Definir IA Agente en el SDLC
Muchos desarrolladores ya usan IA en un familiar patrón de asistente. Un asistente responde a un mensaje, genera la salida y devuelve el control al usuario. Un agente va más allá: puede interpretar un objetivo, decidir los pasos intermedios, usar herramientas y tomar medidas dentro de un flujo de trabajo.
Esa diferencia es importante porque cambia la inteligencia artificial de algo que ayuda con el desarrollo en algo que participa en el desarrollo.
En esta unidad, aprenderá
Lo que hace que un sistema de inteligencia artificial sea agente en un contexto de desarrollo
Cómo difieren los sistemas basados en agentes de los sistemas basados en asistentes
Cómo aparece el comportamiento del agente dentro de los flujos de trabajo de GitHub
Lo que hace que un sistema de inteligencia artificial sea agente en un contexto de desarrollo.
Los sistemas basados en asistentes suelen ser reactivos:
Dependen de un usuario para decidir qué hacer a continuación.
Pueden sugerir código, explicar la salida o resumir los cambios.
No avanzan el trabajo de forma independiente dentro de un repositorio.
Los sistemas basados en agentes están controlados por objetivos:
Pueden interpretar una tarea, desarrollar un enfoque y tomar medidas para completarse.
Pueden usar herramientas (por ejemplo, la API de GitHub, flujos de trabajo de CI o operaciones de escritura de repositorio) para generar resultados duraderos, como ramas, confirmaciones y solicitudes de incorporación de cambios.
Pueden iterar en función de los comentarios (comprobaciones, revisiones, análisis).
En GitHub, este modelo se expresa a menudo a través de un flujo de trabajo orientado a solicitudes de incorporación de cambios: el agente propone cambios en una rama, abre una solicitud de incorporación de cambios y espera la revisión y validación antes de combinar el cambio.
¿Asistente frente al agente?
Se comporta como un asistente cuando:
Genera sugerencias o explicaciones
No realiza acciones de repositorio
Requiere que el usuario aplique manualmente cada paso.
Un sistema de inteligencia artificial se comporta como un agente cuando puede:
Mantenimiento de un objetivo en varios pasos
Decidir acciones intermedias
Uso de herramientas
Crear o modificar artefactos duraderos (branch/commits/PR)
Iterar según la retroalimentación recibida
Cómo aparece el comportamiento del agente en GitHub
En GitHub, el comportamiento del agente es visible a través de las mismas estructuras que los desarrolladores ya usan:
Ramas y confirmaciones (lo que cambió)
Solicitudes de incorporación de cambios (lo que se propone, por qué y para su revisión)
Flujos de trabajo y comprobaciones (qué evidencia existe)
Revisar comentarios y aprobaciones (lo que los humanos aceptaron o rechazaron)
Un agente no reemplaza el flujo de trabajo. Entra en el flujo de trabajo como participante.
Ejemplos de implementación
Comportamiento del agente (gestión de PR) Se registra una alerta de seguridad. El agente:
- Crea una rama (por ejemplo, agent/bump-dep-2026-04-03)
- Actualiza una dependencia y un archivo de bloqueo
- Abre un pull request que incluye un resumen y un plan
- Espera las comprobaciones de CI y revisa los comentarios y, a continuación, revisa si es necesario.
Comportamiento del asistente (solo sugerencia) Pregunta a un asistente: "¿Cómo puedo actualizar esta dependencia de forma segura?" El asistente proporciona:
un conjunto de comandos recomendados
una lista de comprobación de riesgos
Cambios de código sugeridos: todavía creas la rama y la solicitud de incorporación de cambios tú mismo.
En la unidad siguiente, examinará el ciclo de vida que rige cómo planean, actúan y evalúan los agentes.