# GitHub hace que las métricas de uso de Copilot a nivel de repositorio estén disponibles de forma generalizada muestra que la gobernanza de la IA de los desarrolladores pasa del seguimiento de la adopción a nivel de puesto a la medición operativa equipo por equipo Source: TechNewsList (https://technewslist.com) Canonical URL: https://technewslist.com/es/article/github-copilot-repository-metrics-2026-07-18-morning-es Section: Software (https://technewslist.com/es/software) Author: TechNewsList Language: es Published: 2026-07-18T05:26:29.451+00:00 Updated: 2026-07-18T05:26:30.246561+00:00 > El registro de cambios de GitHub del 17 de julio dice que las métricas de uso de Copilot a nivel de repositorio están generalmente disponibles, ampliando el impulso de la plataforma hacia una visibilidad más clara del uso de la IA en todo el trabajo de ingeniería empresarial. ## TL;DR - GitHub ha hecho que las métricas de uso de Copilot a nivel de repositorio estén disponibles de forma generalizada. - La medida se basa en un impulso más amplio de julio en torno a la visibilidad del uso de Copilot en IDE y superficies de aplicaciones. - Los líderes de ingeniería están obteniendo señales más granulares sobre dónde se utiliza realmente la asistencia de codificación de IA. ## Key points - Las métricas a nivel de repositorio ayudan a los equipos a conectar el uso de la IA con la actividad real del código base. - La visibilidad del uso respalda la elaboración de presupuestos, la gobernanza, la planificación de la implementación y las revisiones de adopción. - GitHub está ampliando Copilot de un asistente a una infraestructura de desarrollador administrada. - Los compradores empresariales requieren cada vez más mediciones antes de escalar las herramientas de codificación de IA. - El mercado de software compite en controles y análisis, no solo en código generado. # GitHub hace que las métricas de uso de Copilot a nivel de repositorio estén disponibles de forma generalizada muestra que la gobernanza de la IA de los desarrolladores pasa del seguimiento de la adopción a nivel de puesto a la medición operativa equipo por equipo ## Qué pasó El feed del registro de cambios de GitHub ahora enumera las métricas de uso de Copilot a nivel de repositorio como disponibles de forma general. El lanzamiento se basa en el impulso más amplio de la compañía en julio en torno a la visibilidad de Copilot, incluido el seguimiento del uso en Visual Studio y datos adicionales de la aplicación Copilot en la API de métricas de uso. ![Imagen editorial del registro de cambios de GitHub](https://github.blog/wp-content/uploads/2026/07/623445116-e279ca7d-2e24-46bd-ab94-897188edb536.jpeg) *Contexto visual del registro de cambios de GitHub para esta historia.* El cambio práctico es que las organizaciones pueden medir la actividad de codificación de IA con más contexto a nivel de base de código. En lugar de mirar solo los asientos del plan, los usuarios agregados o el consumo amplio, los equipos pueden comenzar a preguntar dónde se utiliza Copilot en todos los repositorios y cómo se relaciona eso con el trabajo de ingeniería real. Puede parecer administrativo, pero es una de las superficies de productos más importantes en la IA empresarial. Si una empresa no puede medir la adopción, el costo y la ubicación del flujo de trabajo, no puede administrar la herramienta con confianza. ## Por qué importa La IA del desarrollador ha superado la fase de novedad. Los líderes de ingeniería ahora necesitan saber qué equipos lo utilizan, qué repositorios ven actividad significativa, dónde está creando valor y dónde la implementación o la capacitación pueden estar retrasadas. Las métricas a nivel de repositorio ayudan a responder esas preguntas porque las organizaciones de software están estructuradas en torno a bases de código. A un equipo de seguridad le puede interesar si Copilot está activo en repositorios de infraestructura confidencial. Es posible que un equipo de plataforma desee comparar la adopción entre servicios. Es posible que los líderes financieros quieran tener visibilidad del uso antes de aprobar planes más amplios. El punto más amplio es que las herramientas de codificación de IA se están convirtiendo en una infraestructura gestionada. Necesitan paneles de control, ganchos de políticas, API, superficies de auditoría e informes operativos, como CI, escaneo de códigos, seguridad de paquetes y gestión de gastos en la nube. ## Detalles técnicos La idea técnica clave es la granularidad. Las métricas a nivel de puesto le indican a la empresa quién tiene acceso. Las métricas a nivel de repositorio indican dónde la asistencia de IA toca el gráfico de desarrollo. Esa distinción es importante porque el riesgo, el valor y la gobernanza varían según el repositorio. ![Imagen editorial del registro de cambios de GitHub](https://github.blog/wp-content/uploads/2026/07/622915765-3eae91f4-3887-4da9-a456-537508756b81.jpeg) *Contexto visual del registro de cambios de GitHub para esta historia.* Un repositorio que contiene lógica financiera regulada, canales de datos de clientes o scripts de implementación críticos tiene un perfil de riesgo diferente al de un prototipo interno. Los datos de uso más precisos brindan a los administradores una manera de alinear políticas y revisar prácticas con los lugares reales donde la asistencia de IA está activa. La actualización de la API de métricas de uso relacionadas también es importante. Las API permiten a las organizaciones incorporar datos de Copilot a paneles internos, flujos de trabajo de cumplimiento y análisis de productividad de ingeniería en lugar de obligar a los líderes a inspeccionar manualmente la consola de un proveedor. ## Impacto en el mercado / la industria El impacto en el mercado es que los proveedores de IA para desarrolladores están siendo juzgados por su capacidad de gestión empresarial. Los modelos siguen siendo importantes, pero los CIO y los ejecutivos de ingeniería también necesitan controles de costos, permisos, informes y evidencia de que la adopción no es sólo anecdótica. GitHub está bien posicionado porque Copilot se encuentra cerca de repositorios, solicitudes de extracción, revisión de código, acciones y productos de seguridad. Las métricas de uso a nivel de repositorio profundizan esa ventaja al vincular la actividad de la IA al mismo sistema de registro donde ya se encuentra el trabajo de ingeniería. Los competidores necesitarán medidas similares. Un asistente de codificación que no puede explicar dónde se utiliza puede parecer incompleto en organizaciones grandes, incluso si sus terminaciones son sólidas. Esto también cambia la política interna de implementación. Los equipos que puedan mostrar una adopción medida en repositorios prioritarios tendrán argumentos más sólidos para obtener licencias más amplias, mientras que los equipos con poco uso pueden ser entrenados, pausados ​​o trasladados a un flujo de trabajo diferente en lugar de consumir el presupuesto de manera invisible. ## Qué observar ahora Observe cómo GitHub conecta las métricas del repositorio con resultados como el rendimiento de las solicitudes de extracción, la calidad de las revisiones, las alertas de seguridad y el trabajo de modernización. El uso por sí solo no es valor; el siguiente paso es vincular el uso con resultados de ingeniería mensurables. Observe también si los administradores obtienen más controles de políticas a nivel de repositorio, organización y empresa. Las métricas suelen ser lo primero, y luego sigue la gobernanza. La señal es clara: la categoría de IA para desarrolladores se está profesionalizando en torno a las superficies de gestión. Las métricas a nivel de repositorio de GitHub son importantes porque hacen que Copilot sea más fácil de operar como parte de la pila de entrega de software. Una segunda señal es si los equipos de seguridad y cumplimiento comienzan a utilizar estas métricas en los flujos de trabajo de revisión. Si la asistencia de la IA se vuelve visible a nivel de repositorio, las organizaciones pueden decidir dónde se justifica una revisión adicional, una política más estricta o una educación adicional para los desarrolladores en lugar de aplicar una regla contundente en cada base de código. ## Fuentes - [Registro de cambios de GitHub](https://github.blog/changelog/2026-07-17-repository-level-github-copilot-usage-metrics-generally-available/) - [Registro de cambios de GitHub](https://github.blog/changelog/2026-07-17-github-copilot-app-now-available-in-the-usage-metrics-api/) - [Registro de cambios de GitHub](https://github.blog/changelog/2026-07-14-github-copilot-in-visual-studio-june-update/) Mentions: GitHub, Copiloto de GitHub, métricas del repositorio, productividad del desarrollador, Codificación IA, software empresarial ## Sources - [Registro de cambios de GitHub](https://github.blog/changelog/2026-07-17-repository-level-github-copilot-usage-metrics-generally-available/) - [Registro de cambios de GitHub](https://github.blog/changelog/2026-07-17-github-copilot-app-now-available-in-the-usage-metrics-api/) - [Registro de cambios de GitHub](https://github.blog/changelog/2026-07-14-github-copilot-in-visual-studio-june-update/)