Quiñonez Ku, Víctor XavierMora Barcia, Ángel Alexander2026-06-292026-06-292026SI.261https://repositorio.puce.edu.ec/handle/123456789/49174Este estudio evaluó experimentalmente GitHub Copilot, Tabnine y Qodo.Al mediante dieciocho proyectos en Java y JavaScript con tres niveles de complejidad. Se aplicó análisis estático con SonarQube y pruebas unitarias para evaluar calidad y eficacia del código generado. Ningún asistente dominó uniformemente. GitHub Copilot mostró superioridad estadísticamente significativa en correcciones (M=0.67, p=0.0467), mayor éxito en pruebas (92.50%) y consistencia entre niveles. Tabnine generó código más limpio, pero presentó fallos severos en tareas complejas. Qodo.Al demostró especialización en Java (100.00%), menor tiempo de desarrollo (9.17 min) y menor complejidad cognitiva. La eficacia depende del contexto: lenguaje, complejidad y prioridades de calidad. Este estudio aporta evidencia empírica para selección informada de herramientas.esJava (Lenguaje de programación)Inteligencia artificialProgramación (Computación)Artículo científico