Un marco de JetBrains y la Universidad de Lund aborda los cuellos de botella en la revisión de código de IA

JetBrains Research, en colaboración con investigadores de la Universidad de Lund, ha publicado un marco conceptual para revisar código generado por inteligencia artificial. El estudio, que se presentará en la Semana Internacional de Ingeniería del Software Empírica 2026 (ESEIW) en octubre de 2026, analiza cómo deben adaptarse los flujos de trabajo de los desarrolladores a medida que los agentes de IA para programación generan conjuntos de cambios en múltiples archivos en cuestión de segundos.

Los límites de las vistas tradicionales de cambios

Las revisiones de código tradicionales dependen en gran medida del contexto interpersonal, como conocer la experiencia de un compañero de equipo o solicitar aclaraciones rápidas. En cambio, los modelos de lenguaje de gran tamaño presentan cada línea de código generado con una confianza uniforme, independientemente de la incertidumbre real del modelo al producir una lógica específica, como migraciones de bases de datos o reglas de seguridad.

El estudio sostiene que los visores de diferencias convencionales resultan insuficientes ante los resultados generados por IA. Dado que los modelos producen con rapidez solicitudes de extracción grandes y complejas dotadas de una confianza visual homogénea, el principal desafío del revisor pasa de ser comprender qué ha cambiado a calibrar la confianza entre segmentos con distintos niveles de riesgo.

Un modelo de revisión en tres niveles

Con base en un estudio de diseño participativo realizado con 17 profesionales en activo y una encuesta a 43 especialistas en software, el equipo de investigación propuso un flujo de trabajo de revisión estructurado en tres niveles que se equipara con conceptos clásicos de visualización de información. El modelo guía a los revisores desde una visión general de alto nivel hasta los detalles selectivos del código.

En este flujo de trabajo, los desarrolladores establecen primero hipótesis generales, continúan con una estratificación de riesgos a nivel de archivo antes de leer las líneas individuales y, por último, analizan fragmentos específicos de código. La interacción a nivel de fragmento utiliza descomposición por bloques y enlaces de cadena de pensamiento para aportar las señales contextuales que los autores humanos suelen ofrecer de manera directa.

Herramientas existentes y brechas en el diseño del sistema

El trabajo destaca implementaciones parciales de estos conceptos en herramientas actuales, como los resúmenes de solicitudes de extracción de CodeRabbit, el etiquetado por severidad de Claude Code y las solicitudes de extracción apiladas de Graphite. Asimismo, GitHub informa que las revisiones de código asistidas por Copilot representan más de una quinta parte de las revisiones realizadas en su plataforma.

A pesar de estos avances, los investigadores advierten que los entornos de desarrollo integrado actuales continúan organizándose de manera prioritaria en torno a la visualización de diferencias. Los autores instan a los creadores de herramientas a diseñar interfaces centradas en señales de riesgo y en los niveles de atención del revisor, en lugar de limitarse a los cambios de texto convencionales.

Ilustración editorial generada con IA; no es una fotografía documental.

Fuente: Our Framework for Reviewing AI-Generated Code