El teu equip fa un any amb un assistent d'IA a l'editor i decideix si paga agents de codi, que obren canvis sencers pel seu compte. El lògic seria esperar un altre salt com el del primer any. Dos estudis causals apunten a una cosa més modesta.
Si el teu equip ja treballa amb Copilot o alguna cosa semblant, un agent més li dona poca velocitat i li puja la complexitat. En la nostra experiència, el salt arriba amb el sistema que es construeix al voltant: especificacions i gates, comprovacions automàtiques que un canvi ha de passar per entrar, que verifiquen la feina de l'agent.
Què mesuren els dos estudis
Hao He, Shyam Agarwal, Bogdan Vasilescu i els seus coautors comparen, mes a mes, projectes de codi obert de GitHub que adopten una eina d'IA amb projectes semblants que no, per separar-ne l'efecte del que hauria passat igualment.
A l'estudi sobre Cursor (MSR 2026), la velocitat puja molt i de manera passatgera, mentre que els avisos de l'anàlisi estàtica (els problemes que una eina detecta al codi sense executar-lo) i la complexitat pugen de manera substancial i es queden. Els autors conclouen que aquesta pujada explica bona part de l'alentiment posterior.
El d'agents, del gener del 2026, mira els que obren pull requests (peticions per integrar un canvi al codi comú) pel seu compte. El salt de velocitat és gran i arriba al principi només quan l'agent és la primera eina d'IA del projecte; amb un editor amb IA previ, el guany és mínim o dura poc. La qualitat empitjora en tots els casos: al voltant d'un 18 % més d'avisos i un 39 % més de complexitat cognitiva, que mesura com costa de seguir un fragment de codi en llegir-lo.
A onext ho hem vist: la majoria dels nostres clients fan servir Copilot i tenen llicència d'alguna IA, i el canvi, tant en la velocitat com en la consistència i la qualitat del que es lliura, passa per construir agents, skills i gates.
Límit Els dos estudis miren projectes de codi obert, i un equip d'empresa té les seves pròpies regles. Les xifres del 18 % i el 39 % surten del resum de l'estudi d'agents; el de Cursor no en dona magnituds. Cap dels dos mesura l'efecte de les especificacions ni dels gates.
Què cal fer abans de pagar més agent
Mesurar la complexitat està bé, però no és el primer. Abans cal decidir què vol dir «ben fet» a l'equip: una especificació que l'agent hagi de seguir i uns gates que no es pugui saltar. Si no, mesures la complexitat d'una cosa que ningú ha definit. Primer el sistema i després el comptador.
Manel Marcos, responsable tècnic i cofundador d'onext, ho té clar sobre el límit de complexitat: «Un límit de complexitat només serveix si viu al pipeline. Si l'agent pot saltar-se'l amb un comentari o desactivant una regla, no és un límit, és un suggeriment. El que funciona és tractar-lo com un test: el canvi que el supera no entra, l'hagi escrit una persona o un agent, i qui vulgui pujar el llindar ha de proposar-ho i justificar-ho com qualsevol altra decisió d'arquitectura.»
Amb això definit, mesura la complexitat i els avisos de l'anàlisi estàtica abans d'engegar l'agent, per tenir amb què comparar, i mira la tendència cada mes al costat de les mètriques de lliurament que ja segueixis. Si la complexitat continua pujant quan la velocitat ja s'ha estabilitzat, l'agent està cobrant en manteniment el que va avançar en lliurament.
Si vols veure en quin punt es troba el teu equip abans de decidir, l'autodiagnòstic té 16 preguntes i és gratis (en castellà).
Preguntes freqüents
Passar d'un assistent d'IA a agents de codi accelera un equip?
Segons un estudi del gener del 2026 sobre projectes de codi obert de GitHub, el salt de velocitat és gran i arriba al principi només quan l'agent és la primera eina d'IA del projecte. Si el projecte ja feia servir un editor amb IA, el guany és mínim o dura poc.
Què li passa a la qualitat del codi quan un equip adopta agents?
En el mateix estudi, els avisos de l'anàlisi estàtica pugen al voltant d'un 18 % i la complexitat cognitiva, al voltant d'un 39 %, i la pujada es manté també quan la velocitat deixa de millorar. Els autors ho descriuen com a deute tècnic que deixa l'agent.
Què diu l'estudi sobre Cursor?
Que adoptar Cursor porta una pujada de velocitat gran, estadísticament significativa i passatgera, i una pujada substancial i persistent dels avisos de l'anàlisi estàtica i de la complexitat del codi. Amb una segona anàlisi, els autors conclouen que aquesta pujada explica bona part de l'alentiment posterior. Es va presentar a MSR 2026.
Què és la complexitat cognitiva del codi?
És una mètrica creada per SonarSource per mesurar com costa d'entendre un mètode o una funció en llegir-lo. La calculen eines d'anàlisi estàtica com SonarQube, i als estudis serveix per veure si el codi es torna més difícil de mantenir.
Què és un gate de qualitat per a un agent de codi?
És una comprovació automàtica que un canvi ha de passar per entrar al codi, l'hagi escrit una persona o un agent. Un exemple és un límit de complexitat al pipeline que rebutja el canvi que el supera.
Què pot fer un equip abans de pagar agents de codi?
Definir què és «ben fet» amb una especificació que l'agent segueixi i uns gates que no es pugui saltar, mesurar després la complexitat i els avisos de l'anàlisi estàtica del seu codi, i revisar la tendència cada mes al costat de la velocitat de lliurament.
Fonts
- Shyam Agarwal, Hao He i Bogdan Vasilescu, «AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development», arXiv:2601.13597, v1 del 20 de gener de 2026 i v2 del 27 de gener de 2026.
- Hao He, Courtney Miller, Shyam Agarwal, Christian Kästner i Bogdan Vasilescu, «Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects», arXiv:2511.04427, v3 del 26 de gener de 2026 (MSR 2026).
Bernat López és fundador i CEO d'onext, boutique d'IA. Acompanya equips de desenvolupament i de producte a treballar amb IA amb mètode —especificació abans de programar, una persona que decideix on hi ha risc i Spec-Driven Development— i aplica a la seva pròpia empresa el que proposa: onext funciona amb el seu propi sistema agèntic.
LinkedIn →