En el desarrollo de software, la división del trabajo está cambiando. Ya no solo se delega a las herramientas de IA la escritura de código, sino también lo que viene después: formular pruebas, revisar cambios, señalar vulnerabilidades. En una conversación de pódcast, Richard Seidl y Benedikt Stemmildt hablan sobre agentes que se mejoran a sí mismos, y sobre por qué Codex a veces es el mejor revisor para Claude Code.
Esta observación está formulada de manera poco espectacular y, sin embargo, es el punto interesante. Porque describe una constelación que es nueva en el día a día de los proyectos: dos sistemas diferentes no trabajan uno al lado del otro, sino uno sobre otro. Uno genera una propuesta de cambio, el otro la revisa.
Por qué un segundo modelo encuentra algo en absoluto
Una revisión de código vive de que alguien mire con otra perspectiva. Quien ha diseñado una solución por sí mismo lleva consigo las suposiciones de esa solución y, por eso, pasa por alto sistemáticamente determinados errores. Esto vale para las personas y, al parecer, de forma similar para los modelos de IA: un agente que revisa su propia salida permanece en la misma línea de pensamiento.
Aquí radica precisamente el valor práctico de herramientas diferentes. Un modelo distinto, entrenado de otra manera y ajustado de otra forma a las tareas, aporta otras prioridades. Posiblemente comenta lo que el primer modelo consideró evidente. No es una panacea, pero es más que un doble clic en el mismo botón.
La automejora no es un automatismo
El segundo término de la conversación —agentes que se mejoran a sí mismos— suena más grande de lo que es en un principio en el día a día de los proyectos. En esencia, se refiere a un circuito de control: un agente genera algo, recibe retroalimentación, ajusta su siguiente intento. Esta retroalimentación puede venir de pruebas, de una compilación, de un linter o, precisamente, de un segundo agente.
Lo decisivo es que este circuito de control tenga en general una señal fiable. Sin pruebas automatizadas, sin una definición clara de "terminado" y sin un entorno reproducible, el bucle gira en el vacío. Un agente que reacciona a una retroalimentación poco clara produce más cambios, no mejores.
Para los proyectos, esto significa: los requisitos previos para un trabajo sensato con agentes son prácticamente los mismos que ya definen un buen desarrollo de software. Una cobertura de pruebas adecuada, una cadena de integración continua que funcione —es decir, la ejecución automática de compilación y pruebas en cada cambio— y límites limpios entre módulos ahora rinden el doble.
Qué perciben de ello las clientas y los clientes
Desde la perspectiva del cliente, la constelación técnica es menos interesante que su efecto. Este radica sobre todo en el tiempo de ciclo. Una revisión que antes esperaba a la disponibilidad de una segunda persona puede ocurrir en parte de inmediato. Pequeñas anomalías —manejo de errores olvidado, nombres poco limpios, casos de prueba faltantes— se encuentran antes de que una persona abra el expediente.
Con ello, el papel de la revisión humana se desplaza hacia arriba: lejos de las formalidades, hacia la arquitectura, la corrección técnica y las preguntas que solo pueden responderse con conocimiento del modelo de negocio. Esa es la eficiencia real, no el ahorro de personas.
Al mismo tiempo surge un nuevo riesgo. Si los cambios se producen más rápido y se aprueban más rápido, crece la cantidad de código que nadie ha leído realmente. Una revisión por agentes es una red adicional, no un sustituto de la responsabilidad. Quien aprueba, responde: técnica, contractualmente y frente a sus propios usuarios y usuarias.
Qué caracteriza una configuración limpia
De la práctica pueden derivarse algunas directrices que se aplican independientemente de las herramientas concretas utilizadas:
- Separar roles. El agente que genera un cambio no debería ser el mismo que lo evalúa finalmente.
- Primero las comprobaciones automatizadas. Las pruebas, la compilación y el análisis estático se ejecutan antes de cada revisión por modelo. Lo que una máquina puede comprobar de forma determinista no tiene que evaluarlo un modelo de lenguaje.
- Anclar la aprobación humana. Para cambios en interfaces, modelos de datos, permisos y procesos de pago, la decisión sigue siendo de una persona.
- Garantizar la trazabilidad. ¿Qué agente dio qué indicación, qué se adoptó, qué se descartó? Sin registro falta la base para la búsqueda de errores posterior.
- Aclarar el flujo de datos. ¿Qué código fuente sale del propio sistema y va a qué proveedor? Esta pregunta corresponde antes de la selección de herramientas, no después.
Las herramientas vienen y se van
Los nombres en esta discusión cambiarán. Qué modelo se considera hoy el mejor revisor para qué tarea puede verse diferente en pocos meses, y precisamente por eso vale la pena no optimizar para un único producto.
Lo estable permanece: pasos definidos, herramientas intercambiables, responsabilidad claramente asignada. Un equipo que ha estructurado así su proceso de desarrollo puede sustituir un agente sin tener que reinventar el flujo.
Para proyectos web y de software, esto significa: el beneficio de los agentes de IA en la revisión depende menos del modelo que de la calidad de la pipeline en la que está integrado. Quien ha configurado bien las pruebas, la automatización y las vías de aprobación gana velocidad sin ceder profundidad de revisión. Quien no las tiene, solo acelera la producción de código no revisado, y lo nota solo en operación.
Fuentes
- Software Testing: Mit Claude und Codex Software auf Steroiden entwickeln — heise developer News