GitHub ha publicado una guía sobre lo que llama ingeniería agéntica, en la que defiende usar agentes de IA en todo el ciclo de desarrollo y no solo para escribir código. Su argumento es que la IA ha acelerado la programación, pero no el trabajo que la rodea, como reunir requisitos, revisar cambios o investigar fallos en producción, y que ahí se está formando el nuevo cuello de botella.
Las claves de la ingeniería agéntica de GitHub en 20 segundos
- GitHub organiza el trabajo con agentes en cuatro fases: planificar, construir, verificar y observar.
- Cita un estudio que mide un 441 % más de tiempo en revisión con alta adopción de IA.
- La guía se apoya casi solo en herramientas de Copilot.
El texto, firmado por Nick Liffen y Philip Holleran y publicado el 6 de noviembre de 2026 en el blog de GitHub, lo resume en una frase: escribir código se ha vuelto más rápido, pero el trabajo de alrededor no. Para ilustrarlo, la compañía asegura que en una semana de octubre registró más de 1.200 millones de commits, más de un 400 % por encima de un año antes y más que en todo 2025. También cita un estudio de Faros AI según el cual las pull requests pasaron un 441 % más de tiempo en revisión cuando los equipos pasaron de una adopción baja a una alta de IA. GitHub no detalla la metodología de ese estudio en su artículo.
Cuatro fases para trabajar con agentes
La guía no da una definición formal de ingeniería agéntica, sino un flujo de trabajo. En la planificación, propone usar Copilot en Slack o Teams para reunir el contexto de una conversación, pedirle que cree issues con criterios de aceptación, automatizar la clasificación con GitHub Agentic Workflows y comparar enfoques en un modo de planificación antes de aprobar el plan e implementar.
En la construcción, el foco está en mantener la sesión entre distintos clientes, ejecutar tareas en entornos aislados en la nube o en copias separadas del repositorio, y dar al agente instrucciones de repositorio y memoria compartida. Aquí aparecen funciones como Copilot Dreaming, que revisa memorias y propone cambios en instrucciones o skills, y Copilot Fusion, para elegir modelo y profundidad de razonamiento, además de ajustes gestionados para empresas.
La verificación es la fase más cargada, y encaja con el problema que plantea el artículo. GitHub recomienda pull requests apiladas, comprobaciones de GitHub Code Quality, revisión de código de Copilot con profundidad ajustable, análisis con IA y detección de secretos, revisión de licencias y un cortafuegos de paquetes para npm en vista previa pública. Agentic Autofix y Agent Merge se encargarían de corregir hallazgos, comprobaciones fallidas y conflictos. Por último, en la observación, sugiere conectar el agente a datos reales de comportamiento, por ejemplo mediante conectores como Fabric, para que redacte issues con pruebas y tests de regresión.
Una guía y también un catálogo
Conviene leerla sabiendo quién la firma. Casi cada recomendación remite a un producto de GitHub o de Copilot, varios de ellos recientes o en vista previa, y el artículo no menciona alternativas ni estándares abiertos como el Model Context Protocol (MCP). Tampoco aporta datos sobre si este flujo reduce de verdad los tiempos de revisión o los errores en producción: las cifras que da describen el problema, no el efecto de la solución.
La idea de fondo, en cambio, es aplicable con cualquier herramienta. Si los agentes multiplican el código que se genera, la revisión humana se convierte en el límite, y tiene sentido invertir en planificación previa, criterios de aceptación claros, comprobaciones automáticas y observación posterior. Es el mismo diagnóstico que está detrás de proyectos como brakes, que añade frenos mecánicos a los repositorios, y de los riesgos que aparecen cuando se confía demasiado en el agente, como las contraseñas que Claude Code ha dejado en GitHub al aprobar comandos sin mirar.
Preguntas frecuentes
¿Qué es la ingeniería agéntica según GitHub?
Un flujo de trabajo en el que agentes de IA ayudan a planificar, construir, verificar y observar el software, no solo a escribir código.
¿Por qué dice GitHub que hace falta?
Porque la IA ha acelerado la escritura de código pero no la revisión. Cita un estudio de Faros AI con un 441 % más de tiempo en revisión con alta adopción de IA.
¿Qué herramientas propone?
Sobre todo funciones de Copilot y GitHub, como Agentic Workflows, revisión de código de Copilot, Code Quality, Agentic Autofix y Agent Merge.
Fuentes:
