84% de desarrolladores usa IA para codificar, pero 46% no confía en los resultados
Introducción
Un dato de la semana sacudió la industria: el 84% de los desarrolladores usa herramientas de IA para codificar, pero el 46% no confía en la exactitud de los resultados. La adopción es masiva, pero la confianza sigue siendo el talón de Aquiles.
Mientras tanto, NVIDIA presentó CUDA Rust para escribir kernels de GPU directamente en Rust, Cloudflare lanzó un security-audit-skill para agentes auditores de seguridad, y Jev (un modelo "sin chat" de TypeSafe AI) gana tracción como alternativa a los chatbots tradicionales.
En resumen:
- 84% de desarrolladores usa IA coding tools; 46% no confía en los resultados
- NVIDIA CUDA Rust: kernels de GPU en Rust, compilados a PTX
- Cloudflare security-audit-skill: agente auditor de seguridad en 6 fases
- Jev (TypeSafe AI): modelo sin chat que devuelve decisiones tipadas
- McKinsey: inversión en desarrollo agéntico se duplica en 2026
84% usa IA, 46% no confía: el dato que preocupa
Un estudio de la semana revela que la adopción de herramientas de IA para codificar es masiva, pero la confianza sigue siendo baja.
Qué dice el estudio
- 84% de desarrolladores usa o planea usar herramientas de IA para codificar
- 46% no confía en la exactitud de los resultados que generan
- 41% reporta que pasa más tiempo revisando código generado por IA que escribiendo código nuevo
Por qué importa
- La productividad no crece si hay que revisar todo: si el desarrollador pasa más tiempo revisando que escribiendo, la ganancia neta es marginal
- La confianza es el cuello de botella: hasta que los desarrolladores confíen en el output de la IA, no van a delegar tareas críticas
- El desafío no es técnico, es de validación: el código generado por IA necesita revisión humana, y eso tiene un costo
Cómo mejorar la confianza
- Usar modelos más especializados: modelos entrenados para code review (como Claude Opus 5) generan código más confiable
- Implementar revisión automática: herramientas como AI Review de Atlassian verifican el código generado antes de mergearlo
- Empezar con tareas de bajo riesgo: delegar primero tareas simples y escalar a medida que la confianza crece
- Medir la tasa de aceptación: si el 70%+ del código generado pasa code review sin cambios, la confianza es alta
NVIDIA CUDA Rust: kernels de GPU en Rust
NVIDIA presentó CUDA Rust, que permite escribir kernels de GPU directamente en Rust y compilar a PTX (el lenguaje intermedio de NVIDIA).
Qué significa
- Rust + GPU: ahora podés escribir kernels de GPU en Rust, no solo en C/C++
- Seguridad de memoria: Rust garantiza seguridad de memoria incluso en código de GPU
- Rendimiento: el rendimiento es comparable al de CUDA C/C++
Para qué sirve
- Desarrollo de IA: escribir kernels de GPU más seguros para modelos de IA
- Computación de alto rendimiento: aplicaciones científicas y de ingeniería
- Gaming: motores de juegos que requieren máximo rendimiento y seguridad
Cloudflare security-audit-skill: agente auditor de seguridad
Cloudflare lanzó security-audit-skill, un flujo de seis fases para convertir un agente de IA en auditor de seguridad.
Las 6 fases
- Reconocimiento: el agente identifica los sistemas y activos a auditar
- Escaneo: busca vulnerabilidades conocidas
- Análisis: evalúa el riesgo de cada vulnerabilidad
- Reporte: genera un informe con hallazgos y recomendaciones
- Remediación: sugiere acciones correctivas
- Verificación: confirma que las correcciones funcionaron
Por qué importa
La seguridad de agentes se está profesionalizando. Ya no es un tema de "configuré mal mi agente": ahora hay frameworks completos para auditar agentes.
Jev: el modelo sin chat que devuelve decisiones tipadas
TypeSafe AI lanzó Jev, un modelo de IA que no es un chatbot. En lugar de generar texto libre, Jev devuelve decisiones tipadas (estructuras de datos, JSON, resultados validados).
Diferencias con los chatbots tradicionales
| Característica | Chatbot tradicional | Jev |
|---|---|---|
| Output | Texto libre | Decisiones tipadas (JSON) |
| Alucinaciones | Altas | Mínimas (estructura forzada) |
| Validación | Manual | Automática (tipos) |
| Consumo directo | Por software (difícil) | Por software (fácil) |
Para qué sirve
- Automatización de procesos: Jev devuelve datos estructurados que otro software puede consumir directamente
- Clasificación: en lugar de texto, devuelve categorías tipadas
- Extracción de datos: devuelve campos estructurados en lugar de párrafos
McKinsey: desarrollo agéntico se duplica
McKinsey proyecta que la inversión en desarrollo agéntico con IA recibirá más del doble que en 2025. Es una de las categorías clave de 2026.
Qué es desarrollo agéntico
Es el uso de agentes de IA autónomos para escribir, probar y desplegar software. No asistentes: agentes que ejecutan tareas completas.
Categorías clave según McKinsey
- Desarrollo agéntico: agentes que escriben y prueban código
- Automatización de procesos: RPA + agentes de IA
- Infraestructura para IA: hardware y plataformas
- Ciberseguridad con IA: detección y respuesta automatizada
Preguntas Frecuentes (FAQs)
- ¿Qué significa que 84% usa IA pero 46% no confía? → Que la adopción de herramientas de IA para codificar es masiva, pero casi la mitad de los desarrolladores no confía en la exactitud del código generado. Pasan más tiempo revisando que escribiendo.
- ¿Qué es CUDA Rust? → Es una extensión de NVIDIA que permite escribir kernels de GPU directamente en Rust y compilar a PTX. Combina la seguridad de memoria de Rust con el rendimiento de CUDA.
- ¿Qué es Jev? → Es un modelo de IA de TypeSafe AI que no genera texto libre, sino decisiones tipadas (estructuras de datos, JSON). Reduce drásticamente las alucinaciones.
- ¿Qué es el security-audit-skill de Cloudflare? → Es un flujo de seis fases para convertir un agente de IA en auditor de seguridad. Incluye reconocimiento, escaneo, análisis, reporte, remediación y verificación.
- ¿Qué es el desarrollo agéntico? → Es el uso de agentes de IA autónomos para escribir, probar y desplegar software. McKinsey proyecta que la inversión se duplicará en 2026.
Conclusión
Tres cosas para llevarte:
- 84% usa IA para codificar, pero 46% no confía: la adopción es masiva, la confianza no. El desafío ahora es la validación, no la generación.
- CUDA Rust y Cloudflare security-audit-skill: el hardware y la seguridad de agentes avanzan. Rust llega a las GPUs, la auditoría de agentes se profesionaliza.
- Jev (modelo sin chat): una nueva línea de diseño. Output estructurado, alucinaciones mínimas. Ideal para automatización y consumo por software.
Suscribite a la newsletter para recibir las novedades de desarrollo. Y contanos en los comentarios: ¿confiás en el código que genera tu herramienta de IA? 👇