Deuda técnica, seguridad y revisión humana en contribuciones Python generadas por agentes de inteligencia artificial

Resumen

El estudio comparó la deuda técnica, las posibles alertas de seguridad y los patrones de revisión humana presentes en contribuciones de código Python generadas por agentes de inteligencia artificial y por desarrolladores humanos en proyectos de código abierto. Para ello, se adoptó un enfoque cuantitativo, observacional y retrospectivo, sustentado en datos procedentes de AIDev y GitHub. Se analizaron 200 contribuciones realizadas por agentes y 200 contribuciones humanas, emparejadas según el repositorio, el tipo de tarea y el alcance de la modificación. Además, se controlaron variables como la temporalidad, la cantidad de líneas modificadas, el número de archivos intervenidos y los commits efectuados. Los cambios producidos antes y después de cada contribución se evaluaron mediante las herramientas Ruff, Radon y Semgrep, diferenciando las revisiones efectuadas por personas de las intervenciones automáticas. Los resultados no evidenciaron diferencias estadísticamente significativas en la densidad de nuevos hallazgos relacionados con la mantenibilidad, la variación del índice de mantenibilidad, la complejidad ciclomática ni las alertas de seguridad validadas. Sin embargo, las contribuciones generadas por agentes recibieron revisión humana con menor frecuencia que las realizadas por desarrolladores humanos, con porcentajes de 36,5 % y 67,5 %, respectivamente. Asimismo, las contribuciones de agentes presentaron una menor tasa de fusión, correspondiente al 52,0 %, frente al 83,5 % registrado en las contribuciones humanas. En los casos en que ambos integrantes del par fueron sometidos a revisión, no se identificaron diferencias relevantes en la cantidad de mensajes, revisores, rondas de revisión ni tiempos empleados. Los modelos ajustados confirmaron que las contribuciones generadas por agentes tenían una menor probabilidad de ser revisadas y fusionadas, sin que las métricas técnicas permitieran explicar esta diferencia. En consecuencia, se concluyó que el principal contraste no se relaciona con un deterioro técnico detectable del código, sino con la existencia de patrones diferenciados de supervisión e integración, los cuales varían según el agente y el repositorio analizado.