AI has already changed workLa IA ya cambió el trabajo · V8.1 Master Engine
58 slides · 27 min · 1 hour ago58 láminas · 27 min · hace 1 hlanguage
ENES
theme
LightDark
view
TalkTable
brand
HanademiPlatzi
Activity grew by 180%, but actual releases increased by only 30%.
For every 100 points of added coding activity, only 27.8 reached projects and 16.7 reached published releases.
After Pearl Street began operating in 1882, electricity rose from 10% to 80% of manufacturing power.
La actividad creció 180%, pero los lanzamientos reales solo aumentaron 30%.
Por cada 100 puntos de actividad de programación adicional, solo 27,8 llegaron a proyectos y 16,7 a releases publicados.
Tras Pearl Street en 1882, la electricidad pasó de 10% a 80% de la potencia manufacturera.
The first figure is striking: agents increased programming activity by 180%. But the result loses force as it gets closer to the user. Projects rose by 50%, while actual releases increased by only 30%. The speed of writing does not equal delivered value.
La primera cifra impresiona: los agentes elevaron la actividad de programación en 180%. Pero el resultado pierde fuerza al acercarse al usuario. Los proyectos subieron 50% y los lanzamientos reales solo 30%. La velocidad de escribir no equivale a entregar valor.
Each generation produces more visible activity. Autocomplete increased commits by 40%, interactive agents by 140%, and autonomous agents by 180%. The jump is real, but it still measures intermediate activity.
Cada generación produce más actividad visible. El autocompletado elevó los commits 40%, los agentes interactivos 140% y los autónomos 180%. El salto es real, pero todavía mide actividad intermedia.
The same study offers a warning about abundance. New iOS apps grew from around 30.000 to nearly 100.000 per month. But the share with a minimal audience also rose, from 79% to 86%. Creating became easier; being chosen did not.
El mismo estudio ofrece una advertencia sobre la abundancia. Las nuevas aplicaciones iOS pasaron de unas 30,000 a casi 100,000 mensuales. Pero la proporción con audiencia mínima también subió, de 79% a 86%. Crear se volvió más fácil; ser elegido, no.
The promise of speed does not tell the whole story. After adopting agents, static analysis warnings increased approximately 18%. Cognitive complexity rose 39%. The result suggests that human work does not disappear: it shifts toward reviewing, integrating, and correcting.
La promesa de velocidad no cuenta toda la historia. Después de adoptar agentes, las advertencias del análisis estático aumentaron aproximadamente 18%. La complejidad cognitiva subió 39%. El resultado sugiere que el trabajo humano no desaparece: se desplaza hacia revisar, integrar y corregir.
The term agentic may sound more widespread than it really is. Among active Copilot Business and Enterprise users, 62.1% still primarily use code completion. The transition to agents is neither automatic nor complete.
La palabra agéntica puede sonar más extendida de lo que realmente es. Entre usuarios activos de Copilot Business y Enterprise, 62.1% todavía usa principalmente completado de código. La transición hacia agentes no es automática ni completa.
Agentic software enters operating environments where people inspect systems and judge outcomes.
El software agéntico entra en entornos operativos donde las personas inspeccionan sistemas y juzgan resultados.
The historical comparison begins with a correction: Pearl Street began operating in 1882. Electricity then spread through factories, but the transformation was gradual. Depending on the measure, it rose from 10% to 80% of manufacturing power between 1900 and 1930. Changing the energy source was not enough; the factory had to be redesigned.
La comparación histórica empieza con una corrección: Pearl Street comenzó a operar en 1882. Después, la electricidad se extendió por las fábricas, pero la transformación fue gradual. Según la medida, pasó de 10% a 80% de la potencia manufacturera entre 1900 y 1930. Cambiar la fuente de energía no bastó; había que rediseñar la fábrica.
Motor adoption was gradual, not instantaneous. Its share of factories’ mechanical power rose from approximately 5% in 1900 to 50% by 1920. The technology spread before the entire production system changed.
La adopción del motor fue gradual, no instantánea. Su participación en la potencia mecánica fabril pasó de cerca de 5% en 1900 a 50% en 1920. La tecnología se difundió antes de que todo el sistema productivo cambiara.
Electrification advanced strongly, but over decades. Its share of manufacturing power rose from 10% in 1900 to 80% by 1930. That trajectory supports the redesign metaphor without inventing a rigid 40-year rule.
La electrificación avanzó con fuerza, pero durante décadas. Su participación en la potencia manufacturera pasó de 10% en 1900 a 80% en 1930. Esa trayectoria respalda la metáfora del rediseño sin inventar una regla rígida de 40 años.
During the first period, manufacturing productivity grew 1.5% per year. In the second, it grew 5.1%. The electric motor was a prerequisite, not the complete transformation. The leap came when factories reorganized their machines and workflows.
Durante el primer periodo, la productividad manufacturera creció 1.5% al año. En el segundo, creció 5.1%. El motor eléctrico fue una condición, no la transformación completa. El salto llegó cuando las fábricas reorganizaron sus máquinas y sus flujos.
Electrification is not a single race. Mexico shows the scale of the effort in projects: 17,016 under the current government. Uruguay shows the coverage result: 99.8% even in rural areas. The lesson is that installing infrastructure and closing the last gap are different problems.
La electrificación no es una sola carrera. México muestra el tamaño del esfuerzo en obras: 17.016 bajo el gobierno actual. Uruguay muestra el resultado de cobertura: 99,8% incluso en zonas rurales. La lección es que instalar infraestructura y cerrar la última brecha son problemas distintos.
Infrastructure still requires concrete execution. Mexico reported 12,630 projects under Calderón, 14,505 under Peña Nieto, and 17,016 under Sheinbaum through June 2026. The latest figure does not represent a completed six-year term.
La infraestructura sigue requiriendo ejecución concreta. México reportó 12.630 obras bajo Calderón, 14.505 bajo Peña Nieto y 17.016 bajo Sheinbaum hasta junio de 2026. La última cifra no representa un sexenio terminado.
Mexico’s target highlights the gap between installation and final coverage. The government reported 17,016 projects through June 2026 and plans more than 45,000 by 2028. The coverage target is 99.99%.
El objetivo mexicano muestra la distancia entre instalación y cobertura final. El gobierno reportó 17.016 obras hasta junio de 2026 y plantea más de 45.000 para 2028. La meta de cobertura es 99,99%.
The last mile can be closed almost completely. Uruguay reports 99.9% urban coverage and 99.8% rural coverage. The difference between the two areas is just 0.1 percentage points.
La última milla puede cerrarse casi por completo. Uruguay registra 99,9% de cobertura urbana y 99,8% rural. La diferencia entre ambas zonas es apenas 0,1 puntos porcentuales.
Productivity does not always appear in full in the accounts. When intangible investments are included, the gap from the official measure widens. In 2017, adjusted TFP is 15.9% higher. Better measurement changes the size of the result.
La productividad no siempre aparece completa en las cuentas. Cuando se incorporan inversiones intangibles, la brecha frente a la medida oficial aumenta. En 2017, la PTF ajustada queda 15,9% por encima. Medir mejor cambia el tamaño del resultado.
The J-curve perspective shifts attention from acquiring technology to rebuilding work around it.
La perspectiva de la curva J desplaza la atención de adquirir tecnología a reconstruir el trabajo a su alrededor.
The first signal was not an improvement but an illusion of improvement. Developers predicted acceleration and ended up estimating that they were faster. Yet the actual tasks took 19% longer with AI. Perceived speed did not replace the observed outcome.
La primera señal no fue una mejora, sino una ilusión de mejora. Los desarrolladores pronosticaron aceleración y terminaron estimando que eran más rápidos. Sin embargo, las tareas reales tardaron 19% más con IA. La velocidad percibida no sustituyó al resultado observado.
The portrait marks the argument’s shift from perceived speed to measured performance.
El retrato marca el giro del argumento desde la velocidad percibida hacia el desempeño medido.
The question is not whether AI speeds things up, but when. On a well-defined HTTP task, the improvement was 55.8%. Across three companies, it was 26.08%. But in mature repositories, the result was 19% slower. Context determines whether the tool helps or gets in the way.
La pregunta no es si la IA acelera, sino cuándo. En una tarea HTTP bien delimitada, la mejora fue de 55,8%. En tres empresas, fue de 26,08%. Pero en repositorios maduros, el resultado fue 19% más lento. El contexto decide si la herramienta ayuda o estorba.
The size of the benefit varies by setting. A controlled HTTP task was completed 55.8% faster, while three enterprise experiments recorded 26.08% more tasks completed. Both figures are positive, but they do not measure exactly the same outcome.
El tamaño del beneficio cambia con el entorno. Una tarea HTTP controlada terminó 55,8% más rápido, mientras tres experimentos empresariales registraron 26,08% más tareas completadas. Las dos cifras son positivas, pero no miden exactamente el mismo resultado.
Easy demonstrations hide the practical limit. GitTaskBench included 54 real repository-based tasks across seven modalities. Even the best system solved only 48.15%.
Las demostraciones fáciles esconden el límite práctico. GitTaskBench reunió 54 tareas reales basadas en repositorios y siete modalidades. Incluso el mejor sistema resolvió solo 48,15%.
Repository context is not an impossible-to-measure excuse. RAMP classified 441 repositories, and independent human annotation reproduced 97% of the held-out labels. Comparing productivity requires distinguishing mature repositories from isolated tasks.
El contexto del repositorio no es una excusa imposible de medir. RAMP clasificó 441 repositorios y una anotación humana independiente reprodujo 97% de las etiquetas reservadas. Comparar productividad exige distinguir repositorios maduros de tareas aisladas.
This is where AI's most seductive promise appears. In Accenture corporate data, 97% of 200,000 users said they completed routine tasks 15x faster. It signals perceived speed, not proof of observed productivity.
Aquí aparece la promesa más seductora de la IA. En datos corporativos de Accenture, el 97% de 200.000 usuarios afirmó completar tareas rutinarias 15 veces más rápido. Es una señal de velocidad percibida, no una prueba de productividad observada.
Individual speed does not tell the whole story. DORA found 0% change in individual productivity, a 1.5% decline in throughput, and a 7.2% decline in stability for each additional 25% of adoption. The bottleneck appears in end-to-end delivery.
La velocidad individual no cuenta toda la historia. DORA encontró 0% de cambio en productividad individual, una caída de 1,5% en throughput y una caída de 7,2% en estabilidad por cada 25% adicional de adopción. El cuello de botella aparece en la entrega completa.
AI has already entered everyday work: 90% of surveyed professionals use it. More than 80% perceive greater productivity, but 30% have little or no trust in generated code. Adoption is growing faster than the ability to verify.
La IA ya entró en el trabajo cotidiano: 90% de los profesionales encuestados la usa. Más del 80% percibe mayor productividad, pero 30% confía poco o nada en el código generado. La adopción crece más rápido que la capacidad de verificar.
Agents’ ability to resolve real-world issues changed scale. SWE-bench rose from 4.4% in 2023 to 71.7% at the beginning of 2025. Then progress slowed, reaching 74.4% in December.
La capacidad de los agentes para resolver incidencias reales cambió de escala. SWE-bench pasó de 4,4% en 2023 a 71,7% a comienzos de 2025. Después, el avance se frenó: llegó a 74,4% en diciembre.
An agent cannot solve a problem that no one defined well. HiL-Bench removed critical details from realistic specifications, and success fell as low as 4%. Understanding and clarifying the problem remains human work.
El agente no puede resolver un problema que nadie definió bien. HiL-Bench retiró detalles críticos de especificaciones realistas y el éxito cayó hasta 4%. Entender y aclarar el problema sigue siendo trabajo humano.
Business adoption is growing. The series rises from 3.8% in 2023 to 18% in the latest observation. But the employment-weighted 32% is a reminder that large businesses have a greater influence on workers’ experience than the average firm.
La adopción empresarial sí está creciendo. La serie pasa de 3.8% en 2023 a 18% en la última observación. Pero el 32% ponderado por empleo recuerda que las empresas grandes pesan más en la experiencia laboral que el promedio de firmas.
Use is not spread across the entire business. Sales and marketing lead at 52%, while 57% of firms use AI in three functions or fewer. The labor signal is also limited: just 2% report AI-related employment reductions.
El uso no está repartido por toda la empresa. Ventas y marketing lideran con 52%, mientras 57% de las firmas usa IA en tres funciones o menos. La señal laboral también es limitada: solo 2% reporta reducciones de empleo relacionadas con IA.
AI is not distributed evenly across the enterprise. Sales and marketing lead at 52%, followed by strategy and business development at 45% and information technology at 41%. These are concentrated areas, not a total redesign.
La IA no se distribuye de forma uniforme por la empresa. Ventas y marketing lideran con 52%, seguidas por estrategia y desarrollo de negocios con 45% y tecnología informática con 41%. Son focos concretos, no un rediseño total.
Business evidence does not show mass substitution. 66% of users rely exclusively on increased task volume. Only 2% report AI-related employment reductions.
La evidencia empresarial no describe sustitución masiva. El 66% de los usuarios depende exclusivamente del aumento de tareas. Solo 2% reporta reducciones de empleo relacionadas con IA.
The gap between testing and scaling is the key point. 39% of organizations are experimenting, but only 23% are scaling. Within a specific function, the maximum falls to 10%, indicating that deep change remains rare.
La distancia entre probar y escalar es el punto. Hay 39% de organizaciones experimentando, pero solo 23% escalando. Dentro de una función concreta, el máximo cae a 10%, señal de que el cambio profundo todavía es raro.
Adoption is not uniform across businesses. 37% of firms with 250 employees or more use AI, compared with 32% of those with 100 to 249 employees. Scale helps, although it does not by itself prove transformation.
La adopción no es igual para todas las empresas. El 37% de las firmas con 250 empleados o más usa IA, frente al 32% entre las que tienen de 100 a 249. La escala ayuda, aunque no prueba por sí sola una transformación.
The clearest signal is the widening shortfall, from 15% to 19%. Separate year-over-year measures show declines of 4.3% and 2.6% in highly exposed jobs for two young-worker groups. Controls indicate that earlier declines had other causes too.
La señal más clara es el aumento del déficit, de 15% a 19%. Medidas interanuales separadas muestran caídas de 4,3% y 2,6% en puestos muy expuestos para dos grupos jóvenes. Los controles indican que las caídas anteriores también tuvieron otras causas.
The signal is not only present, it has widened. The employment disadvantage for young people in highly exposed occupations rose from 15% in July 2025 to 19% in June 2026. The impact is concentrated at entry to the labor market.
La señal no solo existe, también se amplió. La desventaja de empleo de jóvenes en ocupaciones muy expuestas pasó de 15% en julio de 2025 a 19% en junio de 2026. El golpe se concentra en la entrada al mercado laboral.
The problem does not end at age 26. In June 2026, highly exposed employment fell 4.3% among workers aged 22 to 25 and 2.6% among those aged 26 to 30. Less exposed jobs held steady or grew.
El problema no termina al cumplir 26 años. En junio de 2026, el empleo muy expuesto cayó 4,3% entre trabajadores de 22 a 25 y 2,6% entre quienes tenían de 26 a 30. Los empleos menos expuestos se mantuvieron o crecieron.
Exposure does not produce the same outcome for everyone. Employment fell 4.5% year over year among young women in highly exposed occupations and 2.5% among men. In low-exposure occupations, both groups grew, highlighting a gap associated with both exposure and gender.
La exposición no produce el mismo resultado para todos. El empleo cayó 4.5% anual entre mujeres jóvenes en ocupaciones muy expuestas y 2.5% entre hombres. En ocupaciones de baja exposición, ambos grupos crecieron, lo que marca una brecha asociada tanto con exposición como con género.
Generating an answer is not enough to know whether it works. On BigCodeBench, AI systems reached 35.5%, versus a human standard of 97%. Fundamentals make it possible to recognize and correct that gap.
Generar una respuesta no basta para saber si funciona. En BigCodeBench, los sistemas de IA alcanzaron 35,5%, frente a un estándar humano de 97%. Los fundamentos permiten reconocer y corregir esa distancia.
BigCodeBench is not limited to small, isolated exercises. It brings together 1,140 tasks that use 139 libraries and applies 5.6 test cases per task. Average branch coverage reaches 99%.
BigCodeBench no se limita a pequeños ejercicios aislados. Reúne 1.140 tareas que usan 139 bibliotecas y aplica 5,6 casos de prueba por tarea. La cobertura media de ramas llega a 99%.
The full ranking avoids turning one model into the whole story. GPT-4o leads with 61.1%, while StarCoder2-3B scores 21.4%. Neither turns code generation into automatic verification.
La clasificación completa evita convertir un modelo en toda la historia. GPT-4o lidera con 61,1%, mientras StarCoder2-3B obtiene 21,4%. Ninguno convierte la generación de código en verificación automática.
Basic capability is spreading rapidly. All four gaps between U.S. and Chinese models narrowed from 2023 to 2024. On MMLU, the gap ended at just 0.3 percentage points.
La capacidad básica se está difundiendo con rapidez. Las cuatro brechas entre modelos estadounidenses y chinos se redujeron de 2023 a 2024. En MMLU, la distancia terminó en apenas 0,3 puntos porcentuales.
Completing a task does not guarantee learning. In a randomized trial, those who used AI assistance scored 17% lower on a subsequent proficiency test. Delegating without reviewing can save effort while undermining understanding.
Terminar una tarea no garantiza haber aprendido. En un ensayo aleatorizado, quienes usaron asistencia de IA obtuvieron 17% menos en una prueba posterior de dominio. Delegar sin revisar puede ahorrar esfuerzo y perder comprensión.
Real-world experience already has an entry point at UAM. But participation does not guarantee employment: 25 of 526 interns were hired permanently. The reported conversion rate was 4.75%.
La experiencia real ya tiene una puerta de entrada en UAM. Pero participar no garantiza empleo: 25 de 526 pasantes fueron contratados permanentemente. La conversión reportada fue de 4,75%.
The infrastructure to build experience across cycles already exists at UAM. Publications report 380 cumulative placements, one placement of 200 students, another of 118, and a cycle of 100. They are not added together because they may describe overlapping cohorts.
La infraestructura para acumular ciclos ya existe en UAM. Las publicaciones reportan 380 ubicaciones acumuladas, una entrega de 200 estudiantes, otra de 118 y un ciclo de 100. No se suman porque pueden describir cohortes que se solapan.
Real-world cycles require contact with real organizations. In a 2024 placement, UAM placed 100 students with 36 companies and seven public institutions. That exposure turns theory into consequences and feedback.
Los ciclos reales requieren contacto con organizaciones reales. En una entrega de 2024, UAM ubicó a 100 estudiantes con 36 empresas y siete instituciones públicas. Esa exposición convierte teoría en consecuencias y retroalimentación.
Adoption spread before schools and companies could redesign their practices. Generative AI reached approximately 53% population adoption in three years. Learning to verify can no longer wait for institutions to adapt.
La difusión ocurrió antes de que escuelas y empresas pudieran rediseñar sus prácticas. La IA generativa alcanzó aproximadamente 53% de adopción poblacional en tres años. Aprender a verificar ya no puede esperar a que las instituciones se adapten.
AI helps within its capability frontier and can hurt outside it. In the experiment with consultants, using it changed the probability of producing the correct answer by -19%. Good judgment starts with recognizing when not to delegate.
La IA ayuda dentro de su frontera de capacidad y puede perjudicar fuera de ella. En el experimento con consultores, usarla cambió en -19% la probabilidad de producir la respuesta correcta. El criterio empieza por reconocer cuándo no delegar.
Developers are already using AI as a teacher, not just a tool. The share rose from 37% in 2024 to 44% in 2025 and 64% in 2026. The challenge is turning that use into verifiable learning, not dependence.
Los desarrolladores ya usan la IA como maestra, no solo como herramienta. La proporción pasó de 37% en 2024 a 44% en 2025 y 64% en 2026. El reto es convertir ese uso en aprendizaje verificable, no en dependencia.
A learning cycle can be measured beyond the final product. This dataset follows 275 students through conversations, writing records, assessed proposals, and surveys. That traceability makes it possible to study how AI is used, not just what is delivered.
Un ciclo de aprendizaje puede medirse más allá del producto final. Este conjunto sigue a 275 estudiantes mediante conversaciones, registros de escritura, propuestas evaluadas y encuestas. Esa trazabilidad permite estudiar cómo se usa la IA, no solo qué se entrega.
A useful cycle increases the difficulty and ends by measuring the result. These workshops move from 150 to 1,200 lines while adding reliability, orchestration, and A/B testing. The goal is not to produce more lines, but to learn how to evaluate more complex systems.
Un ciclo útil aumenta la dificultad y termina midiendo el resultado. Estos talleres pasan de 150 a 1.200 líneas mientras incorporan confiabilidad, orquestación y pruebas A/B. La meta no es producir más líneas, sino aprender a evaluar sistemas más complejos.
This conversation takes place within a community that already has continuity. SYSTECH 2026 is announced as edition 4, the fourth edition, and is scheduled for 11 September at the Crowne Plaza. The next cycle can begin from this gathering.
Esta conversación ocurre dentro de una comunidad que ya tiene continuidad. SYSTECH 2026 está anunciado como la edición 4, la cuarta edición, y está programado para el 11 de septiembre en el Crowne Plaza. El siguiente ciclo puede comenzar desde este encuentro.
Activity grew by 180%, but actual releases increased by only 30%. For every 100 points of added coding activity, only 27.8 reached projects and 16.7 reached published releases.
As of June 2026, employment among AI-exposed workers aged 22-25 was 19% behind that of their less-exposed peers. Stanford Digital Economy Lab
In an RCT of experienced open-source developers, allowing AI tools made issue completion take 19% longer. metr.org
The 180% cumulative coding-activity gain fell to 50% for projects and 30% for actual releases. nber.org
METR’s raw follow-up estimates shifted from 19% slower in early 2025 to 18% faster among returning developers and 4% faster among newly recruited developers. metr.org
Annual U.S. manufacturing productivity growth rose from 1.5% in 1899-1914 to 5.1% in 1919-1929. European Investment Bank
On GitHub, autocomplete, interactive agents, and autonomous agents cumulatively increased commits by 40%, 140%, and 180%, respectively. National Bureau of Economic Research
The same study reports that new iOS applications rose from about 30.000 to nearly 100.000 per month, while those with minimal audiences rose from 79% to 86%. National Bureau of Economic Research
In repositories developers had known for years, allowing AI tools increased the time required to resolve real issues by 19%. Model Evaluation and Threat Research
Published effects range from 55.8% faster to 19% slower, depending on the task, tool, experience, and repository. GitHub
The argument
The increase in commits rises from 40% with autocomplete to 180% with agents.
Nearly 100.000 apps were published each month, but 86% had a minimal audience.
Speed may fade, but warnings rose by 18% and complexity by 39%.
Even among active users, 62.1% primarily use code completion.
Agentic software enters operating environments where people inspect systems and judge outcomes.
After Pearl Street began operating in 1882, electricity rose from 10% to 80% of manufacturing power.
This research is published in English and Spanish. Ver en español
La investigación detrás de esta presentación
La actividad creció 180%, pero los lanzamientos reales solo aumentaron 30%. Por cada 100 puntos de actividad de programación adicional, solo 27,8 llegaron a proyectos y 16,7 a releases publicados.
Los desarrolladores predijeron 24% de aceleración, luego estimaron 20%, pero METR observó que las tareas tardaron 19% más. Model Evaluation and Threat Research
Hasta junio de 2026, el empleo de trabajadores de 22-25 años expuestos a IA quedó 19% detrás de sus pares menos expuestos. Stanford Digital Economy Lab
En un ensayo controlado con desarrolladores experimentados de código abierto, permitir herramientas de IA hizo que completar incidencias tomara un 19% más. metr.org
El aumento acumulado de 180% en la actividad de programación cayó a 50% en proyectos y a 30% en lanzamientos reales. nber.org
Las estimaciones brutas de seguimiento de METR pasaron de un 19% más lento a comienzos de 2025 a un 18% más rápido entre los desarrolladores que regresaron y un 4% más rápido entre los recién reclutados. metr.org
El crecimiento anual de productividad manufacturera estadounidense pasó de 1.5% en 1899-1914 a 5.1% en 1919-1929. European Investment Bank
En GitHub, autocompletado, agentes interactivos y agentes autónomos elevaron acumulativamente los commits 40%, 140% y 180%, respectivamente. National Bureau of Economic Research
El mismo estudio reporta que nuevas aplicaciones iOS subieron de unas 30,000 a casi 100,000 mensuales, mientras las de audiencia mínima pasaron de 79% a 86%. National Bureau of Economic Research
En repositorios conocidos durante años, permitir herramientas de IA incrementó 19% el tiempo necesario para resolver incidencias reales. Model Evaluation and Threat Research
Los efectos publicados van de 55.8% más rapidez a 19% más lentitud, según tarea, herramienta, experiencia y repositorio. GitHub
El argumento
El aumento de commits pasa de 40% con autocompletado a 180% con agentes.
Se publicaron casi 100,000 aplicaciones mensuales, pero 86% tuvo audiencia mínima.
La velocidad puede desvanecerse, pero las advertencias subieron 18% y la complejidad 39%.
Incluso entre usuarios activos, 62.1% usa principalmente completado de código.
El software agéntico entra en entornos operativos donde las personas inspeccionan sistemas y juzgan resultados.
Tras Pearl Street en 1882, la electricidad pasó de 10% a 80% de la potencia manufacturera.
Esta investigación se publica en inglés y español. Read in English
