El 81% de los equipos de software ha integrado código o pruebas generadas por IA que no comprendía del todo, y el 19% lo hace de forma regular.
El dato proviene del informe State of AI in Quality Engineering 2026 de TestMu AI, que también encontró que solo el 41% ejecuta alguna verificación automatizada antes del merge.
El estudio encuestó a testers, desarrolladores y líderes de QA entre finales de julio y principios de octubre de 2026.
No es un censo de la industria: la muestra proviene de la comunidad de TestMu AI, se inclina hacia India y empresas SaaS, y 58% de los participantes son SDET, líderes de QA o testers. Aun así, la brecha que describe es difícil de ignorar.
Qué midió el informe
TestMu AI preguntó cuánto código de producción escribe la IA, cómo se verifica antes del merge y qué pasa después. El 40% de los equipos dice que la IA redacta más de la mitad de su código de producción; solo el 3% dice que nada es generado por IA.
El 44% reporta más defectos escapados o incidentes en producción a medida que creció el uso de código generado por IA.
La metodología advierte que los porcentajes son direccionales: cada cifra representa a quienes respondieron, y las vistas de QA y desarrollo son grupos más pequeños. Es una limitación importante para no convertir el 81% en una ley universal.
La brecha: se genera más de lo que se verifica
Solo el 41% de los equipos corre alguna comprobación automatizada sobre el código escrito por IA antes de integrarlo. La mayoría depende de una persona que revisa y prueba a mano (55%) o de una transferencia al equipo de QA después de escrito el código (51%).
El 5,4% no hace ninguna verificación más allá de que el agente diga que funciona.
La diferencia se nota en producción. Los equipos sin pruebas CI independientes reportan defectos escapados con más frecuencia (49%) que los que sí las ejecutan (38%). No es que la IA escriba peor: es que el gate de verificación no creció al mismo ritmo que la generación.
El desarrollador es el más expuesto
El 93% de los desarrolladores ha integrado código de IA sin comprenderlo por completo. Y usar un modelo para evaluar a otro no cierra la brecha: los equipos que aplican LLM como juez integran código no comprendido el doble de seguido (29% frente a 15%). En la mediana, las pruebas generadas por IA son “casi correctas, pero no del todo” el 65% de las veces.
El dinero también revela la prioridad. El 50% destina la mayor parte de su presupuesto de pruebas de IA a generar resultados; solo el 17% a verificarlos. Y apenas el 13% tiene un plan de respuesta para errores de la IA.
Qué hacer antes del próximo merge
- Un gate independiente: pruebas automáticas en CI que no dependan del mismo modelo que escribió el código.
- Revisión por muestreo: si el volumen impide leer todo, define qué archivos críticos siempre pasan por ojos humanos.
- Pruebas adversariales: solo el 28% prueba agentes contra usuarios que intentan romperlos.
- Plan de incidentes: define quién apaga el agente, cómo se revierte y cómo se comunica.
El informe lo publica un proveedor de herramientas de calidad, así que conviene leerlo con esa advertencia. Pero la pregunta que deja es válida para cualquier equipo: si la IA ya escribe la mitad de tu código, ¿quién firma cuando algo falla? El dato de GitHub de que 4 de cada 10 pull requests ya las empieza un agente sugiere que esa pregunta llegará antes de lo que parece.
Más en: Inteligencia Artificial, Programación
