La observabilidad es hoy la respuesta estructural a la principal contradicción del código generado con IA: parece de mayor calidad durante la revisión pero produce más incidentes en producción. El informe 2026 de New Relic lo documenta con datos de 200 líderes tecnológicos: el 94 % percibe el código IA como mejor, pero el 78 % reporta más fallos una vez desplegado.
En este artículo, hacemos un resumen con los hallazgos más relevantes que hemos leído en el reporte además con nuestra perspectiva basada en proyectos en los que estamos trabajando.
Comenzamos.
¿Cuál es el estado real del código generado con IA en producción?
En 2026, la mayor parte del código que produce la organización promedio ya no es escrita por personas: es generada o refactorizada significativamente por IA.
El Informe 2026: Estado de la Programación con IA, elaborado por Hanover Research por encargo de New Relic a partir de 200 líderes tecnológicos en EE. UU., establece un hito que hace apenas dos años habría parecido exagerado: el 67 % de los líderes afirma que entre el 51 % y el 75 % del código semanal de su organización es generado por IA. En términos agregados, el 82 % afirma que más de la mitad de su código ya es de origen IA (New Relic × Hanover Research, 2026).
Para contextualizar la magnitud de ese cambio: cuando Google anunció en abril de 2026 que el 75 % de su código era generado por IA, fue tratado como un dato excepcional. Los resultados de este estudio muestran que ese porcentaje es, en realidad, la norma entre los líderes tecnológicos encuestados.
El cambio no es solo cuantitativo: es estructural. Cuando más de la mitad del código es generado por IA, el ingeniero que responde a un incidente en producción estadísticamente no es quien escribió el código responsable. Eso redefine lo que significa «entender el sistema». Leer el código fuente ya no es suficiente para diagnosticar lo que ocurre: la evidencia en tiempo de ejecución, lo que el código realmente hizo, con qué entradas, en qué secuencia, se convierte en la señal más fiable. Y esa señal vive en la plataforma de observabilidad, no en el repositorio.
¿Por qué el código IA parece mejor en revisión pero falla más en producción?
La contradicción central de la era asistida por IA es que el código generado obtiene mejor evaluación durante la revisión pero produce peores resultados una vez desplegado, y la explicación es técnica: la IA trabaja con artefactos visibles en la revisión, pero no con los que solo se generan en producción.
El 94 % de los líderes considera que el código generado por IA es de mayor calidad que el escrito por personas durante la revisión. Patrones más limpios, estilo consistente, menos errores superficiales. Esa percepción es real y ayuda a explicar por qué las organizaciones siguen acelerando la adopción.
Pero una vez desplegado, ese mismo código revela sus límites:
| Métrica en producción | % de organizaciones afectadas |
|---|---|
| Aumento de incidentes en producción | 78 % |
| Más tiempo de ingenieros sénior en retrabajo | 86 % |
| Al menos una falla en producción en los últimos 6 meses | 82 % |
| Al menos el 25 % del código IA requiere retrabajo significativo | 74 % |
| Aumento de deuda técnica | 77 % |
| Proliferación de microservicios | 88 % |
La causa raíz es precisa: las herramientas de programación con IA generan código sin visibilidad sobre el comportamiento real del sistema en ejecución. Pueden leer el código fuente, pero no la traza. Los LLMs son eficaces generando código que funciona en condiciones óptimas y aisladas, pero pasan por alto casos límite, puntos ciegos de concurrencia, APIs obsoletas y cambios complejos de estado. Cuando se despliegan sin revisión exhaustiva, estas omisiones estructurales son invisibles hasta que el código se enfrenta al tráfico real.
El resultado: el 62 % de los equipos confía en el código IA lo suficiente como para desplegarlo sin revisión línea por línea, y el 41 % afirma que al menos la mitad de su código generado por IA requiere retrabajo significativo por falta de contexto, datos incompletos o supuestos incorrectos (New Relic × Hanover Research, 2026).
Suscríbete a nuestro newsletter.
Recibe las últimas novedades sobre soluciones digitales, tendencias de la industria, artículos de expertos y próximos eventos.
Los fallos que genera el código IA en producción
El código generado por IA no genera un único tipo de fallo en producción: genera simultáneamente cuatro categorías distintas, cada una con patrones observables específicos que una plataforma de observabilidad puede detectar.
Solo el 19 % de las organizaciones afirma no haber enfrentado problemas relacionados con el código IA en los últimos seis meses. El 81 % restante reporta, en promedio, más de dos tipos de problemas en ese periodo (New Relic × Hanover Research, 2026):
| Tipo de fallo | % de organizaciones afectadas | Patrón observable |
|---|---|---|
| Fallas de integración | 30 % | Desviaciones de esquemas, incumplimientos de contratos, tasas de error entre servicios |
| Problemas de cumplimiento y gobernanza | 30 % | Logs de auditoría, infracciones de políticas |
| Problemas de integridad de datos | 29 % | Anomalías en telemetría: duplicaciones, desviaciones, tasas inesperadas de valores nulos |
| Nuevas vulnerabilidades de seguridad | 28 % | Datos de traza, patrones de autenticación, anomalías de comportamiento |
El dato que más impacta en este contexto: históricamente, el código escrito por personas y revisado por pares mantiene tasas de fallos estables. El código generado por IA introduce aproximadamente 1,7 veces más problemas críticos en producción.
Cada uno de estos cuatro tipos de fallo tiene un patrón observable característico que una plataforma como New Relic puede asociar a señales de telemetría específicas antes de que el daño sea visible para el usuario o el cliente.
¿Por qué el vibe coding en producción exige gobernanza con observabilidad?
El vibe coding ha dejado de ser una práctica experimental: el 95 % de las organizaciones lo permite en servicios de producción, lo que hace obligatorio aplicar la misma gobernanza que al código escrito por personas.
Solo el 5 % de las organizaciones restringe el vibe coding a entornos fuera de producción. El 87,5 % lo permite formalmente en producción y ninguna organización lo prohíbe (New Relic × Hanover Research, 2026). El código generado por IA ya opera en los mismos servicios que generan ingresos, bajo los mismos SLA y sujeto a las mismas exigencias de disponibilidad que el código escrito por ingenieros sénior.
Esto tiene una consecuencia directa: una vez que el vibe coding forma parte de la política de producción, todos los sistemas de gobernanza asociados —revisión de código, gestión de cambios, barreras de despliegue, respuesta a incidentes y registro de auditoría— deben aplicarse de igual manera, independientemente de quién o qué haya escrito el código.
Los datos muestran que la mayoría de las organizaciones han autorizado esta práctica sin reforzar sistemáticamente los controles asociados. Esa es la brecha que la observabilidad cierra.
Un consenso sobre la observabilidad para el código IA
El debate sobre si la observabilidad es esencial para el código generado por IA está resuelto: el 96 % de los líderes la califica como muy o extremadamente importante, y el 0 % la considera poco o nada importante.
Este es uno de los resultados más contundentes del estudio: el 39 % la califica como «extremadamente importante» —la respuesta más elegida— y otro 57 % como «muy importante». Ningún encuestado eligió las dos categorías más bajas de la escala (New Relic × Hanover Research, 2026).
La pregunta ya no es si invertir en observabilidad: es qué plataforma adoptar como estándar. Y el movimiento que documenta el informe va más allá de la adopción: la telemetría ya se está incorporando al propio ciclo de generación de código. El 78 % de los equipos ahora solicita a la IA que incluya telemetría —logs, trazas y métricas personalizadas— como parte del código generado. Los ingenieros ya no esperan a que el código esté escrito para pensar en la observabilidad: la integran directamente en el prompt.
Esto tiene una implicación estratégica importante: las organizaciones que estandaricen convenciones de telemetría alineadas con OpenTelemetry en sus prompts y plantillas obtendrán una relación señal-ruido mucho más clara que las que dejan que cada desarrollador defina su propio formato.
Observabilidad: la brecha entre revisión y producción
La observabilidad cierra la brecha entre la calidad percibida en revisión y el comportamiento real en producción al proporcionar la evidencia en tiempo de ejecución que las herramientas de programación con IA no pueden generar por sí solas.
Las organizaciones que han comenzado a cerrar esa brecha, incorporando al ciclo de desarrollo la telemetría de producción, patrones reales de consultas y grafos reales de dependencias como contexto para la generación de código, reportan las tasas más bajas de retrabajo. El informe identifica este cierre del ciclo como «probablemente la práctica de observabilidad con mayor impacto en los próximos 24 meses» (New Relic × Hanover Research, 2026).
El rol de New Relic en este contexto es central: al unificar métricas, eventos, logs y trazas en una única Telemetry Data Platform, proporciona precisamente la visibilidad en tiempo de ejecución que las herramientas de programación con IA no tienen cuando generan código. Esa visibilidad, reintroducida en el ciclo de desarrollo como señal de retroalimentación, mejora los prompts, las revisiones y las decisiones de despliegue futuras.
Lo que vemos en los proyectos
En Orienteed, como partner oficial de New Relic en España, la convergencia entre código generado por IA y observabilidad es una realidad operativa que estamos gestionando activamente en proyectos de clientes.
Lo que el informe documenta con datos de 200 líderes tecnológicos coincide con lo que observamos en proyectos reales: la velocidad que aporta el código generado por IA es genuina, pero la fiabilidad en producción requiere una capa de observabilidad activa que cierre el ciclo entre lo que el modelo genera y lo que el sistema realmente hace.
El caso de una marca global de gafas y otros casos similares de observabilidad: En proyectos de clientes donde hemos implementado New Relic como capa de observabilidad sobre arquitecturas con código generado o asistido por IA, el patrón es consistente con los hallazgos del informe: la detección de anomalías antes de que impacten al usuario final reduce drásticamente el retrabajo posterior, y la visibilidad unificada sobre métricas, logs y trazas permite identificar los fallos de integración y de integridad de datos —las dos categorías más frecuentes según el informe— en minutos en lugar de horas.
Para uno de nuestros clientes en el sector óptico, esto se tradujo en un +186 % de crecimiento interanual en pedidos online y una tasa de cumplimiento del SLA del 97,7 % para la marca principal del grupo, con visibilidad operativa completa sobre los sistemas que soportan el canal digital.
La conclusión que extraemos es la misma que documenta el informe: la observabilidad no es un paso posterior al desarrollo con IA. Es la condición que hace que ese desarrollo sea sostenible en producción.
Lo que los líderes deben hacer ahora con estos datos
Tres acciones concretas se derivan directamente de los hallazgos del informe para cualquier organización que tenga código generado por IA en producción:
- Instrumentar la telemetría desde el prompt. El 78 % de los equipos ya lo hace; los que no lo hacen están perdiendo visibilidad desde el momento de generación. Estandarizar las convenciones de OpenTelemetry en los prompts y plantillas es la intervención de mayor impacto por menor coste.
- Asociar los cuatro tipos de fallo del código IA —integración, cumplimiento, integridad de datos, seguridad— a patrones de detección específicos en la plataforma de observabilidad, antes de que ocurran. Las organizaciones que lo hacen detectan los problemas antes de que el impacto llegue al usuario.
- Presentar a dirección las dos caras de la moneda del código IA: la velocidad es real y los ingresos lo reflejan (el 63 % reporta aumento moderado de ingresos), pero la carga operativa también es real y debe contemplarse explícitamente en el presupuesto —tasas de incidentes, MTTR, tiempo de ingenieros sénior en retrabajo.
¿Tu organización tiene visibilidad real de lo que hace tu código generado con IA en producción?
El informe de New Relic es claro: la pregunta ya no es si adoptar observabilidad para el código IA, sino con qué plataforma y con qué partner. En Orienteed, como partner oficial de New Relic en España, ayudamos a las organizaciones a instrumentar la telemetría desde el ciclo de desarrollo, detectar los patrones de fallo del código generado por IA antes de que lleguen al usuario, y construir la visibilidad unificada que hace posible operar con código IA bajo SLA empresariales.
Habla con nuestro equipo → Sin compromiso. Con experiencia real en observabilidad del código generado por IA con New Relic.
¿Necesitas desarrollar una solución digital para tu negocio?
Contáctanos hoy aquí para empezar juntos un proyecto increíble.
Digital Marketing Manager at Orienteed.
Me encargo de planificar y ejecutar, junto a un equipo increíble, la estrategia de Marketing Digital de Orienteed, garantizando que esté alineada con nuestros objetivos estratégicos y enfocada en el crecimiento del negocio. Me apasiona el inbound marketing, el diseño web y la creación de contenido de valor.
Escribí el libro: «Cómo crear un blog rentable hoy.»
«Marketing is about values. It’s a complicated and noisy world, and we’re not going to get a chance to get people to remember much about us. No company is. So we have to be really clear about what we want them to know about us.»
—Steve Jobs