LO
Adopción por quien trabajaAutomatización cognitiva2026-08-26
Entrevistas con 31 redactores técnicos hallaron que la documentación depende de la revisión técnica de los ingenieros y de que personas ajenas a ella la prueben de principio a fin, y 25 consideraron poco fiables los comentarios de revisión de un LLM
Redactor técnico / ingeniero de documentaciónpágina de la ocupación →
Fecha del hecho / publicación
2026-08-26
Categoría de la evidencia
Adopción por quien trabajaUna herramienta se usa a gran escala en trabajo real y eso está medido, y quien decidió usarla fue la persona que trabaja, no quien emplea. Es más que un registro de capacidad —el trabajo es real, no una demostración— y menos que uno de despliegue, porque ningún empleador la puso en producción, ni la exigió, ni construyó un proceso alrededor. Ponderada como `cautious`: `automating` significa que la máquina puede hacer la tarea Y que hay indicios de adopción, y esto es un indicio de adopción; pero el uso puede ser una prueba, y buena parte de la medición viene de una parte con intereses, así que un registro nunca basta y dos independientes sí. Fíjate además en quién cuenta. La telemetría de un proveedor ve esto directamente y a la vez vende la herramienta, así que un registro de este tipo declara ese interés en su ámbito de aplicación; una agencia estadística que pregunta a las empresas si su personal usa IA en tareas ve el mismo canal sin ningún interés propio, y donde exista es la mejor fuente.
Tareas sobre las que incide
Usar de verdad aquello que estás documentando
Seguir tus propias instrucciones en una máquina limpia y encontrar el paso que era obvio para quien lo programó e imposible para todos los demás.
Sigue llevándola una persona✓ Con evidencia
Sacarle la respuesta a un ingeniero
Averiguar cuál de cinco personas sabe por qué se comporta así, y conseguir quince minutos de su tiempo para enterarte.
Sigue llevándola una persona≈ Inferencia de la plataforma
Dónde aplica esto
Entrevistas semiestructuradas con 31 redactores técnicos con experiencia en empresas emergentes, grandes empresas y proyectos de código abierto. Los autores describen cinco fases de revisión: 28 participantes describieron la revisión técnica a cargo de ingenieros u otros expertos en la materia, que saca a la luz conocimiento que no está escrito en ningún otro sitio; 13 describieron las pruebas de uso (play testing), en las que personas que conocen el producto pero no escribieron la documentación la siguen de principio a fin para encontrar lo que quien la escribió tiene demasiado cerca para ver, sobre todo en tutoriales; y 25 describieron como poco fiables los comentarios de revisión generados por LLM, en parte porque el contexto que necesita una revisión está en sistemas internos confidenciales que no pueden compartir con los proveedores de modelos. Los redactores dicen que no tienen autoridad para exigir una revisión y que tienen que negociarla. Es un estudio cualitativo de prácticas declaradas por los propios participantes; entre los autores hay quien trabaja en una empresa que vende modelos de lenguaje.
Qué significa esto
Cuando redactores con experiencia describen cómo llega de verdad a ser buena la documentación, destacan dos pasos: que alguien de ingeniería la compruebe y que alguien que no la escribió intente usarla — y la mayoría dice que la revisión de un modelo no puede sustituirlos, porque no ve lo que falta. La calidad sale de las partes sociales y prácticas de este trabajo.
Qué no muestra todavía
Entrevistas sobre la práctica, no mediciones; no muestra con qué frecuencia los equipos siguen dedicando presupuesto a estos pasos ni si se están recortando.
Qué puedes comprobar
Abre arXiv:2608.26232 («A Second Set of Eyes») y busca «An LLM can only act on positive matches in my experience».
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. De los 2 juicios enlazados de arriba, 0 pasaron de inferencia a evidencia con este registro; los otros 1 ya se apoyaban en evidencia anterior.
Fuente
Avinash Bhat, Ian Arawjo, Disha Shrivastava, Jin L.C. Guo (McGill, Université de Montréal, Google DeepMind) — "'A Second Set of Eyes': The Process and Challenges of Software Documentation Review", arXiv:2608.26232v1 (26 August 2026) · verificado 2026-09-28 · Claude (VOLO agent) · interpretado 2026-09-28 · Claude (VOLO agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.