Esa confianza se desploma en cuanto el código llega a producción. El informe revela una "desconexión estructural": una contradicción directa entre cómo se califica el código durante la revisión y cómo se comporta realmente bajo las cargas de trabajo del mundo real .

• El 81% de los líderes tecnológicos empresariales reporta un aumento directo de incidentes en producción vinculados al código generado por IA .
• El 78% de los encuestados reporta más incidentes en general .
• El 86% reporta un aumento en el tiempo que el personal sénior dedica a corregir ese código .
• El 74% afirma que al menos el 25% del código generado por IA necesita ser reelaborado después del despliegue .

Este patrón tiene un nombre que el informe destaca: "vibe coding" —la práctica de generar y desplegar código basándose principalmente en la confianza— se ha vuelto común, y esa confianza no verificada está provocando una crisis en producción .

Más allá de New Relic: un problema que se extiende en la industria

New Relic no es la única entidad dando la voz de alarma. Otros informes sectoriales de 2026 pintan el mismo panorama:

• El informe State of AI-Powered Engineering 2026 de Lightrun reveló que el 43% de los cambios en el código generado por IA requieren depuración manual en producción, incluso después de superar las pruebas de control de calidad (QA) y de preproducción (staging). Ningún encuestado afirmó que su organización pudiera verificar una corrección sugerida por IA en un solo ciclo de redespliegue; el 88% necesitó de dos a tres ciclos .
• El informe AI Engineering Report 2026 de Faros descubrió que los errores (bugs) por desarrollador han aumentado un 54%, y la proporción de incidentes por pull request (PR) se ha más que triplicado. La relación entre la adopción de IA y la calidad en producción está empeorando, no estabilizándose .
• La encuesta State of Code Developer 2026 de Sonar encontró que la IA ya representa el 42% del código confirmado (committed), y se espera que alcance el 65% para 2027. Sin embargo, el 96% de los desarrolladores no confía plenamente en el código generado por IA, y solo el 48% lo verifica siempre antes de confirmarlo .
• El análisis de CodeRabbit sobre 470 PRs de código abierto mostró que las PRs generadas por IA contienen aproximadamente 1,7 veces más incidencias en total, concentradas en errores de lógica, omisiones en el manejo de errores y hallazgos de seguridad. En el percentil 90, las PRs de IA tenían 26 incidencias, frente a las 12,3 de las PRs humanas .

El problema de fondo no es que la IA escriba mal código. Es que la generación de código funciona a una velocidad de 5 a 10 veces la humana, mientras que la verificación sigue funcionando a la velocidad humana (1x) . Los procesos de revisión de código, diseñados para un ritmo humano, no pueden seguir el volumen de producción de la IA, creando un cuello de botella en la verificación que permite que la falta de fiabilidad se cuele en producción sin ser detectada.

La respuesta: New Relic AI Coding Observability

El 8 de junio de 2026, New Relic abordó directamente esta desconexión anunciando el desarrollo de New Relic AI Coding Observability, una solución de observabilidad de código abierto diseñada específicamente para el desarrollo de software asistido por IA . La funcionalidad está programada para su lanzamiento el 23 de junio de 2026 y estará disponible sin costo adicional para los clientes de New Relic .

Una capa de telemetría neutral para cualquier proveedor

La arquitectura es un punto clave. New Relic construyó deliberadamente AI Coding Observability sobre dos estándares abiertos: OpenTelemetry (OTel) y el Model Context Protocol (MCP) . Esto significa que los equipos no están atados al esquema de telemetría de New Relic ni a un único asistente de codificación de IA. Cualquier asistente que exponga telemetría compatible con MCP —como GitHub Copilot, Cursor, Claude Code y otros— puede integrarse en la misma capa de observabilidad . En un mercado donde la herramienta de codificación dominante en 2027 podría no ser la misma que la de hoy, la neutralidad del proveedor es una necesidad práctica.

Tres capacidades principales

El anuncio de New Relic describe tres pilares fundamentales para AI Coding Observability :

1. Visibilidad — Rastrear cómo se utilizan los asistentes de codificación de IA durante el desarrollo: qué herramientas, con qué frecuencia y qué producen. El objetivo es transformar el uso fragmentado y no monitorizado de la IA en una práctica de ingeniería gobernada y medible.
2. Control de Costos — Predecir y controlar el gasto en codificación con IA mediante alertas de presupuesto. Esto aborda directamente un punto ciego reportado por los equipos de FinOps, quienes reciben habitualmente facturas mensuales opacas por el uso de herramientas de IA para codificar sin comprender el valor entregado .
3. Gobernanza — Mantener las consultas y la generación de código seguras y auditables, incluyendo un modo de "salida cero" (zero-outbound) que mantiene los datos confidenciales dentro de la red de la organización .

Conectando el desarrollo con la producción

La apuesta estratégica es la correlación. AI Coding Observability está siendo diseñada para normalizar la telemetría de los asistentes de codificación de IA y correlacionarla sin problemas con la infraestructura de producción existente . La idea es crear un panel de control unificado donde los equipos puedan rastrear un cambio generado por IA desde el entorno de desarrollo integrado (IDE), pasando por el despliegue, hasta la producción, y luego ver si ese cambio se correlaciona con un pico de incidentes horas o días después.

Por qué esto marca un punto de inflexión para el liderazgo en ingeniería

Los CTOs han pasado los años 2024 y 2025 centrados en la adopción y las ganancias de productividad de los asistentes de codificación con IA. Los datos de New Relic, Lightrun, Faros, Sonar y otros dejan claro que la siguiente fase debe centrarse en la verificación, la fiabilidad y la responsabilidad de costos.

La tasa de confianza del 94% durante la revisión de código no es intrínsecamente errónea: la IA a menudo produce código limpio, legible y sintácticamente correcto que supera el análisis estático. El modo de fallo es ambiental: el código generado por IA funciona bien en el entorno limitado de una pull request, pero falla ante la complejidad de los datos de producción, el comportamiento real del usuario y las interacciones del sistema que ninguna revisión de código puede simular por completo. Sin una observabilidad que abarque ambas fases, las organizaciones están calificando en una curva que la producción se niega a respetar.

New Relic AI Coding Observability representa un intento directo de cerrar ese ciclo, moviendo a la industria de "confía en la revisión" a "verifica en producción".

Esa confianza se desploma en cuanto el código llega a producción. El informe revela una "desconexión estructural": una contradicción directa entre cómo se califica el código durante la revisión y cómo se comporta realmente bajo las cargas de trabajo del mundo real .

• El 81% de los líderes tecnológicos empresariales reporta un aumento directo de incidentes en producción vinculados al código generado por IA .
• El 78% de los encuestados reporta más incidentes en general .
• El 86% reporta un aumento en el tiempo que el personal sénior dedica a corregir ese código .
• El 74% afirma que al menos el 25% del código generado por IA necesita ser reelaborado después del despliegue .

Este patrón tiene un nombre que el informe destaca: "vibe coding" —la práctica de generar y desplegar código basándose principalmente en la confianza— se ha vuelto común, y esa confianza no verificada está provocando una crisis en producción .

Más allá de New Relic: un problema que se extiende en la industria

New Relic no es la única entidad dando la voz de alarma. Otros informes sectoriales de 2026 pintan el mismo panorama:

• El informe State of AI-Powered Engineering 2026 de Lightrun reveló que el 43% de los cambios en el código generado por IA requieren depuración manual en producción, incluso después de superar las pruebas de control de calidad (QA) y de preproducción (staging). Ningún encuestado afirmó que su organización pudiera verificar una corrección sugerida por IA en un solo ciclo de redespliegue; el 88% necesitó de dos a tres ciclos .
• El informe AI Engineering Report 2026 de Faros descubrió que los errores (bugs) por desarrollador han aumentado un 54%, y la proporción de incidentes por pull request (PR) se ha más que triplicado. La relación entre la adopción de IA y la calidad en producción está empeorando, no estabilizándose .
• La encuesta State of Code Developer 2026 de Sonar encontró que la IA ya representa el 42% del código confirmado (committed), y se espera que alcance el 65% para 2027. Sin embargo, el 96% de los desarrolladores no confía plenamente en el código generado por IA, y solo el 48% lo verifica siempre antes de confirmarlo .
• El análisis de CodeRabbit sobre 470 PRs de código abierto mostró que las PRs generadas por IA contienen aproximadamente 1,7 veces más incidencias en total, concentradas en errores de lógica, omisiones en el manejo de errores y hallazgos de seguridad. En el percentil 90, las PRs de IA tenían 26 incidencias, frente a las 12,3 de las PRs humanas .

El problema de fondo no es que la IA escriba mal código. Es que la generación de código funciona a una velocidad de 5 a 10 veces la humana, mientras que la verificación sigue funcionando a la velocidad humana (1x) . Los procesos de revisión de código, diseñados para un ritmo humano, no pueden seguir el volumen de producción de la IA, creando un cuello de botella en la verificación que permite que la falta de fiabilidad se cuele en producción sin ser detectada.

La respuesta: New Relic AI Coding Observability

El 8 de junio de 2026, New Relic abordó directamente esta desconexión anunciando el desarrollo de New Relic AI Coding Observability, una solución de observabilidad de código abierto diseñada específicamente para el desarrollo de software asistido por IA . La funcionalidad está programada para su lanzamiento el 23 de junio de 2026 y estará disponible sin costo adicional para los clientes de New Relic .

Una capa de telemetría neutral para cualquier proveedor

La arquitectura es un punto clave. New Relic construyó deliberadamente AI Coding Observability sobre dos estándares abiertos: OpenTelemetry (OTel) y el Model Context Protocol (MCP) . Esto significa que los equipos no están atados al esquema de telemetría de New Relic ni a un único asistente de codificación de IA. Cualquier asistente que exponga telemetría compatible con MCP —como GitHub Copilot, Cursor, Claude Code y otros— puede integrarse en la misma capa de observabilidad . En un mercado donde la herramienta de codificación dominante en 2027 podría no ser la misma que la de hoy, la neutralidad del proveedor es una necesidad práctica.

Tres capacidades principales

El anuncio de New Relic describe tres pilares fundamentales para AI Coding Observability :

1. Visibilidad — Rastrear cómo se utilizan los asistentes de codificación de IA durante el desarrollo: qué herramientas, con qué frecuencia y qué producen. El objetivo es transformar el uso fragmentado y no monitorizado de la IA en una práctica de ingeniería gobernada y medible.
2. Control de Costos — Predecir y controlar el gasto en codificación con IA mediante alertas de presupuesto. Esto aborda directamente un punto ciego reportado por los equipos de FinOps, quienes reciben habitualmente facturas mensuales opacas por el uso de herramientas de IA para codificar sin comprender el valor entregado .
3. Gobernanza — Mantener las consultas y la generación de código seguras y auditables, incluyendo un modo de "salida cero" (zero-outbound) que mantiene los datos confidenciales dentro de la red de la organización .

Conectando el desarrollo con la producción

La apuesta estratégica es la correlación. AI Coding Observability está siendo diseñada para normalizar la telemetría de los asistentes de codificación de IA y correlacionarla sin problemas con la infraestructura de producción existente . La idea es crear un panel de control unificado donde los equipos puedan rastrear un cambio generado por IA desde el entorno de desarrollo integrado (IDE), pasando por el despliegue, hasta la producción, y luego ver si ese cambio se correlaciona con un pico de incidentes horas o días después.

Por qué esto marca un punto de inflexión para el liderazgo en ingeniería

Los CTOs han pasado los años 2024 y 2025 centrados en la adopción y las ganancias de productividad de los asistentes de codificación con IA. Los datos de New Relic, Lightrun, Faros, Sonar y otros dejan claro que la siguiente fase debe centrarse en la verificación, la fiabilidad y la responsabilidad de costos.

La tasa de confianza del 94% durante la revisión de código no es intrínsecamente errónea: la IA a menudo produce código limpio, legible y sintácticamente correcto que supera el análisis estático. El modo de fallo es ambiental: el código generado por IA funciona bien en el entorno limitado de una pull request, pero falla ante la complejidad de los datos de producción, el comportamiento real del usuario y las interacciones del sistema que ninguna revisión de código puede simular por completo. Sin una observabilidad que abarque ambas fases, las organizaciones están calificando en una curva que la producción se niega a respetar.

New Relic AI Coding Observability representa un intento directo de cerrar ese ciclo, moviendo a la industria de "confía en la revisión" a "verifica en producción".