Audita un agente de fábrica de software antes de que toque tus repositorios
Verifica la autonomía, el enrutamiento de modelos, las puertas de revisión, las tasas de fallo, las rutas de reversión y los registros antes de dar acceso a repositorios de producción a un agente de código.
El dinero no es la auditoría
Estás decidiendo si un agente de código de extremo a extremo puede acceder a repositorios de producción. Antes de hacerlo, audita el mapa de etapas, los puntos de control y la evidencia de reversión del proveedor. GitHub Copilot Autofix generó un parche de seguridad para snowflake-connector-net, pero el parche introdujo una vulnerabilidad de inyección de shell explotable; un atacante no autenticado robó un token de Jira en un plazo de cinco días tras el parche.
Factory cerró una ronda de $200 millones el 15 de septiembre de 2026, elevando su valoración a $5 mil millones, más del triple de su valor anterior. Cognition recaudó $2 mil millones a principios de septiembre de 2026, con una valoración de $48 mil millones. Las fábricas de software de Factory están en funcionamiento en organizaciones como NVIDIA, EY, Adobe, Palo Alto Networks, Adyen, Blackstone, Wipro y Comarch. Esas señales muestran demanda, no control.
El ciclo es el mapa
Factory describe su ciclo como el movimiento de cambios a través de compilación, pruebas, revisión, verificaciones de seguridad, lanzamiento y monitoreo. Enruta tareas estrechas y medibles a agentes Droid simples o habilidades. Las automatizaciones coordinan flujos de trabajo repetibles con un objetivo y una memoria compartidos. Droid Computers manejan la ejecución persistente o local, mientras que Missions dividen el trabajo complejo multiagente en pistas paralelas que se ejecutan durante horas o días. Warp mueve tickets a través de especificación, implementación, revisión y verificación en pipelines con control de versiones llamados Factories; los Factories cubren el 30-35% de las tareas internas de Warp. La auditoría sigue el ciclo de vida y pregunta dónde se detiene el agente y una persona toma el control.
La lista de verificación mapea el ciclo
Usa el ciclo, no el nombre del proveedor, para evaluar el agente. Cada elemento es una prueba de un minuto. Una respuesta vaga significa que la puerta de control no existe.
- Nivel de autonomía: pregunta qué puede hacer el agente sin una persona y dónde una persona debe aprobar.
- Enrutamiento de modelos: pregunta qué modelo gestiona la planificación, el código, las pruebas, la revisión y las verificaciones de seguridad.
- Puertas de revisión humana: pregunta dónde una persona debe aprobar antes de un merge, un despliegue o un cambio de configuración.
- Tasas de fallo por etapa: pide las tasas de fallo para construcción, pruebas, revisión, seguridad, lanzamiento y monitoreo.
- Rutas de reversión: pregunta cómo se revierte un cambio defectuoso y quién puede activar la reversión.
- Registros de puertas de revisión: pide registros que muestren quién aprobó, qué se verificó y cuándo.
- Defensas contra inyección de prompts: pregunta cómo se trata el contenido del repositorio o de la herramienta como datos, no como instrucciones.
- Aislamiento (sandboxing): pregunta qué derechos de red, secretos y despliegue tiene el agente.
- Interruptor de emergencia: pregunta cómo detener todo el trabajo del agente con una sola acción.
- Evidencia: pide ejemplos de pull requests, ejecuciones fallidas y revisiones.
Recorre la lista en orden para cada proveedor. Una puerta posterior no puede corregir un control anterior ausente.
Las puertas de control necesitan registros, no promesas
Devin de Cognition analiza repositorios, mapea dependencias, planifica pasos, ejecuta, se autoprueba y se autorevisa antes de abrir un pull request, con revisión humana en el punto de control del pull request en lugar de una supervisión continua a nivel de pulsación de teclas. Una revisión de rendimiento de Cognition de noviembre de 2025 situó la tasa de merge de pull requests de Devin en 67%, frente al 34% de un año antes, y afirmó una aceleración cuádruple en la resolución de problemas y el doble de eficiencia de recursos frente a su predecesor de 2024. Devin funciona mejor con requisitos claramente definidos y aún tiene dificultades con la codificación ambigua o exploratoria. Una tasa de merge es un número útil, no una prueba de seguridad.
El equipo de ingeniería de 1Password mantuvo la supervisión humana sobre dependencias entre archivos, mantenimiento de suites de pruebas y lógica de reversión mientras agentes de IA refactorizaban una gran base de código monolítica. El patrón es una puerta de control con nombre, un responsable con nombre y un registro de lo que ocurrió.
Un preprint de septiembre de 2026 de investigadores de la Universidad de Illinois describió ataques contra versiones específicas de 12 productos de agentes de código, donde el contenido del repositorio o de la herramienta se convertía en instrucciones de mayor autoridad, reglas persistentes o cambios de configuración. Un registro de revisión es la única forma de ver si la puerta de control detectó el problema.
El monitoreo es parte del ciclo. Un cambio desplegado que luego se rompe sigue siendo un fallo. Pide el último cambio defectuoso, la reversión y el tiempo entre la detección y la reversión. Si el proveedor no puede mostrar esa secuencia, mantén al agente fuera del repositorio.