La generación agéntica de código cambia la unidad de trabajo. En lugar de que una persona escriba y revise una PR pequeña, un agente puede crear decenas de implementaciones candidatas, estructuras iniciales para varios servicios y migraciones automatizadas. El resultado: aumentan tanto el volumen como la diversidad del código que hay que revisar. Los equipos afrontan dos presiones: el rendimiento —seguir entregando funcionalidades— y la seguridad —evitar regresiones o problemas en la cadena de suministro—. Esta sección explica cómo la automatización amplía la superficie de revisión, por qué los revisores se convierten en un cuello de botella y qué funciones de la organización se ven más afectadas: los ingenieros de lanzamiento, los equipos de seguridad y quienes mantienen bibliotecas críticas.

Las pruebas validan el comportamiento esperado en los escenarios seleccionados y son especialmente eficaces para prevenir regresiones que coinciden con los casos de prueba. El análisis estático y los linters detectan errores de tipos, problemas de memoria y muchos usos incorrectos de API antes de la ejecución. La revisión de código con IA ayuda a evaluar la legibilidad, detectar posibles errores lógicos y señalar regresiones de estilo a gran escala, pero puede pasar por alto errores semánticos sutiles o lógica alucinada. La verificación formal, en cambio, demuestra propiedades para todas las entradas cuando se cuenta con especificaciones precisas. En la práctica: usa pruebas para cubrir el comportamiento, herramientas estáticas para los problemas estructurales, revisión con IA para la clasificación inicial y pruebas formales para invariantes y garantías de concurrencia o criptografía que las pruebas no pueden cubrir exhaustivamente por medios estadísticos.

Los métodos formales son potentes, pero no sirven para todo. Requieren especificaciones precisas —una tarea de diseño nada trivial— y a menudo exigen expresar el código en subconjuntos compatibles con las pruebas o añadir contratos anotados. Son menos útiles para problemas de diseño de interfaz, optimización del rendimiento o expectativas de comportamiento que dependen de entradas imprecisas del mundo real. Aplicar pruebas formales en exceso puede crear cuellos de botella si los equipos intentan verificar formalmente bases de código grandes y sujetas a cambios rápidos. Esta sección describe errores habituales: desviación de las especificaciones, coste de mantenimiento de las pruebas, dificultades de integración con CI y el riesgo de una confianza injustificada cuando hay pruebas formales, pero se basan en supuestos erróneos.

Adopta un proceso por capas: 1) Generación basada primero en especificaciones: redacta contratos de API precisos, define tipos y crea pruebas basadas en propiedades antes de pedir a los agentes que implementen el código; 2) Generación en entornos aislados: ejecuta los agentes en entornos de CI aislados que instrumenten y sometan a fuzzing los módulos generados; 3) Controles automatizados: exige pruebas unitarias, de integración y basadas en propiedades, además de comprobaciones de seguridad de GitHub AI Scan, antes de la revisión humana; 4) Pruebas formales selectivas: aplícalas a invariantes críticos —consenso, criptografía y autorización— o a módulos con un gran radio de impacto; 5) Verificación humana: centra la revisión en el diseño, el cumplimiento de las especificaciones y el análisis adversarial, en lugar de comprobar la corrección línea por línea. Integra herramientas para que cada paso sea visible en los paneles de las PR y no bloquee el flujo de trabajo.

Empieza con poco: prueba las pruebas formales en un servicio crítico, mide los intervalos entre defectos y el tiempo de revisión, y capacita a ingenieros de SRE y seguridad para redactar especificaciones y preparar bancos de pruebas formales. Crea nuevas funciones o rotaciones —ingenieros de pruebas formales o responsables de verificación— que traduzcan los requisitos del producto en contratos verificables por máquinas. A largo plazo, cabe esperar una división: la mayoría del código se validará con herramientas rápidas y probabilísticas, además de revisores humanos; un conjunto más reducido de módulos de gran valor se reforzará con pruebas formales. Esta combinación permite mantener la velocidad y reducir drásticamente los riesgos sistémicos allí donde más importa.