Agentes
GitHub Octoverse 2026: los agentes de IA ya inician más del 40 % de las pull requests
Según el Octoverse 2026 de GitHub, más del 40 % de las pull requests de septiembre partieron del borrador de un agente, frente al 17 % en marzo. Qué miden estas cifras.
En marzo de 2026, el 17 % de las pull requests en GitHub partía de un borrador escrito por un agente de programación. En septiembre, ya era más del 40 %. Es la cifra principal del informe anual Octoverse de GitHub, publicado el 28 de octubre de 2026 junto con los anuncios de GitHub Universe (GitHub).
Son mediciones de GitHub sobre su propia plataforma. GitHub también vende Copilot y sus agentes de programación, así que el informe sirve para entender el uso de la plataforma, pero no es una auditoría independiente.
Las cifras clave
- Pull requests iniciadas por un agente: más del 40 % en septiembre de 2026, frente al 17 % en marzo; unos 110 millones solo en septiembre, aproximadamente seis veces el volumen de marzo.
- Actividad total: 17.900 millones de push en los 12 meses hasta el 30 de septiembre de 2026, más que en 2024 y 2025 juntos, 34.300 millones de commits y 1.300 millones de pull requests fusionadas (unos 3,5 millones al día).
- Agentes entre los usuarios de Copilot: el 55 % de los usuarios activos mensuales de Copilot usa funciones de agente, frente al 35 % un año antes.
- Varios modelos: en septiembre, el 61 % de los usuarios de Copilot que eligen su modelo usó más de uno, frente al 50 % cuatro meses antes.
Fuente de todas las cifras: el artículo Octoverse 2026 de GitHub.
Qué significa «iniciada por un agente»
GitHub cuenta una pull request como iniciada por un agente cuando su primer borrador procede de un agente de programación que GitHub puede detectar. Si después un desarrollador reescribe una parte, sigue contando. GitHub presenta la cifra como un mínimo, porque parte del uso de agentes no se detecta.
Por tanto, el 40 % no significa que los agentes hayan escrito el 40 % del código fusionado en GitHub. El informe no dice qué parte de cada borrador sobrevive a la revisión ni separa repositorios públicos y privados.
¿Se fusionan igual las pull requests de agentes?
Según GitHub, alrededor del 87 % de las pull requests iniciadas por un agente modifican varios archivos, frente al 79 % de las demás. En febrero, el 83 % de las pull requests con participación de un agente se fusionaba en menos de dos semanas, algo por debajo del 86 % aproximado del resto. En septiembre, la cifra de los agentes llegó al 90 %, mientras el grupo de comparación seguía en torno al 86 %.
Una tasa de fusión indica si un cambio se aceptó, no si era correcto ni si luego hubo que rehacerlo. GitHub señala además que los repositorios nuevos con un archivo de configuración de agente registraron ocho veces más commits que los que no lo tienen: es una correlación, no una prueba de causa.
La revisión se convierte en el cuello de botella
Si los agentes redactan una parte creciente de los cambios, el trabajo humano se desplaza hacia definir la tarea y revisar el resultado. Los lanzamientos de GitHub esa misma semana apuntan en esa dirección: Copilot Fusion elige y combina modelos para cada tarea, y Agent Merge vigila las pull requests para tratar comprobaciones fallidas y conflictos de fusión.
El informe indica también que el uso de la revisión de código asistida por IA y de GitHub Advanced Security creció más del 90 % en un año, y que la protección de push, que bloquea secretos expuestos, realizó 5.800 millones de análisis este año.
Lenguajes y países
TypeScript sigue siendo el lenguaje más usado en GitHub por número de contribuidores, por delante de Python y JavaScript. GitHub cuenta ya más de 225 millones de desarrolladores. Estados Unidos (38,3 millones) e India (32 millones) son las dos comunidades más grandes; Brasil suma 10,2 millones.
Lo que hay que retener
- El 40 % es la proporción de pull requests cuyo primer borrador procede de un agente detectable, medida por GitHub en su propia plataforma.
- Es un mínimo, no una medida de la calidad del código ni de cuánto código de agentes llega a producción.
- Para un equipo, la pregunta práctica ya no es tanto si usar agentes, sino cómo revisar su trabajo: pruebas, comprobaciones obligatorias e instrucciones claras.
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones
