre de 2025.
- Google Cloud, anuncio del informe DORA 2025 y resumen de DORA 2025 en el Google Blog: casi 5.000 profesionales de tecnología y más de 100 horas de datos cualitativos.
- Sonar State of Code Developer Survey 2026 y análisis de Sonar sobre la brecha de confianza en la IA: más de 1.100 desarrolladores profesionales, publicado en enero de 2026.
- Qodo State of AI Code Quality 2025: 609 desarrolladores de empresas de distintos tamaños y regiones.
- Veracode 2025 GenAI Code Security Report: más de 100 LLM probados en Java, Python, C# y JavaScript, publicado el 30 de julio de 2025.
- CodeRabbit State of AI vs Human Code Generation Report: 470 PR de código abierto (320 coescritos con IA, 150 solo humanos), publicado el 17 de diciembre de 2025.
- Faros AI, The AI Productivity Paradox Research Report: telemetría de más de 10.000 desarrolladores en 1.255 equipos, publicado en julio de 2025.
- METR, midiendo el impacto de la IA de principios de 2025 en la productividad de desarrolladores experimentados de código abierto: ensayo controlado aleatorizado, 16 desarrolladores, 246 issues.
- JetBrains State of Developer Ecosystem 2025: 24.534 desarrolladores en 194 países, encuestados de abril a junio de 2025.
- Atlassian State of Developer Experience 2025: 3.500 desarrolladores y gerentes en seis países.
- Google Research, resolución de comentarios de revisión de código con ML (2023): ediciones sugeridas por ML internas para comentarios de revisores.
- Gartner Top Strategic Trends in Software Engineering 2025, vía DevOps Digest: el comunicado original de Gartner no se pudo consultar públicamente; las cifras se citan tal como fueron reportadas.
- Zhong et al., From Human-Centric to Agentic Code Review (arXiv, julio de 2026): análisis de 1,02 millones de PR revisados en 207 proyectos de GitHub, que halla que las revisiones con participación de agentes se asocian con decisiones más rápidas pero no con mejor calidad de revisión; se usa solo como contexto cualitativo.
- Nota sobre los datos: la investigación realizada por proveedores (GitHub, Sonar, Qodo, CodeRabbit, Faros AI) proviene de empresas que venden herramientas de código o de revisión con IA, así que conviene tratar su enfoque con cautela incluso cuando se divulga la metodología. La muestra de 470 PR de CodeRabbit y el ensayo de 16 desarrolladores de METR son pequeños; su dirección coincide con la de encuestas más grandes, pero los multiplicadores exactos no deben generalizarse. Stack Overflow publica dos cifras de confianza para 2025 (29% en su resumen para líderes, 33% en la página de resultados) por agrupaciones de respuestas distintas. Los datos de revisión de código con ML de Google son de 2023 (dato más reciente disponible para ese estudio interno). Excluimos las estimaciones del tamaño de mercado de las herramientas de revisión de código con IA porque no pudimos contrastarlas entre dos firmas con metodología divulgada. Datos nuevos esperados: la Stack Overflow Developer Survey 2026, el GitHub Octoverse 2026 y el informe DORA 2026.
Última actualización: 3 de octubre de 2026. Actualizamos este compendio trimestralmente, y la próxima revisión se espera cuando GitHub publique el Octoverse 2026.