¿Cómo deberíamos hacer code review en la era de la IA?
(flowkater.io)- Un ensayo que, a partir de 15 años de experiencia como CTO, organiza el debate sobre code review en la era de la IA en tesis-antítesis-síntesis
- El code review siempre fue un problema: faltaban tiempo, personas y procesos
- La IA disparó el volumen de código producido, pero la capacidad de revisión sigue igual → el cuello de botella se agrava
Tesis — la postura de que la revisión humana es indispensable
- Simon Willison: "No le pases a tus colaboradores código que no has revisado"
- Kent Beck: cuanto más se acerca a cero el costo de generar, más se desplaza el valor de la generación hacia la verificación
- Addy Osmani: "El problema no resuelto no es la generación, sino la verificación"
- Por bien que lo haga la IA, la responsabilidad sigue siendo humana → hay que verificar → hay que revisar
Antítesis — la postura de que terminó la era del review hecho por personas
- Bryan Finster: aplicación del teorema de Nyquist-Shannon — si solo sube la frecuencia de producción y la frecuencia de feedback sigue igual, habrá omisiones sistemáticas
- Datos de SmartBear: al superar las 400 líneas, la tasa de detección de defectos cae bruscamente; la IA genera 600 líneas de una sola vez
- StrongDM "software factory": los humanos no escriben ni leen código; solo definen la intención y curan escenarios
- Stanford CodeX: "Si los agentes lo crean y lo prueban, ¿quién puede confiar en ello?"
- Salesforce Prizm: el modelo de review centrado en diffs ya no funciona en la era de la IA → reconstrucción de la intención
Síntesis — qué es lo que debemos revisar
- latent.space: pasar de code review a revisión de intención (Intent Review)
- La especificación es la fuente de verdad; el código es el resultado
- Construir la confianza en 5 capas (modelo del queso suizo)
- Patrón de Qodo: contexto primero, basado en severidad, review por agentes expertos
- Bryan Finster: solo hay dos casos para un bloqueo humano: conocimiento insuficiente + ruta regulatoria
Para cerrar
- El autor no revisa directamente código generado por IA → cambia a un rol de QA
- Ingeniero nativo de IA = debe asumir por sí mismo el rol de PM de la era anterior
- "¿Puedes hacerte responsable de tu código?"
4 comentarios
https://app.devin.ai/review
Todavía no sé si será otro método pasajero, como el error del punto medio,
pero comparto una herramienta con la que puedes entender el código y corregir bugs mientras haces PR review junto con IA.
La uso en proyectos paralelos cuando no se entiende la modificación de código que hizo la IA.
Falacia del punto medio (argumento a la moderación): cuando existen dos posturas extremas (A y Z), es la lógica que da por sentado que el punto intermedio (M) será la verdad o la mejor solución.
Desde la postura contraria, la revisión humana termina siendo un cuello de botella.
La idea de mitad y mitad todavía me parece poco realista. El código se sigue usando de forma continua y, como los LLM son probabilísticos, las personas (por ahora) todavía necesitan leer todo el código que escribieron. Para facilitar la revisión, sí hace falta que el PR se escriba con una plantilla automática o que se redacte como un ADR para entender cosas como el contexto y la intención.