GitHub amplía su infraestructura con cuatro millones de núcleos para afrontar el crecimiento de la IA
La expansión de la inteligencia artificial está cambiando la forma de desarrollar software, pero también está obligando a reforzar la infraestructura que sostiene ese trabajo. GitHub ha añadido durante 2026 cuatro millones de núcleos de CPU, 160 petabytes de almacenamiento de alta velocidad y 50 terabits por segundo de capacidad de red para responder al aumento de actividad en la plataforma.
Estas cifras no representan el tamaño total de GitHub ni millones de procesadores físicos instalados en un único lugar. Se refieren a recursos adicionales incorporados para gestionar más operaciones, datos y conexiones. Entre los factores que explican esta presión se encuentra el uso creciente de agentes de inteligencia artificial capaces de trabajar sobre repositorios de código.
Más cambios registrados en los proyectos
La actividad de desarrollo ha aumentado con fuerza. GitHub pasó de registrar 12.900 millones de commits anuales a 34.300 millones en los doce meses terminados en septiembre de 2026, sumando repositorios públicos y privados.
Un commit es una versión guardada de los cambios realizados en un proyecto. Puede incluir desde una pequeña corrección hasta modificaciones de gran alcance. Por eso, el número de commits no equivale directamente a líneas de código generadas, pero sí sirve para medir la frecuencia con la que se actualizan los repositorios.
Solo durante septiembre, GitHub registró 7.380 millones de commits. El salto refleja una actividad mucho más intensa y frecuente, especialmente en proyectos en los que intervienen herramientas automáticas que analizan, modifican y vuelven a comprobar el código.
Los agentes de IA multiplican las operaciones
Los asistentes de programación ya no se limitan a sugerir una línea de código. Los llamados agentes de IA pueden recibir una tarea, examinar un repositorio, proponer una solución, ejecutar pruebas y realizar nuevos cambios si detectan errores.
En septiembre, más del 40% de las pull requests detectadas por GitHub comenzaron con un borrador elaborado por un agente de inteligencia artificial. En marzo, esa proporción era del 17%.
Una pull request es una propuesta para incorporar cambios a un proyecto. Permite que otros desarrolladores revisen el código, hagan comentarios y decidan si debe integrarse. El crecimiento de las solicitudes iniciadas por agentes muestra que la IA está entrando en una fase más activa dentro del ciclo de desarrollo.
GitHub también observó que los repositorios nuevos con archivos de configuración específicos para agentes registraron, de media, ocho veces más commits que aquellos que no los tenían. El dato apunta a una relación entre la automatización y el volumen de actividad, aunque no demuestra por sí solo que los equipos sean ocho veces más productivos. Además, un repositorio puede utilizar herramientas de IA sin incluir necesariamente esos archivos de configuración.
El reto no consiste solo en guardar más código
El impacto de los agentes no se explica únicamente por el tamaño de los archivos. También importa la cantidad de veces que los sistemas deben leer, escribir, sincronizar y verificar información.
Un agente puede revisar un repositorio, crear una rama de trabajo, enviar cambios, ejecutar pruebas automáticas y modificar de nuevo el proyecto después de recibir los resultados. Si miles de agentes operan al mismo tiempo, la plataforma debe procesar una sucesión constante de operaciones, aunque el resultado final sea una única mejora aceptada por los desarrolladores.
La CPU, o unidad central de procesamiento, se encarga de ejecutar instrucciones. El almacenamiento permite conservar repositorios, historiales y resultados, mientras que la red transporta esos datos entre usuarios, centros de datos y servicios automatizados. El aumento simultáneo de estas tres necesidades explica la magnitud de las inversiones de GitHub.
Una interrupción puso a prueba los límites
El crecimiento también ha revelado problemas de capacidad. El 17 de agosto de 2026, GitHub sufrió una interrupción de siete horas y 47 minutos que afectó a varios de sus servicios.
La compañía explicó que el incidente comenzó cuando el tráfico alcanzó un nuevo máximo y un componente crítico de uno de sus centros de datos en Estados Unidos no pudo escalar con la rapidez necesaria. GitHub reconoció que algunos recursos no se habían ampliado con suficiente antelación, aunque no atribuyó directamente la caída a los agentes de IA.
El episodio muestra que añadir servidores no siempre resuelve el problema. También es necesario diseñar sistemas capaces de repartir la carga, detectar cuellos de botella y mantener operativos los servicios cuando una parte de la infraestructura falla.
GitHub prepara una arquitectura distribuida
Para evitar que el aumento de actividad se convierta en una limitación permanente, GitHub está migrando parte de su arquitectura a varias regiones de Microsoft Azure. La empresa también trabaja en separar el almacenamiento del procesamiento, de modo que cada recurso pueda ampliarse de forma independiente.
Esta separación permite, por ejemplo, aumentar la capacidad de cálculo sin tener que ampliar al mismo tiempo todo el sistema de almacenamiento. La compañía busca además reducir las operaciones que dependen unas de otras, ya que las tareas coordinadas pueden ralentizarse cuando aumenta el número de solicitudes simultáneas.
En pruebas internas, la nueva arquitectura ha llegado a multiplicar por 35 la capacidad de escritura. El resultado corresponde a escenarios concretos y no representa necesariamente el rendimiento global de GitHub, pero da una idea del margen que ofrecen los cambios estructurales frente a la simple incorporación de más hardware.
La revisión humana sigue siendo necesaria
La automatización permite generar propuestas de código con mayor rapidez, pero no elimina la necesidad de supervisión. Los desarrolladores deben comprobar que los cambios funcionan, que no introducen vulnerabilidades y que encajan con el diseño y los objetivos del proyecto.
La evolución de GitHub refleja así una consecuencia menos visible de la IA: cuanto más sencillo resulta producir modificaciones, más importante se vuelve disponer de una infraestructura capaz de registrarlas, validarlas y coordinarlas. El futuro del desarrollo no dependerá solo de agentes más capaces, sino también de plataformas preparadas para gestionar el volumen de trabajo que esos agentes generan.
