Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
Microsoftの社内で、ソフトウェアエンジニアの数万人が、2026年1月から4月にかけてAIコーディングツールを使い始めた。対象は、画面のボタンではなく黒い入力画面に文章で指示を出すタイプのツールで、AnthropicのClaude CodeとGitHubのCopilot CLIである。研究者らは、誰がツールを試し、誰が使い続け、仕事の成果がどう変わったかを追った。
En Microsoft, decenas de miles de ingenieros de software empezaron a usar herramientas de programación con IA entre enero y abril de 2026. Se trata de herramientas que no se manejan con botones en pantalla, sino escribiendo instrucciones en una ventana de texto negra: Claude Code, de Anthropic, y Copilot CLI, de GitHub. Los investigadores siguieron quién las probó, quién siguió usándolas y cómo cambiaron los resultados del trabajo.
最初に試すきっかけは、職場の人間関係だった。日常的にコードレビュー（他人が書いたコードを読んで確認し合う作業）を交わす同僚が使っていると、自分も試す確率が高まる。直属の上司が使っていれば82％、レビュー相手の4分の1以上が使っていれば54％、オッズ（試してみる確率の比）が上がった。2つ上の上長を共有する同僚の4分の1以上が直近2週間に使っていた場合は、最大で216％跳ね上がった。
Lo que impulsó a probarlas fueron las relaciones laborales. Si un compañero con el que se revisa código a diario (es decir, se leen y se validan mutuamente los cambios que escriben los demás) ya la usaba, la probabilidad de que una persona también la probara aumentaba. Si el superior directo la usaba, las probabilidades de probarla subían un 82 %; si lo hacía más de una cuarta parte de los compañeros con los que se revisa código, subían un 54 %. Cuando más de una cuarta parte de los compañeros que comparten superior de dos niveles por encima la había usado en las dos semanas previas, las probabilidades (la razón entre la chance de probarla y la de no hacerlo) crecían hasta un 216 % como máximo.
試すことと続けることは、別の話だった。続けて使うかどうかは、本人が普段どれだけコードを書いているかと関係していた。日頃からたくさんのコードを書き、頻繁にプルリクエスト（変更を本線に取り込むよう依頼する単位）を出す多忙なエンジニアほど、AIの恩恵を実感して定着した。一方、以前から別の開発画面で既存のAIツールを使っていた人は、新しいツールを試しても元の環境のほうがいいと感じるのか、定着しにくかった。
Probar una herramienta y seguir usándola no es lo mismo. Que alguien siguiera con ella dependía de cuánto código escribía habitualmente. Los ingenieros que programaban mucho y enviaban pull requests (solicitudes para incorporar cambios a la rama principal del proyecto) con frecuencia, es decir, los más ocupados, eran quienes notaban el beneficio de la IA y acababan adoptándola. En cambio, quienes ya usaban otra herramienta de IA en su entorno de desarrollo habitual tendían menos a quedarse: al parecer, probaban la nueva, pero preferían seguir en su entorno original.
効果の数字はこうだ。導入初週にツールを使ったエンジニアは、使わなかった場合に比べ、マージされたプルリクエストの数が平均で24％増えた。この増加は導入直後の一時的な盛り上がりではなく、調査した4カ月間にわたって安定して続いた。ツール別に見ると、Claude Code利用者は11.4％、Copilot CLI利用者は24.9％の向上だった。
Las cifras del efecto son estas. Los ingenieros que usaron la herramienta durante su primera semana completaron, de media, un 24 % más de pull requests fusionados que quienes no la usaron. El aumento no fue un pico pasajero tras el lanzamiento, sino que se mantuvo estable durante los cuatro meses del estudio. Por herramienta, los usuarios de Claude Code registraron una mejora del 11,4 % y los de Copilot CLI, del 24,9 %.
何が変わるのか。ツールを導入したい組織にとって、この結果は、既に使っている同僚や上司の輪から広がるという見取り図になる。定着を見込むなら、コードを多く書く開発者から使ってもらうのが効きそうだと、数字は示唆している。ただし、これはMicrosoft社内の数字である。論文は査読前のプレプリント（arXivに掲載された論文）で、社外のエンジニアや別の職場で同じ結果が出るかは、まだ確かめられていない。24％という数字も、マージされたプルリクエストの数で測ったもので、コードの質そのものを測ったものではない。
¿Qué implica esto? Para una organización que quiera adoptar estas herramientas, el estudio sugiere que la adopción se extiende a través del círculo de compañeros y superiores que ya las usan. Si se busca que la herramienta se quede, los datos apuntan a que puede funcionar empezar por los desarrolladores que más código escriben. Aun así, se trata de cifras internas de Microsoft. El artículo es un preprint, es decir, una versión publicada en arXiv sin revisión por pares, y todavía no se sabe si los mismos resultados se repetirían entre ingenieros externos a la compañía o en otros entornos de trabajo. Además, el 24 % se mide en pull requests fusionados, no en la calidad del código en sí.