Pipeline agéntico sin commits humanos: la experiencia de Raiffeisen en AI-native confArtículo · digest del 21 de octubre
Esquema de ingeniería de un monorrepositorio y el circuito determinista con grep de un agente autónomo
Artículo3 secciones≈ 3 min

Pipeline agéntico sin commits humanos: la experiencia de Raiffeisen en AI-native conf

Cuando en las redes tecnológicas sale el tema de los agentes autónomos de IA en el desarrollo, la conversación suele irse rápido a dos extremos. Por un lado, fundadores entusiastas de hackatones prometiendo despedir a todos los programadores el lunes siguiente. Por el otro, seniors agotados que intentaron darle código legado a un agente y recibieron a cambio tests rotos y un puñado de librerías inventadas.

Por eso resulta aún más interesante mirar los números reales de producción en un entorno enterprise de gran escala. En la conferencia AI Native Conf de Moscú, Andrey Usenko, codirector de unidad de negocio en Raiffeisenbank, presentó la transformación integral de sus procesos de ingeniería. El arquitecto Alexey Rybak resumió el hito principal: desde agosto de 2026, el equipo ha cerrado más de 1000 tareas de producción sin un solo commit manual escrito por un humano.

Fíjate en lo más revelador de esta historia: la arquitectura real del pipeline que funciona ha echado por tierra los estereotipos más populares del hype.

Un agente solitario frente al zoo de roles

Si has seguido frameworks como CrewAI o LangGraph, seguro que recuerdas el esquema clásico: montemos un «agente arquitecto», un «agente tester» y un «agente revisor», y que se vayan escribiendo entre ellos en un chat.

Los ingenieros del banco comprobaron rápido que, en producción, ese zoológico genera errores en cascada. Los agentes empiezan a jugar al teléfono escacharrado, confunden estados intermedios y queman presupuesto en discusiones interminables entre sí. Al final, el equipo apostó de forma radical por un único agente autónomo, pero dotado del contexto de sistema más completo posible.

La muerte de los microservicios y la victoria de grep

La segunda sorpresa tiene que ver con la estructura del código. Para que el agente entendiera las dependencias y no rompiera contratos vecinos, el departamento consolidó 200 microservicios dispersos en apenas una decena de monorrepositorios. Cuando todo el proyecto vive en un mismo sitio, el modelo no tiene que adivinar cómo está diseñado el esquema de datos en el equipo de al lado: tiene el árbol de tipos completo a la vista.

Además, el equipo tiró por la borda las pesadas bases de datos vectoriales (RAG) y los embeddings semánticos de código. Resultó que la búsqueda vectorial devolvía constantemente fragmentos difusos e irrelevantes. La sustituyeron por el viejo y fiable buscador de texto rápido: el clásico grep y ripgrep. En un monorrepositorio, la búsqueda determinista por nombres de clases, interfaces y rutas de importación ofrece un cien por cien de precisión sin fallos.

El rol de Product Engineer y el bucle de autoaprendizaje

Pero el mayor cambio ocurrió en las personas. La clásica carrera de relevos donde un ticket viajaba durante semanas del product owner al analista de sistemas, luego al backend, frontend, QA manual y release engineer fue eliminada.

En su lugar nació el rol de Product Engineer. El product owner formula la necesidad de negocio directamente en un entorno agéntico especializado, y el Product Engineer acompaña su recorrido de principio a fin por el pipeline, respondiendo por el resultado final. La métrica operativa clave del sistema es el porcentaje de tareas resueltas por el agente a la primera. Si los tests fallan, el propio agente analiza el diagnóstico, reescribe el código y cristaliza los aciertos en una base de plantillas.

Ya analizamos antes la ingeniería de circuitos autónomos y los arneses de ejecución, y la experiencia de Raiffeisenbank confirma una conclusión fundamental: el desarrollo autónomo no se sostiene sobre la magia de los modelos grandes, sino sobre una higiene de ingeniería estricta. Sin cobertura exhaustiva de tests y un sandbox fiable, un pipeline agéntico destrozaría producción. Pero cuando esa disciplina existe, teclear código a mano en el IDE empieza a quedar definitivamente atrás.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 2