Ejemplo ilustrativo de diseño. No es una crónica verificada. Este artículo existe para demostrar la composición y la estructura editorial del blog. Su narrativa y sus cifras no han sido verificadas para publicación.
3.296 commits en 148 días activos. Tres frentes en paralelo. Una pregunta incómoda: ¿la IA cambió mi producción o solo cambió la cantidad de código que podía generar?
La primera respuesta era precisa y estaba mal. Las líneas de código sin filtrar sugerían un cambio del 31%. Al contar solo trabajo desplegado, el resultado subió a 64%. Una métrica que se duplica cuando cambia una exclusión no es una conclusión. Es una alerta.
En pocas palabras
La IA aumentó la cantidad de trabajo de producción que pude sostener, pero ninguna métrica del repositorio demuestra por sí sola el tamaño de ese aumento. El resultado defendible apareció al cruzar actividad, alcance desplegado y costo de reemplazo, sin esconder las diferencias entre los tres métodos.
Un solo número nunca fue suficiente
Los commits describen actividad. No describen dificultad, valor ni si el código llegó a un usuario. Las líneas de código son todavía menos útiles cuando la muestra mezcla archivos generados, migraciones, lockfiles y experimentos eliminados.
Usé tres vistas porque cada una falla de una manera distinta:
| Vista | Lo que puede mostrar | Lo que no puede mostrar |
|---|---|---|
| Actividad en Git | Días activos, ritmo y amplitud de repositorios | Valor del producto o dificultad de la tarea |
| Alcance desplegado | Trabajo que sobrevivió revisión y llegó a producción | La calidad de las decisiones que lo hicieron posible |
| Costo de reemplazo | Una comparación de mercado para la superficie entregada | El equipo exacto que habría producido el mismo sistema |
La intersección importa más que cualquier estimación aislada. Si las tres apuntan en la misma dirección, la afirmación gana fuerza. Si no coinciden, la diferencia también hace parte del resultado.
Las exclusiones cambiaron la respuesta
La muestra inicial trataba todas las líneas como equivalentes. Contaba artefactos generados junto al código de aplicación escrito a mano. También convertía una eliminación grande en producción negativa, incluso cuando borrar ese código era la decisión correcta.
La segunda muestra excluyó archivos generados, snapshots de dependencias y código que nunca llegó a una rama desplegada. El resultado pasó de 31% a 64%.
Ese cambio no demostró que 64% fuera correcto. Demostró que el 31% escondía supuestos.
Por eso vale la pena publicar el método. Un multiplicador sin filtros es mercadeo. Un multiplicador con consultas, exclusiones y cálculos alternativos es un argumento que otra persona puede cuestionar.
La producción es un sistema, no velocidad al escribir
La IA cambió más que la velocidad de implementación. Cambió la cantidad de frentes que podía mantener coherentes al mismo tiempo. Eso incluye investigación, código, decisiones de producto, verificación y el trabajo poco visible de cerrar vacíos entre todos ellos.
El costo también se movió. Implementar más rápido produjo más trabajo de revisión. Trabajar en paralelo aumentó el riesgo de repetir un supuesto equivocado en varios repositorios. El cuello de botella dejó de ser producir código y pasó a ser decidir qué merecía sobrevivir.
Por eso no uso completions aceptadas, tokens generados ni cantidad de prompts como medida principal. Esas cifras describen el uso de una herramienta. Me interesa el comportamiento desplegado y el costo de mantenerlo.
Lo que cambié
La medición cambió cuatro cosas en mi forma de trabajar:
- Separo la actividad generada del trabajo desplegado.
- Registro días activos en lugar de fingir que el tiempo calendario equivale a trabajo.
- Comparo al menos dos métodos antes de publicar un multiplicador.
- Cuento revisión, retrabajo y código eliminado dentro del costo.
El método toma más tiempo que una captura del panel de una herramienta de IA. También produce una afirmación menos limpia. Esa es la idea.
Supuestos y límites
- El historial de commits es un proxy: los commits pueden combinarse, dividirse o moverse entre repositorios. La cifra describe el registro disponible, no cada hora trabajada.
- Código desplegado no equivale a valor: una decisión de diez líneas puede importar más que una funcionalidad de mil.
- El costo de reemplazo es direccional: la estructura del equipo, la compensación, el conocimiento del dominio y la coordinación cambian la estimación.
- El periodo no es un experimento controlado: la mezcla de productos, la familiaridad y las herramientas cambiaron durante los 148 días activos.
El número que menos confío suele ser el más limpio. La pregunta útil no es si la IA me hizo 31% o 64% más productivo. Es cuáles supuestos deben ser ciertos antes de que cualquiera de las dos cifras pueda salir de la hoja de cálculo.