La IA no está expulsando a los nuevos programadores del código abierto. Está volviéndolos invisibles.
Un estudio de Peking University publicado en arXiv el 2 de julio analizó 1,888 repositorios de GitHub que adoptaron agentes de código como Cursor y Claude Code, y encontró que la participación de nuevos contribuidores no disminuyó de forma estadísticamente significativa. Pero eso no significa que todo esté bien.
Los investigadores usaron diferencia-en-diferencias, el estándar oro para inferencia causal, y restringieron el análisis a 603 proyectos con al menos seis meses de historial antes de adoptar IA. El resultado más conservador mostró un descenso del 1.5% en nuevos contribuidores, sin significancia estadística.
La conclusión es clara: los agentes de IA no están empujando a los newcomers fuera de la puerta.
Lo que sí cambió: el código y la carga
La complejidad del código sí aumentó. La ciclomática subió entre 3% y 4% en todos los lenguajes, y la cognitiva —que penaliza lógica anidada y flujos enmarañados— saltó ~11% en proyectos Python.
Suena preocupante hasta que lo comparas con un estudio anterior de Carnegie Mellon que encontró un aumento del 41% con Cursor. Este nuevo estudio, con proyectos más establecidos y controles estadísticos más estrictos, reduce en una cuarta parte de esa cifra.
Pero donde se pone interesante es cuando los investigadores bloquearon el análisis en los 128 proyectos Python donde la complejidad realmente aumentó. En esos mismos repos, la entrada no cayó, la retención se mantuvo y la base de contribuidores activos creció. Ambos efectos son reales, pero no parecen conectados.
El código generado por IA se vuelve un poco más complicado, pero esa complejidad adicional no está desalentando a los nuevos, al menos a los niveles que este estudio encontró.
El problema real: los maintainers se ahogan
La pregunta que nadie hacía —y que ahora importa más— no es si la IA cambia quién contribuye, sino si cambia el esfuerzo necesario para mantener un proyecto.
Los datos son brutales: los pull requests mergeados en GitHub crecieron de ~25 millones/mes en 2023 a ~90 millones/mes hoy. El código que llega en esos PRs es más complejo. Quienes lo envían quizá no entienden completamente lo que están proponiendo. Y todo eso cae sobre maintainers cuyos rangos no crecen ni de cerca al mismo ritmo.
Un estudio de 2024 en PNAS Nexus comparó actividad de Stack Overflow en inglés (donde ChatGPT estaba disponible) con versiones en ruso y chino (donde no), y con foros de matemáticas (donde los LLMs son más débiles). Dentro de los seis meses posteriores al lanzamiento de ChatGPT, la actividad en inglés cayó 25% respecto a esos controles. Y eso es un límite inferior.
La fricción visible que odiábamos —preguntar en Stack Overflow, abrir un issue, quedar expuesto como novato— era la que generaba pertenencia. Cuando alguien preguntaba en público, ambas partes se veían: el newcomer descubría que había una comunidad, y la comunidad descubría al newcomer.
La IA absorbe esa fricción en privado. El usuario resuelve su problema, avanza, pero nunca sabe que está al borde de un proyecto con personas detrás. Y el proyecto nunca sabe que esa persona existe.
El estudio de Peking University cierra una puerta: los agentes de IA no están expulsando a nadie. Pero abre otra más incómoda: el código abierto sobrevivió a la amenaza de perdida de contribuidores. Ahora enfrenta la de losing maintainers. Y esa no tiene solución con un paper de arXiv.
Fuentes
- The New Stack: A new study just debunked the biggest fear about AI and open source
- stdlib blog: What We’re No Longer Seeing: AI and the Invisible Newcomer in Open Source
- ToolFi: AI coding agents do not harm open-source newcomer participation
- PNAS Nexus: Large language models reduce public knowledge sharing on Q&A platforms
Más en: Inteligencia Artificial, Programación
