Autor: The Pragmatic Engineer
Compilado por Deep潮 TechFlow
Guía de Shenchao: La IA está escribiendo código cada vez más rápido, pero aún son las personas quienes revisan el código. Esta contradicción está evolucionando hacia una crisis: los ingenieros se ven abrumados por las solicitudes de extracción generadas por IA, ya sea porque se esfuerzan por revisar sin suficiente cuidado o simplemente aprueban los cambios porque la IA no reporta errores. Las grandes empresas están desarrollando sus propias herramientas para hacer frente a esto, pero aún nadie tiene una respuesta estándar.
Hola, soy Gergely, y esta es una edición gratuita adicional de Pragmatic Engineer Newsletter. En cada edición, informo sobre grandes empresas de tecnología y startups desde la perspectiva de ingenieros experimentados y líderes técnicos. Hoy discutimos uno de los cuatro temas del periódico The Pulse. Los usuarios con suscripción completa recibieron este artículo hace una semana. Si este correo electrónico te fue reenviado, puedes suscribirte aquí.
He escuchado que una de las preocupaciones más importantes de los líderes de ingeniería es cómo manejar la creciente carga de revisiones de código. Este tema ha existido durante algún tiempo, y ahora este tipo de conversaciones parecen estar aumentando.
Para mí, esto comenzó en enero de este año, cuando Opus 4.5 y GPT 5.4 comenzaron a escribir más y mejor código en la mayoría de las empresas. Aproximadamente desde entonces, los directores comenzaron a discutir que el cuello de botella en el desarrollo de software se estaba desplazando desde la fase de codificación hacia la fase de revisión.
Auge de las herramientas de revisión de código de IA
Desde febrero, ha habido un crecimiento explosivo en las herramientas de revisión de código basadas en IA para hacer frente al aumento de la carga, con una adopción y experimentación masivas de herramientas especializadas como CodeRabbit, Greptile, Qodo y SonarQube (ahora también Gitar). También se incluyen las funciones integradas en las propias herramientas de codificación, como Claude Code Review, Cursor Review y GitHub Copilot Review. Además, herramientas que anteriormente no participaban en la revisión de código pero que tienen contexto sobre los repositorios también están entrando en este ámbito, como los análisis de IA Seer de Sentry y las revisiones de código de Linear.
Herramientas internas desarrolladas por grandes empresas: Code Inbox de Uber
Las grandes empresas están desarrollando herramientas internas para mejorar la experiencia de revisión de código. Un ejemplo es Code Inbox de Uber:
La asignación inteligente es una función dentro de Code Inbox diseñada para avanzar el proceso de revisión:
Figura: Configuración de asignación inteligente de Code Inbox para avanzar el proceso de revisión. Fuente: The Pragmatic Engineer
También hay una función de perfil de riesgo para evaluar el impacto de los cambios y animar a los desarrolladores a prestar especial atención a los cambios de alto riesgo:
Figura: La función Perfiles de riesgo de Code Inbox, que estima el riesgo de los cambios de código y sugiere áreas de atención prioritaria. Fuente: The Pragmatic Engineer
Hemos informado sobre cómo Uber utiliza IA en el desarrollo de software, y no solo Uber: Cloudflare (AI Code Reviewer), Faire (Fairey), HubSpot (Sidekick) y muchas otras empresas han desarrollado herramientas para agilizar sus procesos de revisión de código, ya que descubrieron que las implementaciones internas funcionan mejor que las soluciones de proveedores externos.
Cambiar de «revisión» a «verificación»
Otro enfoque es pensar en cómo validar el código en lugar de revisarlo. Fácil de decir, difícil de hacer; teóricamente, una prueba exhaustiva debería poder validar que el código funciona como se espera. Pero, ¿qué significa «exhaustiva» en términos de pruebas? ¿Qué tipo de pruebas estamos considerando? ¿Incluyen pruebas de integración y pruebas end-to-end? ¿Y el fuzz testing? ¿Y los métodos formales? ¿Cómo se valida que las nuevas pruebas cubren adecuadamente las funciones esperadas? ¿Cómo conectamos todo esto con la observabilidad?
La censura excesiva está agotando a los ingenieros
Las revisiones de código demasiado exhaustivas están agotando a los ingenieros y reduciendo la calidad de las revisiones. He escuchado muchos rumores de que los desarrolladores, al ver que otros ya no pueden revisar el código con atención, simplemente lo aprueban si la revisión de IA no ofrece comentarios sustanciales. Al mismo tiempo, los desarrolladores que siguen dedicando la misma energía y tiempo a las revisiones de código como antes se sienten ahogados por los PR de IA llenos de basura que les llegan.
El problema existe, la solución sigue siendo experimental
Hay un problema, pero la solución parece más bien un experimento.