Esta tesis doctoral examina, mediante evidencia empírica, en qué medida la IA generativa utilizada a través de una interfaz conversacional puede habilitar a personas sin conocimientos previos en programación a resolver desafíos computacionales acotados y autocontenidos con niveles de eficacia comparables a los de personas programadoras sin acceso a IA, y con diferencias sistemáticas en eficiencia (tiempo de resolución) bajo las condiciones evaluadas. El trabajo se estructura como un programa empírico de dos estudios conectados. El Estudio 1 compara eficacia (éxito al pasar todas las pruebas de aceptación) y eficiencia (tiempo total de resolución) entre dos grupos: no programadores asistidos por IA (NP-AI) y programadores sin IA (P-noAI). El Estudio 2 extiende la evaluación incorporando (i) una auditoría de calidad del programa (0–12 puntos; criterios AQ1–AQ6, escala 0–2 por criterio, incluyendo AQ6/PEP8), (ii) una rúbrica de calidad de interacción humano–IA (0–16 puntos, sólo para NP-AI), aplicada por tres evaluadores expertos independientes, y (iii) métricas estáticas simples del código.
La muestra total fue de N = 52 participantes (n = 26 por grupo), y cada participante resolvió un único desafío, asignado aleatoriamente de manera balanceada entre tres desafíos de complejidad creciente. En eficacia, no se detectaron diferencias estadísticamente significativas entre grupos, aunque el patrón descriptivo favorece a NP-AI. En eficiencia, NP-AI resolvió significativamente más rápido al considerar el total de casos, con una diferencia que se amplifica en el desafío de mayor complejidad. Al condicionar en soluciones exitosas, la diferencia temporal se reduce y no resulta significativa, lo que sugiere una interacción entre éxito y tiempo en sesión.
Respecto de calidad del artefacto, NP-AI obtuvo puntajes significativamente superiores en la auditoría técnica de calidad del código fuente (code_quality_score, 0–12), con un tamaño de efecto grande. Al desagregar por complejidad, la diferencia más marcada aparece en el desafío de complejidad alta y se mantiene tras corrección por comparaciones múltiples (BH–FDR), mientras que en complejidad intermedia se observa una señal marginal y en complejidad baja no se detectan diferencias. Dentro de NP-AI, la calidad de la interacción muestra asociación positiva con la calidad del código bajo medidas lineales, mientras que el volumen de interacción (turnos) se asocia con mayor tiempo y exhibe una tendencia a menor probabilidad de éxito, sin alcanzar significación estadística convencional, lo que sugiere fricción conversacional más que estrategia. En conjunto, la tesis sostiene que la IA generativa conversacional puede operar como una tecnología habilitadora para usuarios no expertos en tareas de programación autocontenidas, siempre que la interacción permita una especificación clara y verificable, y propone instrumentos reproducibles para evaluar desempeño, calidad del producto y del proceso, junto con implicancias metodológicas y educativas para el uso responsable de IA generativa en programación.