El informe «State of AI Code Quality in 2025» de Qodo, basado en una encuesta a 609 desarrolladores, explora el papel cambiante de la IA en el desarrollo de software. Destaca que, si bien las herramientas de IA se han vuelto habituales (82% de uso diario/semanal, 59% utiliza 3 o más herramientas), la confianza profunda en sus resultados sigue siendo difícil de alcanzar. Las herramientas de IA influyen significativamente en el código de producción: el 65% de los desarrolladores informa que al menos el 25% de sus commits son generados o modelados por IA.
Productividad frente a confianza: la paradoja
State of AI Code Quality in 2025
Si bien el 78% informa ganancias de productividad y el 57% considera su trabajo más placentero, persiste una barrera importante: las alucinaciones. El 25% de los desarrolladores estima que una de cada cinco sugerencias de IA contiene errores, lo que pesa considerablemente en la confianza y la adopción. Esta prevalencia de alucinaciones genera baja confianza: el 76% de los desarrolladores que enfrentan alucinaciones frecuentes se muestran reacios a poner en producción código de IA sin revisión humana. Incluso entre quienes presentan tasas bajas de alucinaciones, una mayoría (75%) duda en fusionar sin verificación manual.
Calidad del código y revisión con IA: un catalizador clave
Contrariamente a los temores, el aumento de la productividad con IA suele correlacionarse con una mejor calidad del código. El 70% de los desarrolladores que informa ganancias sustanciales de productividad también informa una mejor calidad del código. La revisión de código impulsada por IA actúa como catalizador: el 81% de los equipos de ritmo rápido que utilizan IA para la revisión informa mejoras en la calidad, frente al 55% de quienes no la utilizan. Esta validación automatizada ayuda a mantener los estándares de calidad mientras acelera la entrega.
Contexto: un factor fundamental
El informe identifica el contexto como el factor n.º 1 en la calidad y confianza percibidas. El 65% de los desarrolladores informa que la IA pasa por alto contexto relevante durante la refactorización, un problema más frecuente que las propias alucinaciones. Surgen problemas similares en la generación de pruebas y la revisión de código. Los desarrolladores reclaman de manera abrumadora una "mejor comprensión contextual" de sus herramientas de IA. El informe aboga por un aprendizaje de contexto persistente y automatizado en todo el repositorio, ya que la selección manual del contexto es ineficiente y frustrante.
El Confidence Flywheel
El informe presenta el "Confidence Flywheel": un ciclo autorreforzante en el que las sugerencias ricas en contexto reducen las alucinaciones, lo que da lugar a código correcto, mayor confianza de los desarrolladores, entregas más rápidas y, en última instancia, mejores ejemplos que retroalimentan al modelo. Solo el 3.8% de los desarrolladores experimenta actualmente este escenario ideal, pero informa mayores ganancias de calidad y mayor confianza.
Pruebas y confianza
Los desarrolladores que utilizan IA para pruebas tienen el doble de confianza en sus conjuntos de pruebas (61% frente a 27% en quienes no la utilizan), lo que sugiere que la integración completa de la IA en todo el ciclo de desarrollo mejora la confianza general.
Conclusión estratégica
Qodo concluye que desbloquear todo el valor de negocio de la IA generativa requiere cerrar la brecha entre las capacidades de los LLM y los sistemas existentes ya probados, siendo crítica la integración con el dominio. El informe reclama una plataforma agéntica de calidad de código que proporcione un conocimiento profundo del contexto e integre la IA en todo el ciclo de desarrollo para reforzar la calidad del código y la confianza de los desarrolladores. Este enfoque iterativo, con barreras técnicas de control, es muy eficaz pero también revela límites: la experiencia técnica humana sigue siendo esencial para detectar errores de la IA, y los agentes carecen de contexto de negocio.