La productivitat amb IA del teu equip es mesura al teu Git, no en enquestes
Per Xavier Franco, CEO de Elternativa · Grupo Zemsania
· 5 min de lectura
Redactat amb ajuda d’IA i revisat per Xavier Franco

En aquest article
Si preguntes al teu equip de desenvolupament si la IA el fa més productiu, el més probable és que et digui que sí. I probablement ho cregui de debò. El problema és que creure-ho i mesurar-ho no són el mateix. Ho plantejo així: la productivitat amb IA del teu equip no es mesura en enquestes ni en sensacions. Es mesura al teu Git.
La percepció enganya, i molt
Hi ha un estudi que ho mostra millor que qualsevol argument. El 2025, METR va fer un assaig controlat amb 16 desenvolupadors experimentats de projectes de codi obert, sobre 246 tasques reals. Amb IA, van trigar un 19 % més a completar-les.
El que és interessant és el que pensaven. Abans de començar, esperaven que la IA els fes un 24 % més ràpids. I després d’acabar, amb el retard ja mesurat, continuaven creient que la IA els havia accelerat un 20 %.
No en trec que la IA no serveixi. L’estudi és un cas concret i amb els seus límits. El que en trec és una altra cosa: si les persones que ho van viure no ho van percebre bé, una enquesta interna no et dirà la veritat.
A la pràctica: abans de fer una enquesta sobre la IA, decideix quina dada del teu repositori confirmarà o desmentirà el que responguin.
Què mesurar: les mètriques de DORA
Per mesurar el lliurament de programari ja existeix un estàndard molt assentat: les mètriques de DORA. Agrupen cinc indicadors en dos blocs.
Rendiment de lliurament:
- Temps de lliurament d’un canvi: des que es registra al control de versions fins que és en producció.
- Freqüència de desplegament: quants desplegaments fas en un període.
- Temps de recuperació d’un desplegament fallit.
Estabilitat:
- Taxa de canvis fallits: quina part dels desplegaments necessita una intervenció immediata.
- Taxa de retreball: quina part dels desplegaments no estava planificada i ve d’un incident en producció.
El bo d’aquestes mètriques és que surten del que ja tens: el teu Git, les teves pull requests i el teu CI/CD. No depenen del que ningú recordi.
Velocitat sense estabilitat no és productivitat
Aquí hi ha la trampa més habitual. La IA fa que surti més codi, més ràpid. Si només mires la velocitat, tot sembla anar millor.
Però l’informe DORA del 2025 ho adverteix: l’adopció de la IA millora el rendiment de lliurament, però continua tenint una relació negativa amb l’estabilitat. Més canvis, sense controls sòlids, porten a més inestabilitat.
Per això cal mirar els dos blocs alhora. Si lliures el doble però la meitat torna com a incident, no has guanyat res: has mogut la feina de lloc.
A la pràctica: posa al mateix panell la freqüència de desplegament i la taxa de canvis fallits. Si una puja i l’altra també, has de parlar.
Amb i sense IA, al mateix repositori
La pregunta que de debò interessa a qui dirigeix és: quant més lliura el meu equip amb la IA que sense ella? I per respondre-la cal comparar al mateix repositori.
Això exigeix saber quin lliurament ve d’un flux amb IA i quin no. Sense aquesta marca, tot es barreja. Per això, al nostre mètode, cada tasca queda traçada: qui la va fer, quant va trigar i si va passar la validació. I el panell de rendiment ensenya, mesurat sobre el teu propi repositori:
- El multiplicador real: lliuraments setmanals amb i sense el mètode.
- Quina part fa la IA: el percentatge de lliuraments que surten del flux amb IA.
- L’agilitat: el temps fins a integrar i validar, i com canvia cada mes.
- Cap a producció: els desplegaments i les validacions signades per persones.
El que no convé mesurar
Igual d’important és saber què no mirar:
- Línies de codi. La IA en escriu moltes. Més línies no és més valor; de vegades és el contrari.
- Nombre de peticions a la IA. Mesura ús, no resultat.
- Hores «estalviades» segons cada persona. Ja hem vist com de fiable és la percepció.
El que importa és el que arriba a producció, validat i estable.
A la pràctica: si algú t’ensenya un informe de productivitat amb IA basat en línies de codi, demana el mateix informe amb desplegaments i canvis fallits.
Comparar amb les teves dades, no amb promeses
El que proposo sempre és el mateix: no et refiïs de les nostres xifres ni de les de ningú. Compara-ho amb les teves dades. Escull un servei que ja tens, executa’l en paral·lel amb IA orquestrada en un abast acotat i compara cost, termini i qualitat al teu propi repositori.
Al final, el Git no té opinió. Registra el que s’ha integrat, quan i quantes vegades va caldre tornar enrere.
Per on començar
- Treu la línia base de les mètriques de DORA dels últims mesos.
- Marca quins lliuraments vénen d’un flux amb IA.
- Mira velocitat i estabilitat juntes, mai per separat.
- Descarta les mètriques de vanitat, com les línies de codi.
- Compara amb i sense IA en un abast acotat, amb les teves dades.
Com t’ajudem
A Agentic Data & Software Engineering orquestrem les IA de desenvolupament que ja tens en tot el SDLC, i comencem sobre un servei que ja tens: l’executem en paral·lel, en un abast acotat, i comparem amb tu cost, termini i qualitat amb les teves dades.
Ho fem amb Agentagile, la nostra metodologia per desenvolupar amb IA, que mesura la productivitat al teu Git: lliuraments amb i sense IA, quina part fa la IA, temps fins a integrar i validar, i desplegaments signats per persones.
Saps quant lliura el teu equip des que fa servir IA?
T’ensenyem en una demo com es mesura la productivitat amb i sense IA sobre el teu propi repositori, setmana a setmana.


