Dashboard
El dashboard es la pantalla principal de análisis de Adoption. Reúne indicadores de adopción, gráficos, tablas detalladas y exploración a nivel de archivo para la organización y el período seleccionados.
En la parte superior de la página, un selector de período compartido controla la ventana de análisis. El rango de fechas seleccionado se aplica a todas las pestañas, garantizando que cada vista refleje el mismo período.
Pestaña Todos
La pestaña predeterminada presenta el resumen ejecutivo del período seleccionado. Ofrece una vista rápida del comportamiento de adopción a través de tarjetas de KPI y un ranking de colaboradores.
Métricas de KPI
El área de resumen muestra los siguientes indicadores clave. Comprender cada métrica es esencial para interpretar el estado de la adopción de IA en su organización.
Total de Líneas Relacionadas con IA
Qué mide: El número total de líneas de código identificadas como asistidas por IA en todos los repositorios y colaboradores en el alcance del período seleccionado.
Cómo interpretar: Este es el volumen absoluto de la contribución de la IA en la base de código. Un número creciente a lo largo de períodos sucesivos indica que las herramientas de IA se están utilizando de forma más activa en el desarrollo diario. Un número estancado o en descenso puede señalar que la adopción está desacelerando o que los colaboradores no están utilizando la asistencia de IA de forma consistente.
Por qué es importante: Esta métrica proporciona la base para entender la presencia de la IA en las entregas de software. Responde a la pregunta: ¿cuánto de lo que se construyó fue tocado por la IA? Los líderes utilizan este dato para rastrear el resultado bruto de las iniciativas de adopción y establecer metas para períodos futuros.
Volumen Total de Pull Requests
Qué mide: El número total de pull requests abiertos o fusionados en todos los repositorios seleccionados durante el período.
Cómo interpretar: Esta métrica proporciona el contexto de entrega para los datos de adopción de IA. Por sí sola, un alto volumen de PRs indica un equipo activo. Cuando se lee junto con las líneas relacionadas con IA, ayuda a entender si la IA está contribuyendo proporcionalmente al ritmo de entrega — o si está siendo subutilizada en relación con el output del equipo.
Por qué es importante: Sin el contexto de entrega, el recuento de líneas de IA puede ser engañoso. Un equipo con 10.000 líneas de IA y 500 PRs usa la IA de forma muy diferente a un equipo con el mismo recuento de líneas y solo 50 PRs. Esta métrica garantiza que el análisis de adopción esté anclado en la actividad real de entrega.
Volumen Total de Commits
Qué mide: El número total de commits registrados en todos los repositorios seleccionados durante el período.
Cómo interpretar: El volumen de commits refleja la granularidad y la frecuencia de la actividad de desarrollo. Comparar el volumen de commits con las líneas relacionadas con IA revela la densidad de IA por commit — es decir, cuánto de cada commit es asistido por IA. Una proporción alta sugiere que la IA está profundamente integrada en el flujo de trabajo de desarrollo; una proporción baja indica uso selectivo o inconsistente.
Por qué es importante: Esta métrica ayuda a identificar si la adopción de IA es una práctica habitual del desarrollo diario o algo ocasional. Las organizaciones que buscan una integración consistente de IA deben rastrear este dato junto con la tasa de adopción para entender los patrones de comportamiento a nivel del colaborador.
Tasa de Adopción
Qué mide: El porcentaje de colaboradores activos que utilizaron herramientas asistidas por IA al menos una vez durante el período seleccionado, en relación con el total de colaboradores activos.
Cómo interpretar: Este es el KPI estratégico principal para la transformación por IA. Una tasa del 0% significa que ningún colaborador usó herramientas de IA durante el período. Una tasa del 100% significa que todos los colaboradores activos utilizaron asistencia de IA al menos una vez. Rastree esta métrica a lo largo del tiempo para medir la amplitud de la adopción — no solo la profundidad.
Por qué es importante: Las métricas de volumen como las líneas de IA pueden ser impulsadas por un pequeño número de usuarios avanzados, enmascarando una baja adopción en el resto del equipo. La tasa de adopción expone esta brecha. Responde a la pregunta: ¿la adopción de IA es amplia, o está concentrada en pocos individuos? Esta es la métrica más directamente vinculada al éxito de los programas de habilitación de IA.
Usuarios Activos
Qué mide: El número de colaboradores que realizaron al menos un commit o pull request en el período seleccionado.
Cómo interpretar: Este valor define el tamaño real del equipo en el período — el denominador utilizado para calcular la tasa de adopción. Un colaborador que estuvo de licencia o inactivo durante el período no se contabiliza, garantizando que la tasa de adopción refleje la participación real y no el total de usuarios registrados.
Por qué es importante: Normalizar las métricas de adopción en relación con los colaboradores activos (en lugar del total de usuarios registrados) produce un panorama más preciso y accionable. Esto evita que la tasa de adopción se reduzca artificialmente por cuentas inactivas y garantiza que las comparaciones entre períodos reflejen cambios genuinos de comportamiento.
Debajo de las tarjetas de KPI, la sección Top Contributors identifica a los colaboradores con mayor volumen de entrega durante el período.
Pestaña Gráficos
La pestaña Gráficos está orientada al análisis visual. Reúne gráficos que ayudan a comparar actividad, inspeccionar la evolución del período y entender la distribución entre repositorios.
Correlación entre IA y Entrega
Qué muestra: La relación entre la actividad asistida por IA y el output general de entrega entre colaboradores o repositorios.
Cómo interpretar: Una correlación positiva — donde un mayor uso de IA se alinea con un mayor volumen de entrega — proporciona evidencia de que las herramientas de IA están acelerando el output. Una correlación plana o negativa puede indicar que la adopción de IA aún no se está traduciendo en ganancias medibles de entrega, o que la adopción está concentrada en áreas de bajo output.
Por qué es importante: Este gráfico es la capa de evidencia central para justificar la inversión en IA. Mueve la conversación de "¿la gente está usando IA?" a "¿el uso de IA está marcando la diferencia?"
Evolución de la Actividad a lo Largo del Tiempo
Qué muestra: La tendencia de las métricas de adopción de IA — líneas relacionadas con IA, volumen de commits, volumen de PRs y tasa de adopción — a lo largo del período seleccionado.
Cómo interpretar: Una tendencia ascendente señala un crecimiento del momentum de adopción. Una línea plana sugiere que la adopción ha alcanzado una meseta y puede necesitar intervención. Una tendencia a la baja justifica una investigación sobre si problemas de herramientas, procesos o motivación están reduciendo el uso.
Por qué es importante: Las métricas puntuales dicen dónde está; los gráficos de tendencia dicen hacia dónde va. Esta vista es esencial para evaluar si las iniciativas de adopción lanzadas en un período determinado están produciendo cambios de comportamiento duraderos.
Comparaciones entre Repositorios
Qué muestra: Métricas de adopción de IA desglosadas por repositorio, permitiendo una comparación lado a lado de los niveles de adopción en diferentes bases de código.
Cómo interpretar: Los repositorios con alto recuento de líneas de IA y alta tasa de adopción están liderando la curva de adopción. Los repositorios con métricas bajas están rezagados y pueden beneficiarse de habilitación dirigida, revisión de herramientas o coaching de colaboradores.
Por qué es importante: La adopción rara vez es uniforme en una base de código. Este gráfico identifica exactamente dónde concentrar los esfuerzos de habilitación, convirtiéndose en una herramienta práctica para los gerentes de ingeniería y líderes de equipo que necesitan priorizar sus intervenciones.
Distribución del Volumen de Commits y Pull Requests
Qué muestra: Cómo la actividad de commits y PRs está distribuida entre repositorios y colaboradores durante el período.
Cómo interpretar: Una distribución altamente concentrada — donde un pequeño número de colaboradores o repositorios representa la mayor parte de la actividad — puede indicar que la adopción de IA es impulsada por pocos individuos y no por el equipo en su conjunto. Una distribución más uniforme sugiere una adopción saludable y amplia.
Por qué es importante: Este gráfico complementa la tasa de adopción al revelar patrones estructurales en cómo se distribuye el uso de IA. Ayuda a identificar brechas de adopción que las métricas agregadas pueden ocultar.
Pestaña Tabla
La pestaña Tabla muestra el mismo análisis en formato tabular, facilitando la comparación de colaboradores, la ordenación por métricas específicas y la inspección de razones detalladas.
Use esta pestaña para:
- clasificar colaboradores por líneas de IA, volumen de commits o tasa de adopción
- identificar colaboradores con alto volumen de entrega pero bajo uso de IA — posibles objetivos para habilitación
- revisar o exportar valores precisos que los gráficos aproximan visualmente
Perfiles de Uso de los Colaboradores
Use la tabla para segmentar a los colaboradores por intensidad de uso. Estos perfiles ofrecen una base práctica para dirigir la habilitación e identificar a los colaboradores que están liderando la adopción.
| Perfil | Señal | Acción Sugerida |
|---|---|---|
| Usuario Avanzado | Alto volumen de líneas de IA, consistente a lo largo de los períodos | Comparta su flujo de trabajo como referencia para el equipo |
| Usuario Regular | Uso moderado de IA, patrón creciente o estable | Refuerce los hábitos; comparta buenas prácticas |
| Usuario Ligero | Uso ocasional de IA, bajo volumen en relación con el output de entrega | Coaching dirigido; identifique qué está impidiendo el uso consistente |
| No Usuario | Colaborador activo (commits/PRs) pero con cero líneas de IA | Principal objetivo de habilitación; investigue qué está impidiendo la adopción |
Ordene la tabla por líneas de IA de forma descendente para identificar a los usuarios avanzados rápidamente. Los colaboradores con alto volumen de commits o PRs pero pocas líneas de IA son los objetivos más accionables para la habilitación.
Pestaña Archivos
La pestaña Archivos está dedicada a la exploración a nivel de archivo. Úsela para identificar dónde están concentrados los cambios relacionados con IA y qué repositorios o colaboradores están asociados a esas modificaciones.
Este nivel de detalle es útil para:
- entender qué partes de la base de código están recibiendo más atención asistida por IA
- verificar que el uso de IA esté alineado con las prioridades estratégicas (ej.: nuevas funcionalidades vs. mantenimiento de legado)
- investigar anomalías identificadas en las pestañas de resumen o gráficos
Si la aplicación aún no está completamente configurada, o si la sincronización aún no se ha ejecutado para el período seleccionado, el dashboard muestra estados vacíos o mensajes de advertencia. Configure el proveedor y ejecute la sincronización en la página de Sincronización primero.
Próximos Pasos
- Sincronización — ejecute o revise trabajos de sincronización
- Configuraciones — configure el proveedor y el alcance de repositorios