GitHub ha abierto Universe, su gran cita anual en San Francisco, poniendo números a algo que cualquiera que programe intuía desde hace meses. En septiembre, más del 40% de las pull requests abiertas en la plataforma (las propuestas de cambio que un desarrollador envía para que otro las revise e integre) arrancaron con un borrador escrito por un agente de inteligencia artificial. En marzo eran el 17%. Solo en septiembre fueron 110 millones, unas seis veces más que medio año antes.Lo he escuchado en directo. Escribo desde el Fort Mason Center, un antiguo recinto militar a pie de bahía donde GitHub celebra Universe los días 28 y 29 de octubre, y donde la keynote inaugural de este 28 de octubre ha servido para desgranar esas cifras ante los desarrolladores que llenaban la sala. Lo que ha subido al escenario es un argumento en dos partes: un año de máximos y un cambio de método en el oficio de programar.Las cifras corresponden al repaso anual que la compañía propiedad de Microsoft hace de la actividad de sus usuarios, con el ejercicio cerrado a 30 de septiembre. El balance de 2026 describe doce meses de máximos en sus cuatro indicadores principales: 17.900 millones de envíos de código (pushes) entre octubre de 2025 y septiembre de 2026, más que la suma de los dos ejercicios anteriores.Los commits, las instantáneas de cambios que se guardan en un repositorio, subieron a 34.300 millones, más del triple que dos años antes. Las pull requests fusionadas se triplicaron con creces respecto a 2024 hasta los 1.300 millones, una media de 3,5 millones al día. Y GitHub Actions, el sistema de automatización de la plataforma, ejecutó 45.400 millones de tareas, 1.440 cada segundo.Los datos tienen letra pequeña, y la pone la propia compañía. Son cifras de telemetría de GitHub, incluyen repositorios públicos y privados y, en el caso de los agentes, distinguen únicamente la actividad en la que la plataforma detecta su intervención; lo demás se agrupa como trabajo sin rastro de agente, no como trabajo humano. Aun con esa cautela, la tendencia es nítida: la actividad creció de forma sostenida desde enero y se disparó en junio.Junio, el mes en que cambió el ritmoGitHub sitúa el punto de inflexión a mediados de año, cuando coincidieron varias cosas: modelos mejores, las herramientas construidas a su alrededor y agentes que dejaron de ser utilidades de una sola sesión para convertirse en procesos persistentes, capaces de seguir una tarea durante días, de coordinar a otros agentes especializados y de ejecutar trabajo en la nube además de en el ordenador del programador. A partir de junio, cerca del 55% de todos los commits procedieron de repositorios recién creados.El resto lo aportaron veteranos. Quienes enviaron código en los últimos doce meses llevan de media 36 meses en la plataforma, y más del 75% de los que abrieron una pull request en agosto volvieron a enviar código en septiembre. Cada desarrollador trabaja ahora en un 10% más de repositorios que un año antes.Hay un dato que GitHub coloca por delante de todos los demás. Entre los repositorios creados en el último ejercicio, los que incluyen un archivo de configuración para un agente de IA (un fichero que le indica cómo debe comportarse en ese proyecto) registraron ocho veces más commits de media que los que no lo tienen. A ese ritmo contribuyen también las automatizaciones: los desarrolladores fusionaron más de 30 millones de pull requests de Dependabot, la herramienta que actualiza dependencias y reduce el uso de versiones con vulnerabilidades conocidas, el doble que en 2025.Dirigir primero, revisar despuésEl cambio de método es el que la compañía ha descrito con más detalle en San Francisco: para una parte creciente del trabajo, el primer movimiento consiste en dar instrucciones a un agente, y la revisión es el momento en que el programador moldea lo que vuelve. Las pull requests iniciadas por agentes tocan varios archivos a la vez en el 87% de los casos, frente al 79% de las que no muestran rastro de agente. También se integran más rápido: en febrero, el 83% se fusionaba en dos semanas, por debajo del 86% del resto; en septiembre, la proporción había subido al 90% mientras el grupo de comparación seguía en el 86%.Entre los usuarios activos de GitHub Copilot, el asistente de la casa, el 55% utiliza ya funciones agénticas, frente al 35% de un año antes. Lo que más crece es la modalidad en la que el humano menos interviene: el agente en la nube, al que se le asigna una tarea para que la resuelva por su cuenta, aumentó un 230% interanual, frente al 85% del chat con agentes. Y los encargos son más ambiciosos: los repositorios públicos que mencionan interoperabilidad o ingeniería inversa pasaron de unos 30.000 creados en 2025 a más de 130.000 en 2026.Si el agente escribe, la revisión gana peso, y ahí es donde más herramienta nueva está apareciendo. Las pull requests apiladas, que trocean un cambio grande en una secuencia de cambios pequeños revisables por orden, salieron en versión preliminar el 30 de julio y en septiembre las habían usado más de 264.000 desarrolladores. El uso de la revisión de código asistida por IA y de GitHub Advanced Security creció más del 90%, y la protección frente a envíos de secretos (claves de API, contraseñas) ejecutó 5.800 millones de escaneos, casi cuatro veces más que en 2025. Importa cuando ya se ha documentado que los errores de los asistentes sirven para colar malware en el ordenador del programador. Quien dirige a un agente sigue respondiendo del resultado, y buena parte de las herramientas nuevas apuntan a ese momento.La pregunta que planea sobre todas estas cifras es si el oficio se encoge o solo cambia de forma. GitHub tiene una respuesta preparada desde hace meses, la de que la IA no sustituye al programador y amplía quién puede crear software, y en Universe la ha vuelto a defender.Un modelo para cada tareaLa otra pata de la keynote es la elección del modelo, y aquí los datos solo cubren Copilot y las peticiones en las que el usuario eligió el modelo por sí mismo. En septiembre, el 61% de esos usuarios empleó más de un modelo en sus sesiones, frente al 50% de cuatro meses antes. Los suscriptores de pago usaron 29 modelos distintos en mayo y 47 en septiembre, y ninguno acaparó más del 25% de las peticiones. De cada 100 solicitudes, 38 fueron a modelos de propósito general, 37 a modelos de razonamiento y planificación y 25 a modelos rápidos y ligeros.GitHub pone ejemplos de cada familia: Claude Opus 5.5 y GPT 5.5 entre los de razonamiento; Claude Sonnet 5, Grok 4.7 y GPT 6.1 Sol entre los generalistas; Claude Haiku 5.5, Gemini 3.8 Flash y GPT 6 Luna entre los ligeros. La compañía insiste en que mide uso observado y no calidad. Los modelos nuevos se usan con intensidad antes de que la mayoría los haya probado, un modelo que pierde cuota de peticiones conserva usuarios durante más tiempo y casi nadie se queda mucho con una sola familia. El precio y la costumbre también pesan, admite GitHub: los desarrolladores sopesan coste y prestaciones y tienden hacia los proveedores en los que ya confían. Desde el 1 de junio, Copilot factura según el consumo en lugar de cobrar una tarifa plana, y cada modelo tiene su propio precio, de modo que la elección se nota en la factura.Muchos prefieren delegar también esa decisión: el 63% de los desarrolladores de pago usó al menos una vez en septiembre la selección automática de modelo. Un paso más allá está Project HydraFusion, el experimento que GitHub lanzó en septiembre como vista previa para que Copilot combine varios modelos en una misma tarea (uno redacta, otro revisa, uno más potente entra si hace falta) y que encaminó casi 60.000 sesiones en la línea de comandos y en la app. La novedad que GitHub ha anunciado en Universe es que ese trabajo pasa a estar disponible de forma general con el nombre de GitHub Copilot Fusion, integrado con la selección automática para elegir el modelo de cada paso sin que el usuario intervenga.Minería, construcción y sanidad también escriben códigoPor primera vez, GitHub clasifica los repositorios públicos por sector económico, con la nomenclatura NAICS de Estados Unidos y un modelo de lenguaje que asigna cada proyecto a la industria a la que sirve a partir de su nombre, descripción y documentación. GitHub advierte de que son estimaciones. Con esa salvedad, los servicios profesionales, científicos y técnicos han pasado del cuarto al segundo puesto desde 2022, solo por detrás del sector de la información, y la minería multiplicó por 65 sus repositorios partiendo de una base muy pequeña; la construcción y los servicios administrativos, por 17 o 18; la industria manufacturera casi se triplicó.La IA se menciona mucho más de lo que se usa en forma de agente. En administración, minería, sanidad y agricultura, más de cuatro de cada diez repositorios hablan de inteligencia artificial, pero menos del 3% tiene pull requests abiertas por un agente. La construcción rompe la pauta: alrededor de una cuarta parte menciona IA y cerca del 9% tiene cambios propuestos por agentes, la mayor proporción de cualquier sector, con la manufactura a continuación.Detrás de los porcentajes hay gente que conoce su oficio y que ahora tiene a mano una IA para programar: un pequeño equipo del sector manufacturero que convierte la foto de unas herramientas en un organizador de cajón a medida, imprimible en 3D; un laboratorio sanitario que facilita el análisis de escaneos digitales de tejidos; una universidad de Copenhague que clasifica en vídeo el comportamiento de las gallinas; el ministerio digital de Bulgaria, que ha liberado un portal para rastrear quién gana cada contrato público y por cuánto; o un novelista con una aplicación gratuita que maqueta el manuscrito como un libro mientras se escribe.Los lenguajes acompañan el movimiento. TypeScript sigue siendo el más usado por número de contribuidores, con Python y JavaScript detrás, y Rust fue el que más creció en porcentaje entre los grandes, hasta duplicar su comunidad en un año. La compañía plantea una cuestión nueva: qué lenguaje elige un agente cuando nadie se lo indica. Entre los repositorios creados en 2026, TypeScript es el lenguaje principal en el 35% de los que muestran señal de agente, frente al 24% de los demás, y GitHub lee esa diferencia de dos maneras: quienes trabajan con agentes prefieren lenguajes en los que es más fácil comprobar lo que sale, y los propios agentes parecen inclinarse por un conjunto más estrecho de lenguajes, con TypeScript a la cabeza.Dónde queda España en el mapa de desarrolladoresGitHub da servicio a más de 225 millones de desarrolladores. Estados Unidos (38,3 millones) e India (32 millones) siguen siendo las dos mayores comunidades y cada una sumó más de diez millones en doce meses; China es la tercera, con 12,4 millones, y Brasil añadió 3,28 millones, la tercera mayor subida, hasta alcanzar los 10,2. Cierran la lista de los diez primeros Japón, Reino Unido, Indonesia, Alemania, Rusia y Francia, esta última con 4,75 millones. España no aparece en ese grupo; GitHub la cita junto a Francia como mercado empujado por las startups de IA y tecnología profunda, dentro de una región EMEA en la que destaca el tirón de Marruecos, Kenia, Nigeria y Sudáfrica.Los 225 millones quedan lejos de los 1.000 millones de desarrolladores que Mario Rodriguez, director de producto de GitHub, imaginaba en una entrevista con este diario en junio, pero las proyecciones empujan en esa dirección. Un año después de publicar sus previsiones a cinco años, todos los países han recorrido al menos una quinta parte del camino hacia su cifra de 2030: Estados Unidos, el 38,6%; India, el 28,3%; Marruecos, más de la mitad. Para 2031, GitHub ha hecho correr 43 modelos de previsión, series temporales y regresiones alimentadas con datos históricos de registros y uso, y el resultado es una horquilla enorme: 21 pronostican que el número de desarrolladores se multiplicará al menos por tres, 19 que se duplicará o triplicará y solo tres se quedan por debajo del doble. La compañía reconoce que sus propios modelos ya no se ponen de acuerdo.Entre tanto número hay un dato pequeño que GitHub ha querido rescatar en San Francisco: el emoji más usado en los repositorios de todos los sectores es el cohete, con mucha diferencia. La compañía lo lee como símbolo de un año de impulso y, a la vez, como recordatorio de lo que no ha cambiado. Alguien tiene que decidir qué construir, y alguien tiene que juzgar si lo que sale de la máquina funciona, encaja y es bueno. Lo que sí ha cambiado, según GitHub, es lo fácil que resulta llevar una idea de fin de semana hasta algo real.