Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
Esta obra est´a bajo una Licencia
Creative Commons Atribuci´on
4.0 Internacional.
Tipo de art´ıculo: Art´ıculos originales
Tem´atica: Inteligencia Artificial
Recibido: 20/12/2024 |Aceptado: 17/01/2025 |Publicado: 30/03/2025
Identificadores persistentes:
DOI: 10.48168/innosoft.s23.a228
ARK: ark:/42411/s23/a228
PURL: 42411/s23/a228
El Impacto de las IA Generadoras de C´odigo en el Trabajo
de los Programadores
The Impact of Code-Generating AI on the Work of Program-
mers
Kevin Paul Rivas Verastegui1[0009-0002-6827-0966]*, Elmo Francisco Tirado Ruiz2[0009-0006-5720-9827]*,
Marcelino Torres Villanueva3[0000-0002-9797-1510]
1Universidad Nacional de Trujillo. Trujillo, Per´u. krivas@unitru.edu.pe
2Universidad Nacional de Trujillo. Trujillo, Per´u. etirado@unitru.edu.pe
3Universidad Nacional de Trujillo. Trujillo, Per´u. mtorres@unitru.edu.pe
∗Autor para correspondencia: mtorres@unitru.edu.pe
Resumen
El presente trabajo analiz´o el impacto de las inteligencias artificiales (IA) generadoras de c´odigo, como GitHub
Copilot, en el trabajo de los programadores. Se busc´o determinar c´omo estas herramientas afectan la produc-
tividad y la calidad del c´odigo generado, diferenciando sus efectos seg´un el nivel de experiencia de los desarro-
lladores. La investigaci´on emple´o una revisi´on sistem´atica de literatura y el an´alisis de herramientas, siguiendo
la metodolog´ıa PRISMA, para evaluar estudios experimentales y reportes de uso. Los resultados mostraron
que las IA generadoras de c´odigo aumentaron la productividad en hasta un 55.8 % para programadores experi-
mentados, mientras que en programadores menos experimentados generaron una falsa confianza en el c´odigo,
aumentando los riesgos de inseguridad. Adem´as, se identificaron beneficios en la reducci´on de tiempos de desa-
rrollo y la democratizaci´on del acceso al software, aunque se advirtieron riesgos ´eticos y t´ecnicos relacionados
con la dependencia excesiva y la p´erdida de habilidades fundamentales. Estos hallazgos resaltan la necesidad
de implementar estrategias que complementen el uso de estas tecnolog´ıas con formaci´on continua y pr´acticas
responsables. En conclusi´on, las IA generadoras de c´odigo son catalizadores del desarrollo de software, pero
requieren un enfoque equilibrado para maximizar sus beneficios y mitigar sus desaf´ıos.
Palabras claves: automatizaci´on, desarrollo de software, GitHub Copilot, inteligencia artificial, productivi-
dad
Abstract
This study analyzed the impact of code-generating artificial intelligences (AI), such as GitHub Copilot, on
programmers’work. It aimed to determine how these tools affect productivity and code quality, differentiating
their effects based on developers´experience levels. A systematic literature review and tool analysis were con-
ducted, using the PRISMA methodology to assess experimental studies and usage reports. Results revealed that
code-generating AIs improved productivity by up to 55.8 % for experienced programmers, while less experienced
developers exhibited increased reliance and confidence in generated code, leading to security risks. Additionally,
benefits included reduced development times and democratized access to software, though ethical and technical
risks related to overdependence and loss of fundamental skills were noted. These findings underscore the need
for strategies that combine these technologies with continuous learning and responsible practices. In conclusion,
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
55
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
code-generating AIs are catalysts for software development but require a balanced approach to maximize their
advantages and address their challenges.
Keywords: artificial intelligence, automation, GitHub Copilot, productivity, software development
Introducci´on
La inteligencia artificial (IA) generativa est´a transformando el desarrollo de software, cambiando la forma
en que los programadores crean y gestionan c´odigo. Herramientas como GitHub Copilot, desarrolladas en
colaboraci´on entre GitHub y OpenAI, han introducido capacidades avanzadas para generar sugerencias de
c´odigo en tiempo real, lo que mejora significativamente la productividad y la calidad del software [1] [2]. Estas
tecnolog´ıas, basadas en modelos de lenguaje de gran tama˜no (LLM, por sus siglas en ingl´es), no solo agilizan
los procesos de desarrollo, sino que democratizan el acceso al desarrollo de software, siendo ´utiles tanto para
programadores experimentados como para aquellos con menos experiencia [2].
En menos de un a˜no, GitHub Copilot ha demostrado su capacidad para aumentar la productividad de los
desarrolladores. Diversos estudios experimentales han mostrado que los programadores que utilizan esta he-
rramienta completan hasta un 26 % m´as de tareas semanales en comparaci´on con aquellos que no la usan [1].
Este impacto es especialmente notable en los programadores menos experimentados, quienes reportan mayores
tasas de adopci´on y beneficio de la herramienta [2]. Adem´as, el uso de herramientas como Copilot ha mostrado
una reducci´on significativa en los tiempos de desarrollo y una mejora en la calidad del c´odigo generado [1].
La importancia de estas tecnolog´ıas va m´as all´a del ´ambito t´ecnico. Se estima que la adopci´on masiva de IA
generativa en el desarrollo de software podr´ıa contribuir con hasta 1.5 billones de d´olares al Producto Interno
Bruto (PIB) global para 2030, al satisfacer la creciente demanda de software en un mundo cada vez m´as
digitalizado [2]. Esta transformaci´on est´a respaldada por un auge en la actividad de c´odigo abierto, lo que
subraya el papel fundamental de la comunidad global en la expansi´on de estas herramientas [1].
El objetivo de este trabajo es analizar el impacto de las IA generadoras de c´odigo en el trabajo de los pro-
gramadores, examinando tanto las oportunidades que ofrecen como los retos asociados con su integraci´on en
entornos laborales reales. A trav´es de un an´alisis basado en estudios recientes [3] [4] [5], se busca explorar
c´omo estas tecnolog´ıas est´an redefiniendo los flujos de trabajo, la productividad y las din´amicas laborales en
el desarrollo de software.
Inteligencia Artificial (IA)
La Inteligencia Artificial (IA) se refiere a la capacidad de las m´aquinas para realizar tareas que normalmente
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
56
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
requieren inteligencia humana, como el aprendizaje, la toma de decisiones, la resoluci´on de problemas y el
reconocimiento de patrones. Esta tecnolog´ıa ha permitido avances significativos en ´areas como la conducci´on
aut´onoma, el procesamiento del lenguaje natural, y los diagn´osticos m´edicos [1].
Modelos de Lenguaje de Gran Tama˜no (LLM)
Los Modelos de Lenguaje de Gran Tama˜no (LLM) son sistemas entrenados con grandes vol´umenes de datos
para generar texto de manera coherente y precisa. Herramientas como GitHub Copilot utilizan estos modelos
para generar c´odigo y ofrecer sugerencias inteligentes, mejorando significativamente la eficiencia en el desarrollo
de software [2].
Asistentes de Codificaci´on Basados en IA
Los asistentes de codificaci´on basados en IA, como GitHub Copilot, est´an dise˜nados para ayudar a los desa-
rrolladores mediante la generaci´on autom´atica de fragmentos de c´odigo y la sugerencia de soluciones. Estos
asistentes no solo mejoran la productividad, sino que tambi´en permiten a los programadores con menos expe-
riencia realizar contribuciones valiosas a proyectos complejos [1].
Impacto de la IA en la Productividad
El uso de herramientas de IA generativa en el desarrollo de software ha demostrado aumentar la productividad
de los programadores. Los desarrolladores que utilizan estos asistentes completan tareas de manera m´as r´apida
y eficiente, especialmente aquellos con menos experiencia [2]. Esta mejora en la productividad tambi´en se
traduce en tiempos de desarrollo m´as cortos y una mejor calidad del c´odigo [1].
Materiales y m´etodos o Metodolog´ıa computacional
Revisi´on bibliogr´afica y an´alisis de herramientas
Este estudio se basa en una revisi´on bibliogr´afica sobre el impacto de las Inteligencias Artificiales generadoras
de c´odigo en el trabajo de los programadores. Se emple´o la metodolog´ıa PRISMA (Preferred Reporting Items
for Systematic Reviews and Meta-Analyses) para garantizar una revisi´on sistem´atica y rigurosa de la literatura
existente. Se analizaron art´ıculos acad´emicos, reportes de la industria y estudios de caso que exploran c´omo
estas herramientas mejoran la productividad y eficiencia en el desarrollo de software. Adem´as, se realiz´o un
an´alisis de herramientas generadoras de c´odigo disponibles, evaluando sus funcionalidades y efectos en la
calidad del c´odigo, bas´andose en fuentes de los propios desarrolladores y estudios de implementaci´on pr´actica.
Ecuaciones de b´usqueda
Para comenzar el proceso de b´usqueda, se utiliz´o un protocolo de b´usqueda en las bases de datos arXiv y Google
Acad´emico, empleando t´erminos clave relacionados con el impacto de las Inteligencias Artificiales generadoras
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
57
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
de c´odigo en el trabajo de los programadores. Este protocolo fue dise˜nado para mejorar la precisi´on en la
b´usqueda de literatura cient´ıfica, combinando t´erminos predefinidos como se muestra en la Tabla 1.
Tabla 1. Ecuaci´on de b´usqueda por cada base de datos
Repositorio Cadena de B´usqueda
arXiv “Generative IA” “coding assistants Github Copilot”
Google Acad´emico “Generative IA” “coding assistants Github Copilot”
Criterios de inclusi´on y exclusi´on
Los criterios de inclusi´on y exclusi´on son pautas espec´ıficas que gu´ıan la selecci´on de estudios durante una
revisi´on bibliogr´afica. Su objetivo es determinar qu´e investigaciones se incluir´an o excluir´an en el an´alisis,
asegurando que los estudios seleccionados sean relevantes y de alta calidad. Los criterios de inclusi´on est´an
listados en la Tabla 2, mientras que los de exclusi´on se detallan en la Tabla 3.
Tabla 2. Criterios de inclusi´on
N°Criterios de exclusi´on
CE1 Art´ıculos que no tienen similitud con el tema de in-
vestigaci´on
CE2 Art´ıculos no publicados entre los a˜nos 2022 y 2024
CE3 Art´ıculos duplicados
CE4 Art´ıculos que no son de libre acceso
aCI = Criterios de inclusi´on
Proceso de recolecci´on de informaci´on
Las b´usquedas se realizaron utilizando las directrices de inclusi´on mencionadas en la Tabla 2, combinando
los t´erminos “Generative IA” y “coding assistants Github Copilot” en las bases de datos arXiv y Google
Acad´emico. Aunque los resultados fueron limitados, los art´ıculos obtenidos fueron consistentes y de gran
calidad, ya que proporcionaron informaci´on valiosa y actualizada. Estos art´ıculos, redactados en ingl´es y
publicados recientemente, fueron altamente relevantes para la revisi´on, destac´andose por su valor informativo
y precisi´on.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
58
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
Tabla 3. Criterios de exclusi´on
N°Criterios de inclusi´on
CI1 Art´ıculos que abordan el tema de las LLMs en el tra-
bajo de los desarrolladores de software
CI2 Art´ıculos que incluyen uso de asistentes de codificaci´on
generativos basados en IA como ChatGPT y Github
Copilot
CI3 Art´ıculos redactados en espa˜nol e Ingl´es
CI4 Art´ıculos publicados entre los a˜nos 2022 y 2024
aCE = Criterios de exclusi´on
Finalmente, s´olo 9 art´ıculos cumplieron con los criterios de inclusi´on y exclusi´on establecidos, por lo que
fueron seleccionados para llevar a cabo esta investigaci´on, como se muestra en la Figura 1. Los art´ıculos
seleccionados abordan el impacto de las Inteligencias Artificiales generadoras de c´odigo en el trabajo de los
programadores. Algunos de ellos tambi´en proporcionan ejemplos de c´omo estas herramientas de IA pueden
mejorar la eficiencia y productividad en el desarrollo de software, as´ı como el papel que desempe˜nan los
programadores en la integraci´on y optimizaci´on de estas tecnolog´ıas.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
59
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
Resultados y discusi´on
Resultados
Se localizaron 9 art´ıculos para llevar a cabo una exploraci´on profunda y un an´alisis detallado del tema de
investigaci´on. Despu´es de este an´alisis, se presenta un resumen en la Tabla 1 que describe los hallazgos encon-
trados.
Tabla 4. An´alisis de los Art´ıculos acad´emicos
N°T´ıtulo del articulo Resultados
1
Sea Change in Softwa-
re Development: Economic
and Productivity Analysis
of the AI-Powered Develo-
per Lifecycle
Este estudio analiza el impacto de GitHub Copilot en
934,533 usuarios, mostrando que aceptan en promedio el
30 % del c´odigo sugerido, lo que aumenta la productivi-
dad, especialmente entre desarrolladores menos experi-
mentados. Se estima que la adopci´on de IA generativa
podr´ıa agregar 1,5 billones de d´olares al PIB mundial pa-
ra 2030. La investigaci´on destaca el papel del ecosistema
de c´odigo abierto en la innovaci´on de IA generativa, con
la mayor´ıa de los repositorios gestionados por desarrolla-
dores individuales. Esto sugiere una relaci´on simbi´otica
creciente entre humanos e inteligencia artificial en el de-
sarrollo de software.
2
The Impact of AI on De-
veloper Productivity: Evi-
dence from GitHub Copilot
Las herramientas de IA generativa son prometedoras pa-
ra aumentar la productividad humana. Este art´ıculo pre-
senta los resultados de un experimento controlado con
GitHub Copilot, un programador de IA en parejas. Se pi-
di´o a los desarrolladores de software reclutados que imple-
mentaran un servidor HTTP en JavaScript lo m´as r´apido
posible. El grupo de tratamiento, con acceso al progra-
mador de IA en parejas, complet´o la tarea un 55,8 % m´as
r´apido que el grupo de control. Los efectos heterog´eneos
observados muestran que los programadores de IA en pa-
rejas son prometedores para ayudar a las personas a reali-
zar la transici´on hacia carreras de desarrollo de software.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
61
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
3Disrupting Test Develop-
ment with AI Assistants
Los avances en modelos de lenguaje como GPT-4 y he-
rramientas de codificaci´on asistida por IA, como GitHub
Copilot y ChatGPT, han transformado el desarrollo de
software. Este art´ıculo eval´ua c´omo estas herramientas
afectan la productividad y la calidad de las pruebas de
software. Se analiz´o la generaci´on de pruebas unitarias
por IA, mostrando que su calidad es comparable a las
pruebas originales. Los resultados destacan las diferen-
cias entre las herramientas y mejoran la comprensi´on de
las capacidades de la IA en las pruebas automatizadas.
4
Harnessing the Potential of
Gen-AI Coding Assistants
in Public Sector Software
Development
El estudio de GovTech Singapur sobre GitHub Copilot
destaca su potencial para aumentar la productividad y
calidad del software en el sector p´ublico. Se observ´o un
aumento del 21-28 % en la velocidad de codificaci´on, me-
jorando el desarrollo y la satisfacci´on de los desarrollado-
res, especialmente entre los junior. El estudio recomienda
un marco de IA para maximizar estos beneficios y sugie-
re el uso de herramientas de IA en la nube para c´odigo
.abierto
2
opciones auto alojadas para c´odigo confidencial.
Con hasta 8,000 desarrolladores, se puede mejorar signi-
ficativamente la productividad en el sector p´ublico.
5
Do Users Write More Inse-
cure Code with AI Assis-
tants?
Este estudio examina c´omo los usuarios interact´uan con
un asistente de c´odigo de IA para tareas de seguridad
en diferentes lenguajes de programaci´on. Los resultados
muestran que los participantes con acceso al modelo de
IA Codex-Davinci-002 de OpenAI escribieron c´odigo sig-
nificativamente menos seguro y ten´ıan m´as confianza en
la seguridad de su c´odigo. Sin embargo, aquellos que con-
fiaban menos en la IA y ajustaban m´as sus indicaciones
generaron c´odigo con menos vulnerabilidades. El estudio
tambi´en proporciona un an´alisis del comportamiento de
los usuarios y lanza una interfaz de usuario para futuros
estudios similares.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
62
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
6
Taking Flight with Copi-
lot: Early Insights into AI
Pair Programming
Este estudio analiza c´omo GitHub Copilot transforma
la programaci´on en pareja al asumir el rol de asisten-
te automatizado, basado en tres investigaciones: an´alisis
de foros, estudios de caso con desarrolladores y encuestas
masivas. Los hallazgos indican que Copilot mejora la pro-
ductividad al reducir el tiempo que los programadores de-
dican a buscar soluciones en foros, aunque esto disminuye
su comprensi´on profunda del c´odigo. Adem´as, resalta un
cambio en las habilidades necesarias, priorizando la revi-
si´on de c´odigo sobre su escritura. Sin embargo, tambi´en
se identificaron desaf´ıos relacionados con la transparencia
de las sugerencias, la introducci´on de vulnerabilidades y
las implicaciones legales y ´eticas del uso de c´odigo genera-
do autom´aticamente. En general, este an´alisis evidencia
el impacto transformador de las herramientas de IA en el
flujo de trabajo de los desarrolladores y la necesidad de
equilibrar eficiencia, comprensi´on y seguridad.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
63
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
7
Integration of Generative
AI with ChatGPT in Soft-
ware Development
El estudio tiene como objetivo evaluar c´omo GitHub Co-
pilot afecta la productividad de los desarrolladores de
software en proyectos de codificaci´on reales. Se centra
en la herramienta GitHub Copilot, una inteligencia arti-
ficial de autocompletado de c´odigo basada en un modelo
de lenguaje (LLM). Los resultados muestran que los de-
sarrolladores experimentaron un aumento del 25 % en la
velocidad de desarrollo y una reducci´on del 15 % en la
cantidad de errores en el c´odigo generado. A trav´es de
m´etricas espec´ıficas como l´ıneas de c´odigo generadas por
minuto y tiempo invertido en depuraci´on, el estudio con-
cluye que GitHub Copilot mejora significativamente la
eficiencia de los desarrolladores, permiti´endoles centrar-
se en tareas de mayor complejidad, aunque se se˜nala la
necesidad de revisi´on para evitar dependencias excesivas
de la herramienta. La implicancia de estos hallazgos es
que, si bien la herramienta optimiza la productividad, es
crucial mantener un equilibrio entre la automatizaci´on y
la revisi´on humana.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
64
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
8
Development in times of
hype: How freelancers ex-
plore Generative AI?
Este estudio analiza los desaf´ıos que enfrentan los de-
sarrolladores freelancers al trabajar con IA generativa,
identificando dificultades como la imprevisibilidad de los
resultados, las .alucinaciones”(errores en las respuestas)
y los ciclos de prueba y error necesarios para generar so-
luciones coherentes. Adem´as, se destacan las limitaciones
tecnol´ogicas como los l´ımites de tokens y los largos tiem-
pos de respuesta, junto con problemas derivados de las
expectativas infladas de los clientes y la r´apida evoluci´on
del ecosistema tecnol´ogico. A trav´es de la investigaci´on
de 52 freelancers, se identificaron 99 desaf´ıos distribuidos
en 11 ´areas clave, lo que resalta la necesidad de enfoques
especializados como SE4GenAI (Ingenier´ıa de Software
para IA Generativa) y HypeSE (Ingenier´ıa de Software
inducida por el Hype) para ofrecer orientaci´on y apoyo a
los freelancers en el uso de esta tecnolog´ıa emergente.
Discusi´on
Los resultados indican que las IA generadoras de c´odigo, como GitHub Copilot, tienen un impacto significativo
en la productividad de los programadores, pero con efectos diferenciados seg´un la experiencia del usuario. Por
ejemplo, el experimento controlado presentado en The Impact of AI on Developer Productivity mostr´o que
los desarrolladores con acceso a GitHub Copilot completaron tareas un 55.8 % m´as r´apido que aquellos sin
acceso, destacando su efectividad en la mejora de la velocidad de desarrollo [2]. Sin embargo, este beneficio es
m´as pronunciado en desarrolladores menos experimentados, quienes aceptan aproximadamente un 31.9 % de
las sugerencias, en comparaci´on con el 26.2 % de los desarrolladores m´as experimentados, seg´un los datos de
GitHub [1].
Adem´as, estudios como el de Sea Change in Software Development refuerzan que estas herramientas no solo
aceleran el desarrollo, sino que tambi´en democratizan el acceso al software, permitiendo que programadores
con menos experiencia contribuyan a proyectos complejos [1]. No obstante, este mismo fen´omeno genera preo-
cupaciones sobre la seguridad y calidad del c´odigo. ¿El estudio Do Users Write More Insecure Code with AI
Assistants? revel´o que los participantes con acceso a asistentes de c´odigo generaron soluciones menos seguras
en cuatro de cinco tareas de seguridad, sugiriendo una posible dependencia en exceso y una falsa percepci´on
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
65
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
de seguridad [5].
Adem´as, los asistentes de IA tambi´en impactan los procesos de prueba de software. En Disrupting Test Deve-
lopment with AI Assistants, se observ´o que herramientas como Copilot y ChatGPT generan pruebas unitarias
de calidad comparable a las originales, aunque con diferencias en cobertura y estilo. Esto evidencia que, aunque
estas herramientas automatizan pruebas de manera eficiente, a´un requieren supervisi´on y ajustes manuales
para asegurar la confiabilidad del c´odigo generado [3].
En el sector p´ublico, un an´alisis del uso de Copilot en Harnessing the Potential of Gen-AI Coding destac´o una
mejora de la velocidad de codificaci´on entre un 21-28 %, lo cual ilustra su potencial para optimizar proyectos
bajo restricciones de tiempo y presupuesto. Sin embargo, tambi´en se mencion´o el riesgo de una dependencia
excesiva en programadores novatos, quienes pueden no desarrollar habilidades fundamentales debido a la
automatizaci´on de tareas b´asicas [4].
Finalmente, la revisi´on bibliogr´afica y el an´alisis de herramientas han mostrado que, aunque los asistentes
generativos de IA son prometedores para aumentar la productividad, plantean retos ´eticos y t´ecnicos. Estos
incluyen la necesidad de integrar pr´acticas responsables, garantizar la seguridad y evitar la erosi´on de las
habilidades cr´ıticas en los programadores novatos.
Conclusiones
El an´alisis de diversos estudios en torno a las IA generadoras de c´odigo, como GitHub Copilot, evidencia
que estas herramientas representan un avance significativo en la productividad de los programadores, aunque
con efectos diferenciados seg´un el nivel de experiencia. Para programadores experimentados, estas tecnolog´ıas
funcionan como una extensi´on efectiva de sus habilidades, acelerando tareas repetitivas y permiti´endoles con-
centrarse en problemas de mayor complejidad. Esto se refleja en el aumento del 55.8 % en la velocidad de
desarrollo reportado en experimentos controlados, as´ı como en la mayor tasa de aceptaci´on de sugerencias
entre usuarios con experiencia.
Otro punto destacado es el impacto sobre los programadores menos experimentados. Si bien las herramientas
generan un aumento en la velocidad y reducen barreras para contribuir a proyectos complejos, tambi´en intro-
ducen riesgos asociados a la seguridad y calidad del c´odigo. El estudio Do Users Write More Insecure Code
with AI Assistants? mostr´o que estos usuarios son m´as propensos a generar c´odigo inseguro, en parte debido
a una falsa confianza en las sugerencias del asistente. Esto sugiere que, aunque democratizan el acceso al de-
sarrollo de software, estas herramientas pueden limitar el desarrollo de habilidades cr´ıticas en programadores
en formaci´on.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
66
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
Finalmente, se identifican ´areas clave donde las IA generativas deben ser complementadas con mejores pr´acti-
cas. Esto incluye el dise˜no de herramientas que integren verificaciones autom´aticas de seguridad y sistemas
de retroalimentaci´on para usuarios menos experimentados. Adem´as, es esencial evitar la dependencia excesiva
mediante la promoci´on de habilidades fundamentales y la incorporaci´on de marcos ´eticos que orienten su uso
responsable, especialmente en sectores cr´ıticos como el p´ublico.
En conjunto, estas conclusiones consolidan la percepci´on de las IA generadoras de c´odigo como catalizadores
del desarrollo de software, pero tambi´en enfatizan la necesidad de equilibrar su integraci´on con la formaci´on
continua y la supervisi´on experta. Esto garantizar´a que su impacto positivo en la productividad no comprometa
la seguridad, la calidad del software ni el desarrollo profesional de los programadores.
Contribuci´on de Autor´ıa
Rivas Verastegui, Kevin Paul: Conceptualizaci´on,Investigaci´on,Metodolog´ıa,Validaci´on,Redacci´on -
borrador original Tirado Ruiz, Elmo Francisco: Conceptualizaci´on,Investigaci´on,Metodolog´ıa,An´alisis
formal,Recursos.Torres Villanueva, Marcelino: Visualizaci´on,Supervisi´on,Administraci´on de proyectos,
Curaci´on de datos,Escritura, revisi´on y edici´on.
Referencias
[1] T. Dohmke, M. Iansiti, and G. Richards, Sea Change in Software Development: Economic and Productivity
Analysis of the AI-Powered Developer Lifecycle. GitHub Harvard Business School, 2024, e-book.
[Online]. Available: https://arxiv.org/pdf/2306.15033.pdf
[2] K. Z. Cui, M. Demirer, S. Jaffe, L. Musolff, S. Peng, and T. Salz, “The impact of ai
on developer productivity: Evidence from github copilot,” 2024, abstract. [Online]. Available:
https://arxiv.org/pdf/2302.06590.pdf
[3] V. Joshi and I. Band, “Disrupting test development with ai assistants,” July 2024, online serial. [Online].
Available: https://arxiv.org/pdf/2411.02328.pdf
[4] K. K. B. Ng, L. Fauzi, L. Leow, and J. Ng, “Harnessing the potential of gen-ai coding assistants
in public sector software development,” The AI Times, September 2024, online. [Online]. Available:
https://arxiv.org/pdf/2409.17434.pdf
[5] J. Finnie-Ansley, P. Denny, B. A. Becker, A. Luxton-Reilly, and J. Prather, “Do users write more insecure
code with ai assistants?” 2022, online. [Online]. Available: https://arxiv.org/pdf/2211.03622.pdf
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
67
Revista Innovaci´on y Software
Vol. 6, No. 1, Mes Marzo-Agosto, 2025
ISSN: 2708-0935
P´ag. 55-68
https://revistas.ulasalle.edu.pe/innosoft
[6] M. K. Siam, H. Gu, and J. Q. Cheng, “Programming with ai: Evaluating chatgpt, gemini, alphacode, and
github copilot for programmers,” Generative AI Studies Journal, vol. 1, no. 1, November 2024, online
serial. [Online]. Available: https://arxiv.org/pdf/2411.09224.pdf
[7] C. B. et al., “Taking flight with copilot: Early insights and opportunities of ai-powered pair-
programming tools,” Queue, vol. 20, no. 6, pp. 35–57, November 2022, abstract. [Online]. Available:
https://dl.acm.org/doi/abs/10.1145/3582083
[8] J. J. U. R. et al., Integration of Generative AI with ChatGPT in Software Development. Oxford
University Press, 2024, online document. [Online]. Available: https://iydt.wordpress.com/wp-content/
uploads/2024/05/2 31 integration-of-generative-ai-with-chatgpt-in-software-development .pdf
[9] M. Dolata, N. Lange, and G. Schwabe, “Development in times of hype: How freelancers explore generative
ai?” in Proceedings of the IEEE/ACM 46th International Conference on Software Engineering, May 2024.
[Online]. Available: https://dl.acm.org/doi/abs/10.1145/3597503.3639111
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
68
