AI code generation: cuánto código escribe la IA en 2026 y qué riesgos tiene para las empresas

La AI code generation, o generación de código con inteligencia artificial, dejó de ser un experimento: más del 40% de los pull requests en GitHub comenzaron con un primer borrador escrito por un agente de IA en septiembre de 2026, frente al 17% de marzo, según el informe Octoverse 2026 de GitHub, publicado el 28 de octubre.

La calidad no avanza al mismo ritmo. El 38% de las tareas de programación hechas con IA introdujo una vulnerabilidad de seguridad en las pruebas de Veracode, aunque la cifra mejoró desde el 44% de julio.

+40%

Pull requests iniciados por agentes

en GitHub, septiembre de 2026

73%

Desarrolladores que usan asistentes a diario

encuesta de Stack Overflow

38%

Código de IA con vulnerabilidades

pruebas de Veracode, octubre

Fuente: GitHub, Octoverse 2026 · Stack Overflow, Developer Survey 2026 · Veracode (29-oct-2026)

Ver los datos en una tabla

Pull requests iniciados por agentes	+40% | en GitHub, septiembre de 2026
Desarrolladores que usan asistentes a diario	73% | encuesta de Stack Overflow
Código de IA con vulnerabilidades	38% | pruebas de Veracode, octubre

Qué es la AI code generation

La AI code generation es el uso de modelos de inteligencia artificial para escribir, completar, corregir o revisar código a partir de instrucciones en lenguaje natural. Empezó como autocompletado dentro del editor y hoy funciona con agentes: programas que reciben una tarea, modifican varios archivos y proponen el cambio listo para revisar.

Comparamos las principales herramientas, como Claude Code, GitHub Copilot, Codex y Cursor, en nuestra nota sobre herramientas de IA para generación de código. Aquí nos enfocamos en cuánto código produce la IA y qué implica para las empresas.

Cuánto código escribe la IA en 2026

El volumen de trabajo en GitHub se disparó en los 12 meses terminados en septiembre de 2026. GitHub vincula el alza al uso de agentes, aunque aclara que sus datos no prueban una relación de causa y efecto.

202410

202512,9

202634,3

Fuente: GitHub, Octoverse 2026 (períodos de octubre a septiembre)

Ver los datos en una tabla

2024	10
2025	12,9
2026	34,3

Otras cifras del informe:

• 1.300 millones de pull requests fusionados en el año, unos 3,5 millones al día, frente a 538 millones en 2025.
• 110 millones de pull requests iniciados por agentes solo en septiembre de 2026, unas seis veces el volumen de marzo.
• El 90% de los pull requests iniciados por agentes se fusionó en menos de dos semanas en septiembre, frente a cerca del 86% de los que no tenían participación detectada de agentes.
• El 55% de los usuarios activos de GitHub Copilot usa sus funciones de agente, frente al 35% un año antes.

La participación de la IA cambia según el lenguaje de programación:

TypeScript44,1%

Python41,1%

Rust40,4%

Java21,2%

Fuente: GitHub, Octoverse 2026

Ver los datos en una tabla

TypeScript	44,1%
Python	41,1%
Rust	40,4%
Java	21,2%

GitHub advierte que el 40% es un piso, porque no detecta todo el uso de agentes, y que mide pull requests, no líneas de código: no significa que la IA escriba el 40% de todo el código.

Qué tan seguro es el código generado por IA

Veracode, empresa de seguridad de software, prueba periódicamente el código que generan decenas de modelos de IA. Sus resultados muestran que el código casi siempre funciona, pero no siempre es seguro: los modelos escriben código sintácticamente correcto casi el 100% de las veces, pero fallan en defensas básicas.

Python64,2%

C#59,6%

JavaScript57%

Java31%

Fuente: Veracode, comunicado del 29 de octubre de 2026 (18 modelos)

Ver los datos en una tabla

Python	64,2%
C#	59,6%
JavaScript	57%
Java	31%

• La tasa promedio de aprobación subió de 56% a 62% entre julio y octubre de 2026, la primera mejora relevante desde 2025, según Veracode.
• Las fallas se concentran en ciertos ataques: en julio, el código resistió la inyección SQL en el 83% de los casos, pero solo el 15% de las veces el cross-site scripting (XSS) y el 12% la inyección en registros (log injection).
• Java sigue siendo el lenguaje más débil, con 31% de aprobación.

"La respuesta nunca debería ser usar el modelo más caro y esperar lo mejor", dijo Chris Wysopal, cofundador de Veracode, en el comunicado. Cabe considerar que Veracode vende herramientas de análisis de seguridad.

Qué significa la AI code generation para las empresas

Para las empresas, la AI code generation promete más velocidad, pero traslada el trabajo a la revisión: si los agentes escriben más código, alguien debe verificar que sea correcto y seguro. Los desarrolladores lo tienen claro: el 48% confía en la IA cuando puede validar fácilmente sus respuestas, y solo el 16% confía en ella para la mayoría de las tareas que no implican decisiones importantes, según Stack Overflow.

En Chile, la adopción todavía es baja en general: el ILIA 2026 estima que solo el 13,5% de las empresas usa inteligencia artificial. Lo analizamos en nuestra nota sobre la IA en las empresas chilenas, y en inversión en inteligencia artificial mostramos que el 46,5% de las empresas dice que le falta talento especializado.

Algunas prácticas que se desprenden de los datos:

1. Revisión humana obligatoria de todo cambio propuesto por un agente antes de fusionarlo.
2. Pruebas de seguridad automáticas en cada cambio, con foco en XSS e inyección en registros, las fallas más frecuentes según Veracode.
3. Cambios pequeños: los agentes tocan varios archivos a la vez (el 87% de sus pull requests modifica más de uno, según GitHub), lo que hace más difícil revisarlos.
4. Capacitación del equipo en el uso de estas herramientas, una de las brechas de la inteligencia artificial en empresas de la región.

La AI code generation cambia mes a mes. En InfoByData seguiremos estos indicadores y actualizaremos esta nota cuando GitHub, Veracode o Stack Overflow publiquen nuevos datos. No tenemos relación comercial con ninguna de las empresas mencionadas.