La revolución de los asistentes de código con IA: lo que nos dicen 400 mil repositorios

Si sigues de cerca el mundo del desarrollo, habrás notado cómo los asistentes de código basados en IA han dejado de ser una novedad para convertirse en herramientas habituales. Programas como Cursor o GitHub Copilot forman parte del día a día de muchos equipos. Sin embargo, la pregunta clave sigue siendo la misma: ¿qué herramientas están ganando terreno y cómo las están usando realmente las personas que las adoptan?

Un estudio reciente analizó más de 400 mil repositorios públicos en GitHub para medir el alcance real de estas herramientas. Los resultados ofrecen una visión más matizada de lo que cabría imaginar.

Cómo se recopiló la información

El enfoque del estudio fue bastante claro. Los investigadores buscaron patrones específicos de archivos que identifican cada asistente de IA. Por ejemplo, archivos como .cursorrules para Cursor y configuraciones similares para otras plataformas. Usaron la API REST de GitHub para localizar estos archivos en repositorios públicos.

Pero no se quedaron en la mera detección. Aplicaron la API GraphQL para añadir contexto: fechas de creación, tamaño de los archivos y su evolución a lo largo del tiempo. Esto permite distinguir entre repositorios que solo tienen la configuración inicial y aquellos donde los equipos mantienen y actualizan sus configuraciones.

Lo que muestran los datos

Encontrar 400 mil repositorios con configuraciones de asistentes de IA es significativo, pero los investigadores señalan que esto representa intención más que uso real. Tener un archivo .cursorrules indica que alguien decidió optimizar su flujo de trabajo con la IA, but it doesn't capture developers using these tools without explicit configuration, or teams adopting them incrementally.

La investigación analiza varias dimensiones:

Cuota de mercado: muestra qué herramientas son más populares entre los desarrolladores.

Patrones de configuración: revela cómo los equipos personalizan estas herramientas. El tamaño y la frecuencia de actualización de los archivos de configuración indican si se usan por defecto o si se adaptan al code base de forma específica.

Uso simultáneo de múltiples herramientas: muchos equipos no se decantan por una sola herramienta. They experiment with multiple tools simultaneously, suggesting the ecosystem is still fragmented and exploratory.

Características de los repositorios: la vertiente de lenguaje, el número de stars y el tipo de propietario (individual o organización) correlacionan con la adopción de estas herramientas.

Los límites del estudio

The researchers get exactly right: they frontload the caveats. Solo se analizaron repositorios públicos. Los repositorios privados de GitHub, donde probablemente se encuentra la mayor parte de la integración de IA en empresas, se quedan fuera de la vista. The dataset represents configuration intentions, not usage metrics. Hay posible sesgo hacia equipos más sofisticados que documentan explícito