Un agente de programación puede ayudar a pasar de una incidencia bien definida a una propuesta de cambio. Puede inspeccionar un repositorio, editar un conjunto limitado de archivos, añadir o actualizar pruebas y preparar documentación. Así se convierte en un colaborador del proceso de desarrollo, no en un equipo autónomo que pueda responsabilizarse de un lanzamiento.
Define una tarea acotada
- Proporciona la incidencia, las notas de diseño, las convenciones del repositorio y una lista clara de archivos o comportamientos incluidos.
- Da acceso con los permisos mínimos, sin credenciales de producción y con datos de prueba que no contengan secretos reales.
- Pide un resumen del cambio, sus supuestos, las pruebas ejecutadas y las dudas pendientes.
El agente debería trabajar en una rama o espacio aislado. Un ingeniero revisa el diff, cuestiona los supuestos y presta atención a los cambios sensibles para la seguridad. Después, CI ejecuta formato, análisis estático, pruebas unitarias y de integración y, cuando corresponda, comprobaciones de dependencias y secretos. Solo tras la revisión y CI debería llegar el cambio a preproducción, donde se prueba dentro de la aplicación real.
- Incidencia y límites
- Cambio del agente
- Pruebas y documentación
- Revisión humana y CI
- Decisión en preproducción
El agente propone un cambio; el equipo y los controles existentes deciden si puede avanzar.
Un ejemplo hipotético
Imagina un equipo que mantiene una aplicación interna de inventario. Podría pedir a un agente que añada un filtro a una lista, actualice una prueba de componente concreta y revise la página de ayuda. Una persona comprobaría el comportamiento, los accesos a datos y la compilación en preproducción antes de publicar.
Mantén visible la responsabilidad
Los agentes pueden entender mal convenciones antiguas, crear pruebas que repitan sus propios supuestos o modificar más archivos de los necesarios. No deben aprobar sus cambios, saltarse revisiones obligatorias, tocar datos de producción ni eludir CI. En migraciones, autenticación, pagos o datos personales, asigna una persona responsable y adapta la revisión al impacto.
Mide el tiempo de revisión, los cambios aceptados, los defectos detectados antes del lanzamiento, la utilidad de las pruebas, el retrabajo y las regresiones que llegan a producción. Compara con la línea de base normal del equipo e incluye el tiempo de corrección. Más líneas de código o pruebas en verde no indican mejor software si empeoran el mantenimiento o la experiencia de uso.
Integraciones sin catálogo cerrado
Slack, Telegram, WhatsApp, correo, Jira, CRM, ERP y tu propio software: creamos integraciones a medida sin una lista cerrada ni un número predefinido de conexiones. El alcance depende de las APIs disponibles, los permisos y las condiciones de cada proveedor.
Convierte tareas de Jira o solicitudes de Slack, Telegram, WhatsApp y correo en trabajo para agentes de programación; recibe pull requests, resultados de pruebas y actualizaciones de revisión.
Los equipos pueden explorar los servicios de desarrollo con IA y la computación privada si los datos del repositorio deben quedarse en un límite acordado. Habla con Clutch: los proyectos a medida parten de 10.000 € y el alquiler definido, de 1.000 €/mes. Pueden aplicarse impuestos; el presupuesto indica capacidad, configuración, hardware y costes de terceros.
FAQ
¿Cuánto cuesta un proyecto de IA?
Los precios parten de 10.000 € por proyecto y 1.000 €/mes por alquiler mensual de capacidad. El presupuesto depende del alcance, la capacidad, la puesta en marcha, el hardware, los proveedores externos y los impuestos aplicables.
¿Para qué equipos o empresas es adecuado?
Para equipos con una tarea de producto u operación concreta, ejemplos representativos y alguien que pueda aprobar el resultado. Primero comprobamos si la IA ayuda de verdad; una regla convencional o un cambio de software quizá sea más sencillo.
¿Se enviarán nuestros datos a un proveedor externo de IA?
Depende de la configuración acordada. Documentamos los flujos de datos y los accesos antes de elegir un modelo externo o una instalación local privada.
¿Cómo decidís si la IA es suficientemente buena?
Antes del piloto acordamos entradas representativas, resultados aceptables, límites de error y puntos de aprobación humana. El resultado depende de tus datos y flujo, así que medimos la muestra acordada en lugar de garantizar una cifra de precisión general.