NoticiaInteligencia artificialDesarrollo de softwareGitHubAgentes de IATypeScriptProgramaciónProductividad
GitHub revela que más del 40% de los pull requests ya comienzan con agentes de IA
El informe Octoverse 2026 muestra que más del 40% de los pull requests de septiembre empezaron con agentes de IA. Qué significa para desarrolladores, empresas y revisión de código.
Una persona interactuando con un ordenador donde trabaja un robot.
La inteligencia artificial dejó de ser una ayuda ocasional para escribir funciones y empezó a participar desde el primer borrador de cambios completos. Según el informe Octoverse 2026, publicado por GitHub el 28 de octubre de 2026, más del 40% de los pull requests de septiembre comenzaron con un borrador de un agente de IA. En marzo, esa proporción era del 17%.
El dato marca un cambio en la forma de desarrollar software, pero necesita una lectura cuidadosa: no significa que el 40% del código del mundo lo haya escrito una IA, ni que esos cambios hayan llegado a producción sin intervención humana. Describe una señal concreta que GitHub puede detectar dentro de su plataforma.
Qué revela realmente el informe Octoverse 2026
El estudio analiza actividad registrada entre el 1 de octubre de 2025 y el 30 de septiembre de 2026, tanto en repositorios públicos como privados, salvo las excepciones metodológicas indicadas por GitHub. En ese período, la plataforma registró *17.900 millones de envíos de cambios (pushes), 34.300 millones de commits* y alrededor de 1.300 millones de pull requests fusionados**.
El indicador más llamativo es el de los agentes. GitHub estima que durante septiembre hubo aproximadamente 110 millones de pull requests iniciados por agentes, unas seis veces el volumen de marzo. Para el informe, un pull request iniciado por un agente es aquel cuyo primer borrador proviene de una herramienta automatizada que GitHub puede identificar.
Esto es importante porque el sistema no detecta necesariamente toda la asistencia de IA. También hay desarrolladores que generan código con otras herramientas y lo suben manualmente. Por eso, el porcentaje debe leerse como actividad detectable en GitHub, no como un censo universal de toda la programación.
La revisión humana gana protagonismo
La automatización acelera la creación de propuestas de cambio, pero no elimina la necesidad de entenderlas. En septiembre, el 90% de los pull requests con participación detectable de agentes se fusionó dentro de las dos semanas, frente a cerca del 86% de los que no mostraban esa señal. En febrero, el primer grupo se ubicaba en el 83%.
La diferencia no prueba que el código generado sea más seguro o de mejor calidad. Los cambios pueden tener distinta complejidad, distintos criterios de aprobación y distintos niveles de supervisión. Una fusión rápida no equivale a ausencia de errores. El informe tampoco mide por sí solo la cantidad de fallas que llegan a producción.
Otro detalle: aproximadamente el 87% de los pull requests iniciados por agentes modifica varios archivos, frente al 79% de los demás. Esto refuerza la necesidad de revisar arquitectura, permisos, dependencias y efectos secundarios, además de verificar que una función aislada cumpla su objetivo.
TypeScript, Python y JavaScript siguen al frente
La evolución también se nota en los lenguajes. TypeScript conserva el primer puesto por cantidad de colaboradores mensuales en GitHub, seguido de Python y JavaScript. Entre septiembre de 2025 y septiembre de 2026, TypeScript sumó 3,62 millones de colaboradores mensuales; Python, 3,23 millones; y JavaScript, 1,82 millones.
GitHub detectó participación de IA en alrededor del 44,1% de los pull requests fusionados de TypeScript, el 41,1% de Python y el 40,4% de Rust. Son métricas específicas de la plataforma y del período estudiado. No demuestran que un lenguaje sea intrínsecamente mejor para usar IA, aunque sí reflejan dónde se está concentrando parte de la actividad.
Para equipos que trabajan con React, Next.js y TypeScript, el mensaje práctico es claro: los tipos, las pruebas y las convenciones de un repositorio pueden ayudar a detectar inconsistencias, pero no reemplazan la revisión de lógica de negocio, accesibilidad, rendimiento y seguridad.
Más actividad no significa automáticamente más productividad
El informe señala que los repositorios nuevos que incluyen archivos de configuración para agentes registraron, en promedio, ocho veces más commits que los repositorios nuevos sin esos archivos. Es un dato llamativo, aunque debe interpretarse como una correlación, no como evidencia de que agregar un archivo multiplique por ocho la productividad.
Un proyecto puede generar más commits por pruebas, cambios pequeños, experimentos o automatizaciones. También puede producir más código del que realmente necesita. Para evaluar el beneficio de un agente conviene observar indicadores más cercanos al resultado: tiempo hasta una entrega útil, errores detectados, estabilidad, costo de mantenimiento y satisfacción del usuario.
La lectura metodológica de On The Wire y el análisis de explainx.ai coinciden en este punto: el volumen de actividad cuenta una parte de la historia, pero no es una medición directa de calidad ni de valor comercial.
Cómo deberían trabajar los equipos con agentes de IA
Para una agencia, una startup o un equipo de producto, la adopción de agentes conviene acompañarla con procesos concretos. No alcanza con pedirle a la IA que “resuelva el ticket”: es necesario definir qué puede modificar, qué debe probar y quién aprueba el resultado.
1. Dar contexto antes de delegar
Documentar estructura del proyecto, comandos de pruebas, patrones de diseño, dependencias permitidas y zonas sensibles. Un archivo de instrucciones para agentes puede reducir decisiones ambiguas y facilitar que distintos colaboradores sigan las mismas reglas.
2. Automatizar controles, no aprobaciones ciegas
Ejecutar lint, verificación de tipos, pruebas y análisis de seguridad en integración continua. Cuando un cambio afecta autenticación, pagos o datos personales, la revisión debe ser más exigente y considerar los riesgos específicos del sistema.
3. Medir resultados y costos
Comparar tiempos de resolución, defectos, retrabajo y consumo de herramientas antes y después de incorporar agentes. Más commits no es el objetivo: entregar software confiable que resuelva problemas reales sí lo es.
Qué significa para las empresas que contratan desarrollo
Los clientes podrían recibir prototipos y primeras versiones con mayor rapidez. Sin embargo, el diferencial de un proveedor no debería medirse solamente por la velocidad con que produce pantallas o funcionalidades. También importa su capacidad para comprender el negocio, proteger información, mantener el sistema y responder cuando algo falla.
En este escenario, el valor profesional se desplaza hacia la definición del problema, la arquitectura, las decisiones de producto y la validación de lo entregado. Los agentes pueden asistir en la ejecución, pero la responsabilidad por el resultado debe seguir claramente asignada.
Un cambio de etapa, con matices
Octoverse 2026 ofrece una fotografía significativa: los agentes de IA ya participan en una parte considerable de las propuestas de cambios de código que circulan por GitHub. La novedad no es que los desarrolladores desaparezcan, sino que el trabajo se reorganiza alrededor de instrucciones, verificación y colaboración entre personas y sistemas automatizados.
Para Ding, la conclusión es que la IA puede ayudar a construir más rápido, siempre que se acompañe de criterio técnico, procesos de calidad y supervisión humana. El desafío no es generar la mayor cantidad de código posible: es transformar esa capacidad en productos digitales útiles, seguros y sostenibles.
Nota editorial: las cifras pertenecen a la telemetría de GitHub, empresa que también comercializa Copilot, y no cuentan con una auditoría externa independiente indicada en el informe. Los porcentajes de agentes reflejan actividad que la plataforma puede detectar; los recuentos de commits y pull requests no deben interpretarse como medidas directas de calidad. Esta nota fue preparada con asistencia de IA y requiere revisión humana antes de publicarse.
Revisado por Emmanuel Araujo. Esta publicación contó con asistencia de inteligencia artificial y fue verificada por una persona antes de publicarse.
Google presenta Genie 4: la IA que crea mundos interactivos con sonido en tiempo real
Google DeepMind presentó Genie 4, un modelo que genera escenarios explorables con audio y cambios en vivo. Qué puede hacer, quién tiene acceso y cuáles son sus límites.
