Dropbox

Dropbox reportó una adopción de IA del 90% entre sus ingenieros y un aumento del 20% en las pull requests fusionadas, con una tasa de fallos de cambios reducida, cifras que Gergely Orosz y Laura Tacho utilizaron en septiembre de 2025 al estudiar cómo 18 empresas tecnológicas miden el impacto de la IA en el desarrollo de software. La empresa opera en almacenamiento en la nube y colaboración, pero la razón por la que sigue apareciendo en los debates sobre productividad de ingeniería es que publica cifras de operador, no afirmaciones de proveedor.

La plataforma interna de agentes es Nova, que ya representa aproximadamente 1 de cada 12 pull requests y se ha extendido a migraciones, pruebas inestables, investigación de errores y actualizaciones de dependencias. Kazuaki Okumura, escribiendo el 28 de mayo de 2026 a partir de una charla de DX Annual 2026, sostiene que el valor de Nova proviene menos del modelo que de los sistemas que lo rodean: contexto del código base, prácticas internas, ejecución segura, integración en el flujo de trabajo y revisión humana.

La tesis de Okumura es que la IA desplaza los cuellos de botella en lugar de eliminarlos. La generación de código más rápida trasladó la presión hacia adelante, a la revisión, la integración continua, la validación, la coordinación de lanzamientos y las operaciones en producción. La respuesta de Dropbox fue dejar de considerar el volumen de pull requests como una medida suficiente y adoptar un modelo de cuatro etapas (Fuel, Adoption, Output, Impact), combinado con señales de calidad: tiempo de respuesta en la revisión de código, tasa de éxito de pruebas en la primera ejecución, ratio de defectos, tasa de retrabajo.

Okumura sitúa la ventaja competitiva en los sistemas construidos alrededor de los modelos fundacionales, ya que el acceso a los modelos en sí es compartido. Si el modelo de medición de cuatro etapas se sostendrá a medida que crezca el volumen de agentes queda por comprobar.