Paul Jialiang Wu agentic-portfolio English 中文 한국어 日本語✉️ Lista gratuita
← Volver al portafolio

Serie AI-Native · ANDON · Revisión agéntica de PR y CI/CD · Episodio 1 de 5

La inundación de PR se mide, no se siente

Revisión agéntica de PR y CI/CD, episodio 1. Las pull requests fusionadas en GitHub se más que triplicaron en los años en que llegaron los agentes de código; dentro de una empresa que se midió a sí misma, la revisión humana se volvió el cuello de botella; y este mes se permitió que una IA contara como aprobador requerido. Este episodio pone números, N y fechas a la inundación, cuenta qué ha cambiado en los últimos treinta días y explica, con cinco porqués, por qué la compuerta de máquina va antes que cualquier revisor, humano o modelo.

Por Paul Jialiang Wu · futuremake.io · 2026-09-09 · Episodio 1 de 5

Cover: white ground with a black left rail. Eyebrow ANDON · AGENTIC PR REVIEW & CI/CD · EPISODE 1 OF 5 · THE PR FLOOD above the serif title The PR Flood Is Measured, Not Felt, two grey lines: Merged PRs tripled as agents arrived. Human review became the narrow pipe. Episode 1: the numbers, what changed this month, and the machine gate first. Three grey cards: WHAT IT IS, a 5-episode series, A·N·D·O·N, 4 horizons, about 140 verified sources, 1 live repo; WHO IT IS FOR, maintainers behind on PRs, engineers, founders, the curious student; WHAT YOU LEAVE WITH, 10 gates as a contract, plus the 5 Whys behind each choice. A black band: THE ONE FINDING · ONE ENTERPRISE, 802 DEVELOPERS, 196,212 PRs, JAN 2024 → APR 2026 — throughput 2.09×, human review coverage 89% → 68%. Faster than humans can review. GitHub's answer, 2026-09-01: an AI may now count as a required approver.
El único hallazgo, con su alcance: una empresa, 802 desarrolladores, 196,212 pull requests, de enero 2024 a abril 2026.

Resumen en 1 minuto — lo esencial

Qué es esto. Episodio 1 de ANDON, una serie de cinco partes sobre revisión agéntica de PR y CI/CD, escrita tras una investigación de cuatro horizontes (30 días, 30 meses, 30 años, 300 años) y mientras se construían las compuertas para un repositorio real. Este episodio es la propia inundación de PRs: cuán grande, dónde se midió, qué ha cambiado en el último mes y por qué la primera compuerta debe ser una máquina que no tiene opiniones.inundación de PRs propiamente dicha: cuán grande es, dónde se midió, qué ha cambiado en el último mes y por qué la primera compuerta debe ser una máquina sin opiniones.

Por qué importa. Para un ingeniero: el cuello de botella pasó de escribir código a juzgarlo, y ahora las herramientas que juzgan pueden pulsar el botón de fusionar. Para un fundador: la capacidad de revisión es el límite para desplegar agentes, y es un número que puedes leer de tu propio repositorio en cinco minutos. Para un estudiante: así se ve “el desplazamiento de la restricción” en los datos, y la respuesta más antigua es un par de tapones de hierro de 1821.

Qué puedes hacer después de leer. Mide tu propia inundación con tres comandos, decide cuáles de las diez compuertas automáticas te faltan e instálalas con el contrato de 30 minutos de abajo. Luego lee los episodios 2 al 5 para conocer las cuatro reglas que hacen confiable a un revisor de IA: nunca callado, datos y no prosa, solo dentro del perímetro, prueba negativa.

ANDON — la espina de la serie
  1. A · Assess — La inundación de PRs se mide, no se siente este episodio
  2. N · Nunca silenciosa — Jidoka para repositorios episodio 2
  3. D · Data, not prose — La regla que no puede desviarse episodio 3
  4. O · Solo en el perímetro — El radio de impacto es una lista de rutas episodio 4
  5. N · Prueba negativa — Una compuerta solo se instala después de haber marcado error a propósito episodio 5

De qué trata esta serie, y por qué la inundación de PRs es el episodio 1

Los agentes de código abren pull requests. Muchos. Un repositorio que antes recibía unos cuantos PRs humanos por semana ahora recibe docenas de los agentes de Copilot, Codex, Claude Code, Cursor y Devin, cada uno educado, cada uno plausible, todos esperando que alguien diga que sí. Esta serie trata sobre lo que se interpone entre esos PRs y la rama principal: las compuertas automáticas, los revisores de IA, la cola de fusiones y la única decisión humana que debe seguir siendo humana. Está escrita para mantenedores atrasados, ingenieros decidiendo qué automatizar, fundadores decidiendo en qué confiar y estudiantes que quieren ver una restricción moverse en datos reales.

El nombre viene del cordón Toyota. En una línea de Toyota, cualquier trabajador puede tirar del cordón andon para detener la producción si algo va mal, y el cordón solo es confiable porque se tira de él con frecuencia. Las cinco letras son cinco reglas, cada una un episodio, todas ya aplicadas en un repositorio privado de gestión de calidad industrial que co-construyo, donde las compuertas de esta serie se instalaron durante la investigación: Amedir la inundación con números antes de elegir una compuerta; Nnunca callado, una compuerta que no pudo ejecutarse lo dice en el PR; Ddatos, no prosa: las reglas viven en un solo archivo y se revisan contra desvíos; Osolo dentro de un perímetro de rutas puede una IA causar una fusión; NPrueba negativa: tira del cordón a propósito antes de confiar en el verde.

La inundación es el episodio 1 porque todas las decisiones posteriores dependen de su tamaño. Una compuerta pensada para cinco PRs a la semana es un objeto distinto de una diseñada para cincuenta, y la investigación encontró un motivo concreto para desconfiar de la intuición aquí: en el único experimento aleatorizado de herramientas de codificación con IA en desarrolladores experimentados del dossier, los participantes creían que las herramientas los hacían un 20 por ciento más rápidos, pero en realidad midieron un 19 por ciento más lentos. Sentir no es medir. Así que este episodio va primero con los números, con su N y sus fechas, luego los treinta días que cambiaron el botón de fusionar, después la imagen que sostiene la serie, luego el caso trabajado, y por último los cinco porqués de por qué la primera compuerta debe ser una máquina.

La inundación en números

Existen tres tipos de números, y no coinciden entre sí, lo cual ya es un hallazgo en sí mismo. Los conteos de plataforma, los estudios de campo dentro de empresas y los experimentos controlados miden cosas distintas, así que la tabla da a cada uno su alcance.

Qué se midióNúmeroAlcance y fecha
Pull requests fusionados por mes en GitHub~25M → >90M (3.6×)A nivel de plataforma, de enero de 2023 a mediados de 2026, blog de GitHub, 2026-06-18 [1]
Pull requests fusionados en un año518.7M (+29%)Octoverse 2025, 2025-10-28; solo el agente de codificación Copilot abrió más de 1M de PRs en sus primeros cinco meses [2]
PRs completamente escritos por agentes fusionados por semana en una empresa>1,000Stripe, 2026-02-09; revisados por humanos, "no human-written code" [3]
Rendimiento per cápita bajo un mandato de "2×"2.09×Una empresa, 802 desarrolladores, 196,212 PRs, de enero de 2024 a abril de 2026 [4]
Proporción de PRs con al menos una revisión humana, mismo estudio89% → 68%Misma empresa; la cobertura de revisión por IA subió de alrededor del 19% al 84% en el mismo periodo [4]
PRs fusionados por desarrollador tras adoptar un agente de codificación CLI+24%Decenas de miles de ingenieros de Microsoft, observacional, 2026-07-01 [5]
Tiempo para completar una tarea con herramientas de IA, aleatorizado−19% (más lento); los desarrolladores creían que era +20%16 desarrolladores experimentados de open source, 246 tareas, principios de 2025; una repetición reportada en febrero de 2026 encontró −4% para nuevos reclutas con intervalos amplios, y los autores cambiaron el diseño por efectos de selección [6, 7]
Proyectos que muestran rastros de agentes de codificación22–29%128,018 proyectos de GitHub, 2026-01-26 [8]
Tasa de aceptación de PRs de agentes, diferenciada por agente68–80%7,156 PRs: Codex 79.9%, Cursor 74.4%, Claude Code 72.6%, Devin y Copilot 68.0%, 2026-02-09 [9]
PRs de agentes cuya descripción no coincide con el códigoEl 1.7% de los PRs son altamente inconsistentes; esos se fusionan al 28.3% frente a 80.0% y tardan 3.5 veces más23,247 PRs de agentes, 2026-01-08 [10]
Repositorios con dos agentes activos en PRs que se superponen40.2%; tasa de conflicto entre agentes 41.7% vs 19.8% dentro de un solo agente33,596 PRs de agentes, 2,807 repositorios, 2026-07-06 [11]
Ruptura de la rama principal, asistido por IA vs sin IA1.9% vs 4.4%Más de 200,000 fusiones, 477 organizaciones usando una cola de fusiones, 2026-07-27; el 94% de las colas procesan un PR a la vez [12]

Lee la tabla como una silueta, no como un veredicto. El volumen se triplicó a escala de plataforma y se duplicó dentro de la única empresa que se midió con rigor. La proporción de ese volumen que realmente revisó una persona cayó en una quinta parte en esa misma empresa, mientras que la proporción revisada por un modelo pasó de una quinta parte a la mayoría. Los PRs de agentes se aceptan aproximadamente al ritmo humano una vez que estratificas por agente y tarea, pero los que fallan suelen ser más grandes, tocan más archivos, fallan CI o afirman algo que su diff no realiza. Y la evidencia controlada sobre si todo esto hace a alguien más rápido es, como mucho, incierta: el ensayo aleatorizado encontró una desaceleración, y sus autores han dicho desde entonces que el diseño no sobrevive si los desarrolladores rechazan el brazo sin IA.

Las cifras a nivel de empresa son las que realmente siente un mantenedor. CodeRabbit lo resumió en una frase cuando anunció $10M de revisión gratuita para repositorios públicos el 2026-08-26:

"AI has completely collapsed the cost of producing a contribution, shifting the great bottleneck of software development from generating code, to judging it." (Traducción: La IA ha derrumbado por completo el costo de producir una contribución, trasladando el gran cuello de botella del desarrollo de software de generar código a juzgarlo).
— CodeRabbit, 2026-08-26 [13]

El mantenedor de curl midió lo mismo desde el otro lado: alrededor del 20% de los envíos de seguridad en 2025 fueron basura generada por IA y solo un 5% eran genuinos. En enero de 2026, el proyecto terminó su programa de recompensas por errores después de que la tasa de reportes válidos cayera por debajo del 5% [14, 15].

Qué ha cambiado en los últimos treinta días

La ventana de investigación cerró el 2026-09-09, y el mes anterior movió el propio botón de fusionar.

En conjunto: las herramientas que escriben el código ahora pueden revisarlo, aprobarlo, corregir los checks y fusionarlo, y la decisión de si pueden hacerlo es una configuración del repositorio. Eso convierte la configuración en el diseño, que es justo de lo que tratan los próximos cuatro episodios.

Una imagen para cinco episodios: los tres pases de la cocina

Un plato sale de una cocina seria tras tres pases, y se diferencian en tipo, no en rigor. La báscula, el termómetro y el control de tickets son el primer pase; no tienen opiniones, y un plato con peso insuficiente no sale, lo haya cocinado quien lo haya cocinado. El sous-chef prueba y deja una nota: "la sal está alta en el tercer cucharón, si sale o no es tu decisión"; ese es el segundo pase, y la nota señala un cucharón. El chef lee la nota, prueba esa cucharada y decide si sale o no, tercer pase. Los entrantes fríos que probó el sous-chef salen sin pasar por el chef, porque un aderezo equivocado se rehace, no se reembolsa; la línea caliente siempre espera.

CocinaRepositorioEpisodio
La báscula: sin opiniones, lo que pesa menos nunca saleCompuertas automáticas G1 a G10: filtro de inquilino y verificación de permisos en cada ruta de escritura, sin formas secretas, cambio de modelo implica migración, cada columna id es una clave foránea, documentación bilingüe siempre sincronizada, suite de pruebas, casos de referencia, procedencia, tamaño y toda compuerta capaz de fallar (ponerse en rojo)1 y 5
El propio paro de la cocina: la batidora que se detiene cuando se rompe un resorte, y el cocinero que dice "la báscula está rota" en vez de adivinarUna compuerta o revisor que no pudo ejecutarse publica "unmeasured" en el PR; un bot de tiempo de respuesta que no depende de que alguien lo recuerde2
La ficha de receta que todos leen igualReglas como datos en un solo archivo, que se integran tanto en la documentación como en el prompt del revisor, y se verifican contra deriva en CI.3
Los platos fríos salen sin que el chef los pruebe; la línea caliente nunca lo hace.Una IA solo puede provocar una fusión dentro de un perímetro de rutas que ella no eligió, como una de cinco condiciones; el código de aplicación, las migraciones y el CI nunca están dentro de ese perímetro.4
Pesar un peso conocido antes del servicio para demostrar que la báscula marca correctamente.Cada compuerta se entrega con una autoprueba que la hace fallar ante un defecto sembrado; un revisor solo cuenta como instalado después de haber fallado en rojo con un PR conocido como malo.5
Table titled THE SERIES SPINE · FOUR HORIZONS · WHAT EACH ONE SETTLED ABOUT GATES with columns HORIZON, LANDMARKS (VERIFIED), THE PRINCIPLE A 2026 GATE INHERITS. Rows: 300 years (1785 to 2009): Blanc's 50 locks, the 1821 Ordnance bore plugs one to pass the other not to enter, the 1896 Toyoda loom that stops itself, the 1924 Shewhart control-chart memo, the 1950 andon cord, 1956 Western Electric rules, the 2009 WHO checklist; principle: go or no-go, never looks fine, the machine halts itself, anyone may pull the cord, rules written so two people read the chart the same way. 30 years (1999 to 2023): Beck and Fowler daily integration, Bacchelli and Bird 2013, bors, McIntosh 2014, Micco 2017 84 percent flakes, Google 2018 24 lines under 4 hours, SLSA and sigstore 2021, merge queue 2023; principle: small, fast, always-green main, test the merge result, separate flake from fault, a green build is not provenance. 30 months (2024-03 to 2026-08): Devin, Copilot agent, Octoverse 518.7M PRs, GitHub 25M to 90M per month, Stripe 1,000 agent PRs per week, enterprise 2.09x with human review 89 to 68 percent, agent PRs merge 68 to 80 percent, mis-described PRs merge at 28 percent, kernel humans sign; principle: the bottleneck moved to judging, provenance is a trailer nobody checks, no one formalised a review SLA, the merge queue is next. 30 days (2026-08-09 to 09-09), boxed in black: 09-01 Copilot can approve, 09-02 Agent Merge, 08-12 CodeRabbit 143M, 09-07 policy census 83.3 permit 48.8 disclose 14.9 forbid; principle: the AI reaches the merge button, whether it may press it is a repository setting, so the setting is the design. Footer: every landmark is in the series dossier with a verification status.
La columna vertebral de la serie. Cada hito lleva un estado de verificación en el dossier; los tapones de 1821 y el telar de 1896 son de los episodios 5 y 2, los estudios de revisión de 2013 y 2018 son del episodio 3, y la última fila es de este episodio.

Las filas más antiguas se nombran aquí para que la figura no afirme nada que el texto no diga. Blanc desmontó cincuenta cerrojos de mosquete y los volvió a ensamblar con piezas elegidas al azar ante testigos en 1785 [38]. El estudio de Google de 2018 sobre unos nueve millones de cambios revisados encontró una mediana de 24 líneas modificadas y una latencia de revisión completa inferior a cuatro horas [39]. McIntosh y colegas hallaron en 2014 que una baja cobertura y participación en la revisión predicen hasta dos y cinco defectos adicionales tras el lanzamiento por componente [40]. Micco reportó en 2017 que el 84 por ciento de las transiciones de aprobado a fallido en Google provenían de pruebas inestables [41]. SLSA y sigstore llegaron en 2021 como respuesta a SolarWinds [42]. Y el ensayo de la lista de verificación quirúrgica de la OMS en 2009 redujo las muertes del 1.5 al 0.8 por ciento en ocho hospitales [43]. Los hitos restantes en la figura: Beck nombró la integración continua como una práctica de Extreme Programming en 1999 y Fowler escribió su descripción canónica en 2000, con la regla de que nadie tiene una tarea de mayor prioridad que arreglar el build [44, 45]; el bot bors del proyecto Rust prueba el resultado de la fusión en vez de la rama desde 2013, y GitHub hizo de la cola de fusiones una función de primera clase en julio de 2023 [46, 47]; Devin se lanzó en marzo de 2024 y el coding agent de Copilot de GitHub entró en vista previa pública en mayo de 2025 [48, 49]; y el memorando de Shewhart proponiendo el gráfico de control está fechado el 16 de mayo de 1924 [50]. Cada uno regresa en el episodio que le corresponde.

El caso trabajado: un repositorio el 2026-09-09

El repositorio es un sistema de gestión de calidad para fábricas, donde cada registro puede ser solicitado como evidencia en una auditoría de cliente, y donde un defecto fusionado es un registro falso, no un bug. Lo mantenemos dos personas: un cofundador del dominio y yo, y la mayoría de mis contribuciones las produce una sesión de IA bajo mi dirección. La mañana en que terminó la investigación de este episodio, leí los números del repositorio con los mismos tres comandos que cualquiera puede ejecutar, y tenían la forma de la literatura a una décima de la escala.

Diagram titled ONE PRIVATE REPOSITORY, READ ON 2026-09-09 · THE FLOOD AT SMALL SCALE. Left card, WHAT THE NUMBERS SAID: 39 merged PRs, 30 authored by an AI session; 0 reviews on any of those 30; 9 co-founder PRs, all merged in one batch after 4 to 8 days; largest PR +16,739 / −12,330, 41 files; 3 PRs open 57 hours with zero maintainer response; 0 of 6 gate scripts had ever been made to go red on purpose; 1 budget quota-exhausted alarm, actually a cancelled job; CI minutes used this month 352 of 2,000. Right card, THE MACHINE GATES (PASS 1 · THE SCALE): G1 tenant filter and permission on every write route, G2 no secret shapes, G3 model change implies migration, G4 every id column declares a foreign key, G5 bilingual docs together, G6 tests green and G7 golden cases reproduce, G8 provenance, G9 size, G10 every gate can go red; note: G8 to G10 were added by this episode's research; red greys the merge button once branch protection is on. Black band: THE SAME SHAPE AS THE LITERATURE, ONE ORDER OF MAGNITUDE SMALLER — agent throughput up, human review not happening, gates never proven, alarms mis-fired; enterprise 2.09x and 89 to 68 percent, this repo 30 of 39 agent PRs and 0 of 30 reviewed, same curve.
Lee del repositorio por script, no de memoria. Los tres comandos están en el contrato abajo.

El dossier detrás de esta serie contiene unas 140 fuentes, cada una marcada como fetched, search-verified o unverified. Los números propios del repositorio ese día: treinta y nueve PRs fusionados; el mayor, una reconstrucción de UI de +16,739 y −12,330 líneas en 41 archivos; 352 de los 2,000 minutos de CI del mes usados. Treinta de treinta y nueve PRs fusionados fueron escritos por la sesión de IA, y ninguno de esos treinta tuvo revisión, porque la persona que podía revisarlos era quien dirigía al agente. Los nueve PRs del cofundador esperaron de cuatro a ocho días y luego se fusionaron en una tarde. Tres PRs nuevos de él llevaban abiertos cincuenta y siete horas sin respuesta de nadie. Ninguno de los seis scripts de compuerta había sido hecho fallar a propósito; la séptima compuerta, la suite de pruebas, es la única que no es un script. Y el script que vigila el presupuesto de minutos de CI había lanzado una alarma de "cuota agotada" en un trabajo que resultó ser una cancelación por concurrencia, de solo nueve segundos.

Esa última línea es la que hay que guardar. Un detector que dispara en falso es peor que ninguno, porque la siguiente alarma se ignora, y este repositorio ya había perdido casi todo el final de agosto (2026-08-21 al 08-30, once días según su propio log) por un CI que murió en silencio al agotarse los minutos de Actions, sin nadie vigilando la alarma. El episodio 5 trata de eso. El episodio 2 trata de las cincuenta y siete horas. El trabajo de este episodio eran las siete compuertas de la derecha de la figura, y la investigación añadió tres: una compuerta de procedencia, porque la literatura muestra marcadores de IA en solo el 14.4 por ciento de las fusiones privadas y el repositorio dependía de una convención que nadie comprobaba; una compuerta de tamaño con un límite inferior para PRs asistidos por agente, porque los PRs que fallan son los grandes; y un contrato de autoprueba, porque cero de los seis scripts de compuerta habían fallado nunca.

Cinco porqués: por qué la compuerta de máquina es la primera

El recurso distintivo de la serie es la misma pregunta repetida cinco veces, hasta que la respuesta deja de ser una preferencia y se convierte en un mecanismo. Aquí está para la decisión del episodio 1: que el primer pase sea una máquina sin opiniones, antes que cualquier revisor.

#¿Por qué?PorqueEvidencia
1¿Por qué no dejar que el revisor de IA sea la compuerta?Porque los veredictos del modelo sobre un diff son probabilísticos, y una condición de fusión que se puede debatir se convierte en algo que los contribuyentes discuten. La báscula no negocia.Los revisores automatizados "underperform" en PRs reales y son mejores detectando errores funcionales que problemas de diseño; un revisor industrial en producción reporta que el 26.7 por ciento de sus comentarios quedan obsoletos [31, 32]
2¿Por qué la compuerta automática debe cubrir específicamente el aislamiento de inquilinos, secretos, migraciones y claves foráneas?Porque esos son los fallos que producen un registro falso en un sistema de calidad, y un registro falso es el único defecto que una auditoría no puede perdonar. Además, todos son completamente decidibles por un script.Las propias reglas del repositorio, y el patrón de 1821: un tapón de ánima o pasa o no pasa [33]
3¿Por qué los resultados de la compuerta deben adjuntarse al informe de IA exactamente como están y no volver a juzgarse?Porque una segunda opinión sobre una verificación ya resuelta es ruido, y el ruido es lo que hace que la gente deje de leer los informes. Los revisores humanos gastan su atención en entender, no en volver a pesar la báscula.Bacchelli y Bird, ICSE 2013: las revisiones son "less about defects than expected" y más sobre comprensión [34]
4¿Por qué las reglas deben estar escritas como datos?Porque si no, dos revisores leyendo la misma gráfica llegarán a veredictos distintos, que es exactamente el problema que Western Electric resolvió en 1956 al publicar las reglas de ejecución.Western Electric rules: "to ensure that line workers and engineers interpret control charts in a uniform way" [35]; episodio 3
5¿Por qué la compuerta debe ser forzada a fallar a propósito antes de que cuente?Porque una compuerta que nunca ha fallado es indistinguible de un adorno con luz verde, y este repositorio tuvo tres de esos en un mes: un linter que se saltaba en silencio si no estaba instalado, un bot de plantilla de PR documentado como existente que nunca existió, y los días de CI silencioso a finales de agosto. El telar es confiable porque se detiene.El propio relato de Toyota sobre la parada por rotura de trama en 1896 y el cordón andon de 1950 [36, 37]; episodio 5

La raíz, en una frase:una condición de fusión tiene que ser algo con lo que nadie pueda discutir, lo que significa una máquina, lo que significa que debe estar escrita y debe poder decir que no. Todo lo que añade un revisor de IA se apila encima de eso, nunca en vez de eso.

Constrúyelo en 30 minutos: la capa de compuertas automáticas como contrato

Treinta minutos es el presupuesto que marca el contrato para quien copie esto en un repositorio nuevo; no es un tiempo que yo haya medido. Las siete compuertas originales del caso trabajado (seis scripts más la suite de pruebas) tomaron varias sesiones; las tres nuevas llevaron un día, incluyendo la investigación.

ElementoEspecificación
Mide primeroTres comandos, cinco minutos: lista los PR fusionados con autor, quien hizo la fusión, tamaño y cantidad de revisiones; lista los PR abiertos con antigüedad y etiquetas; lista las últimas sesenta ejecuciones de CI con su conclusión. Registra los números con la fecha antes de tocar una compuerta.
EntradasEl diff contra la base de fusión; la lista de archivos cambiados; los mensajes de commit (para trailers); el cuerpo del PR (para evidencia pegada).
Las siete compuertas, mínimoG1 toda ruta de escritura lleva un filtro de inquilino y una verificación de permisos (un pase AST, no un grep); G2 no hay formas de secretos en líneas añadidas, se reportan posiciones, nunca se muestran valores; G3 un cambio de modelo sin una migración en el mismo PR es un bloqueo; G4 cada*_id columna declara una clave foránea o lleva una exención justificada; G5 la documentación en pares de idiomas cambia junta; G6 la suite de pruebas; G7 una biblioteca de casos de referencia donde las funciones deterministas deben reproducir sus salidas estándar.
Las tres que suma la inundaciónG8 procedencia: un commit con marcador de coautoría de IA debe también llevar una traza a su sesión o herramienta, un bot nunca puede firmar, y un PR asistido por agente debe pegar su salida de verificación; G9 tamaño: líneas efectivas por encima de un límite definido por datos bloquean, con un límite inferior para PRs asistidos por agente y lockfiles excluidos; G10 autoprueba: toda compuerta expone una bandera que prueba que puede fallar ante un defecto sembrado, y el ejecutor marca fallo en CI si alguna compuerta no la tiene.
InvarianteUna compuerta en rojo desactiva el botón de fusión bajo protección de rama. Ninguna compuerta se salta en silencio: una herramienta faltante, una clave ausente o una excepción es rojo, nunca verde.
Regla de paradaLas compuertas corren una vez por push. No hay reintentos dentro de una compuerta; un resultado inestable es un defecto de la compuerta a corregir, no una razón para repetir.
Umbrales como datosUn archivo JSON: alerta en 400 líneas efectivas, bloquea en 3,000, bloquea en 1,500 para asistidos por agente, bloquea en 60 archivos. Cambiarlo es un PR.
Ausencias deliberadasNada de IA en esta capa. Aún no hay cuarentena para pruebas inestables. No hay cola de fusiones hasta que el plan soporte protección de rama. Cada uno es un episodio o una decisión de plan, no un hueco en el contrato.
# Measure first (five minutes, any repo)
gh pr list --state merged --limit 100 --json number,author,mergedBy,additions,deletions,changedFiles,reviews
gh pr list --state open   --json number,createdAt,author,labels,reviews
gh run list --limit 60    --json conclusion,createdAt,updatedAt

# Then the gate layer, one command locally == CI
make gate    # lint · tenant-perm · graph · pr-ready(P1..P6) · selftest · migration · tests · eval

Misma historia, cinco salidas

LectorLa única decisiónLa única acción
EstudianteLa restricción pasó de escribir a juzgar; aprende a juzgar.Lee un PR de agente al día en un repositorio público y anota, antes de mirar la revisión, si debería fusionarse y por qué.
IngenieroMide la inundación antes de elegir una compuerta.Ejecuta hoy los tres comandos anteriores en tu repositorio y registra los números en el README.
FundadorLa capacidad de revisión, no la calidad del modelo, limita cuántos agentes puedes poner en marcha.Pregunta qué porcentaje de los PRs fusionados el mes pasado tuvo revisión humana, y si ese número va en la dirección que busca la empresa.
Ejecutivo"An AI may approve" ahora es una configuración; decídelo de forma deliberada.Pregunta quién es responsable de la configuración y cuál es el perímetro antes de que alguien la habilite por defecto.
InversionistaEl dinero se movió hacia la gobernanza del cambio, no a la generación de código.Pide a un equipo que te muestre una compuerta fallando a propósito; las que pueden hacerlo tienen un proceso.

Patrones, antipatrones y el primer principio

Patrones que se mantuvieron. Números con N y fecha antes de cualquier diseño. Una capa de máquina que decide solo lo que puede decidir un script, y lo decide todo. Resultados de compuertas adjuntos al informe del revisor exactamente como están. Umbrales en un archivo de datos. Una autoprueba en cada compuerta.

Antipatrones que identificó la investigación. Confiar en cómo se siente la inundación (la ilusión del 20 por ciento del experimento aleatorizado). Permitir que un revisor probabilístico sea condición de fusión. Depender de una convención de procedencia que nadie verifica. Tratar un PR grande de agente como uno grande de humano. Alarmas que se disparan con la huella equivocada y se desactivan.

El primer principio, en una frase. Antes de que alguien o algo juzgue un cambio, una máquina sin opiniones debe haberlo pesado, y esa máquina debe poder decir que no.

Misión en la práctica

Para cuando salga el episodio 2, el repositorio del caso trabajado habrá ejecutado por primera vez su nuevo bot de tiempo de respuesta sobre los tres PRs que llevaban cincuenta y siete horas, y las etiquetas que aplicó estarán en el dossier. Si no las etiquetó, el episodio 2 lo dirá.

Lee también

Episodio 1 de ANDON · Revisión agéntica de PR y CI/CD. Cada número está acotado donde aparece; la cocina es un modelo, no una medición. Las compuertas, la especificación y las pruebas descritas aquí existen en un repositorio privado; sus formas se reproducen en el contrato para que nada dependa de tener acceso a él. El dossier de cuatro horizontes que este episodio puede citar está registrado en el directorio de planes del portafolio.

Referencias

  1. GitHub, How pull request limits are cutting down the noise, 2026-06-18. github.blog
  2. GitHub, Octoverse 2025, 2025-10-28. github.blog
  3. Stripe, Minions: Stripe's one-shot, end-to-end coding agents, 2026-02-09. stripe.dev
  4. He, Agarwal, Denisov-Blanch, Azaletskiy, Koyejo, Vasilescu, AI Writes Faster Than Humans Can Review: A Longitudinal Study of an Enterprise 2x Mandate, arXiv:2607.01904, 2026-07-02. arxiv.org — las cifras de cobertura de revisión son del propio estudio; el estudio complementario de Microsoft es [5].
  5. Murphy-Hill, Butler, Savelieva, Adoption and Impact of Command-Line AI Coding Agents, arXiv:2607.01418, 2026-07-01. arxiv.org
  6. METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 2025-07-10. metr.org
  7. METR, We are Changing our Developer Productivity Experiment Design, 2026-02-24. metr.org
  8. Robbes, Matricon, Degueule, Hora, Zacchiroli, Agentic Much? Adoption of Coding Agents on GitHub, arXiv:2601.18341, 2026-01-26. arxiv.org
  9. Pinna, Gong, Williams, Sarro, Comparing AI Coding Agents: A Task-Stratified Analysis of PR Acceptance, arXiv:2602.08915, 2026-02-09. arxiv.org
  10. Gong, Pinna, Bian, Zhang, Analyzing Message-Code Inconsistency in Agent-Authored PRs, arXiv:2601.04886, 2026-01-08. arxiv.org
  11. Xu, Subramanian, Karthik, PRs de agentes de IA en GitHub: frecuencia, estructura y tasas de conflictos de fusión, arXiv:2607.04697, 2026-07-06. arxiv.org
  12. Mergify, Estado de las colas de fusiones 2026, 2026-07-27. mergify.com
  13. CodeRabbit, CodeRabbit destina más de $10 millones al open source, 2026-08-26. coderabbit.ai
  14. Daniel Stenberg, Muerte por mil chapuzas, 2025-07-14. daniel.haxx.se
  15. Daniel Stenberg, El fin de la recompensa por bugs en curl, 2026-01-26. daniel.haxx.se
  16. GitHub Changelog, La revisión de código de Copilot ahora puede aprobar pull requests, 2026-09-01. github.blog
  17. GitHub Changelog, Revisión de código de Copilot: motivos de resolución y capacidades ampliadas, 2026-08-27. github.blog
  18. GitHub Changelog, Lanzamientos semanales de GitHub Copilot: 31 de agosto, 2026-09-04. github.blog
  19. Microsoft, Visual Studio Code 1.136, 2026-09-02. code.visualstudio.com
  20. Cursor, Cloud Agents y mejoras en Cursor Harness, 2026-08-19. cursor.com
  21. GitHub Docs, Copilot code review (conceptos). docs.github.com
  22. GitHub Changelog, Próximos cambios en las políticas y la facturación de GitHub Copilot, 2026-08-28. github.blog
  23. Anthropic, Code Review, documentación de Claude Code. code.claude.com
  24. Hora, Robbes, Zacchiroli, "We Permit the Use of AI, but […]": The Landscape of AI Policies in Popular Open Source Projects, arXiv:2609.07542, 2026-09-07. arxiv.org
  25. The Register, Debian vota permitir que los contribuyentes programen con IA, 2026-08-30. theregister.com
  26. LWN.net, El comité directivo de GCC anuncia política de IA, 2026-07-29. lwn.net
  27. Documentación del kernel de Linux, Uso de asistentes de codificación IA en el desarrollo del kernel de Linux. docs.kernel.org
  28. SiliconANGLE, CodeRabbit recauda $143M para ayudar a las empresas a gestionar la explosión de código generado por IA, 2026-08-12. siliconangle.com
  29. Qodo, Novedades, versiones 2.8 (2026-08-16) y 2.9 (2026-09-07). docs.qodo.ai
  30. Mergify, Registro de cambios, entradas del 12-08-2026 al 09-09-2026. docs.mergify.com
  31. Zeng et al., SWR-Bench: Evaluación del rendimiento de LLM en la generación de comentarios de revisión de código en escenarios reales, arXiv:2509.01494. arxiv.org
  32. Sun et al., BitsAI-CR: Revisión de código automatizada mediante LLM en la práctica, arXiv:2501.15134, 2025-01-25. arxiv.org
  33. Raber, Malone, Gordon, Cooper, Conservative Innovators and Military Small Arms: An Industrial History of the Springfield Armory, 1794–1968, Servicio de Parques Nacionales de EE. UU., 1989/2006, p. 138. npshistory.com
  34. Bacchelli, Bird, Expectations, Outcomes, and Challenges of Modern Code Review, ICSE 2013, copia del autor. sback.it
  35. Reglas de Western Electric, citando el Statistical Quality Control Handbook, 1956. en.wikipedia.org (secundario; el manual de 1956 no se obtuvo)
  36. Toyota Motor Corporation, Toyota Production System. global.toyota
  37. Toyota UK, TMUK's 25 Objects – Andon Cord, 2017-12-11. mag.toyota.co.uk
  38. Roser, 230 Years of Interchangeable Parts – A Brief History, AllAboutLean, 2015-07-08. allaboutlean.com
  39. Sadowski, Söderberg, Church, Sipko, Bacchelli, Revisión de código moderna: un estudio de caso en Google, ICSE-SEIP 2018, copia del autor. sback.it
  40. McIntosh, Kamei, Adams, Hassan, El impacto de la cobertura y la participación en la revisión de código sobre la calidad del software, MSR 2014. rebels.cs.uwaterloo.ca
  41. Micco, El estado de las pruebas de integración continua en Google, conferencia magistral ICST 2017. aster.or.jp
  42. Google Security Blog, Presentación de SLSA, un marco integral para la integridad de la cadena de suministro, 2021-06-16. security.googleblog.com
  43. Harvard Gazette, La lista de verificación de seguridad quirúrgica reduce muertes y complicaciones en más de un tercio, 2009-01, reportando Haynes et al., NEJM 360:491-9. news.harvard.edu
  44. Beck, Extreme Programming Explained: Embrace Change, Addison-Wesley, 1999 (registro de catálogo). books.google.com
  45. Fowler, Integración continua, 2000, revisado en 2006 y 2024. martinfowler.com
  46. Wilson, Rust infrastructure can be your infrastructure, 2015-03-17. huonw.github.io
  47. GitHub Changelog, La cola de fusiones de pull requests ya está disponible de forma general, 2023-07-12. github.blog
  48. Cognition, Presentando a Devin, 2024-03-12. cognition.com
  49. GitHub Changelog, GitHub Copilot coding agent en vista previa pública, 2025-05-19. github.blog
  50. Best, Neuhauser, Walter A Shewhart, 1924, y la fábrica de Hawthorne, Quality & Safety in Health Care, 2006. pmc.ncbi.nlm.nih.gov