revue de code agentique

El monorepo de Anthropic pasó de aproximadamente 2.500 cambios diarios en mayo a más de 30.000 en septiembre. El equipo de Claude Code, que revisa código del que Claude escribió alrededor del 90%, abandonó la lectura humana línea por línea y cambió la pregunta "¿ha leído esto una persona?" por "¿qué control debe detectar lo que puede salir mal?".

Lo que lo sustituye funciona por capas. Antes del pull request, Claude ejecuta los tests, el build y el linter, y luego un subagente relee el diff en un contexto nuevo. CLAUDE.md describe el proyecto; REVIEW.md, escrito por los dueños del código, le indica al revisor qué importa. Varios agentes buscan errores en paralelo, otros votan cada hallazgo, y solo se publican los hallazgos que se mantienen. Un /security-review independiente y la CI bloquean la fusión. Un clasificador fija el nivel de riesgo, que determina el número de aprobadores humanos en cero, uno o dos. La aprobación de un agente nunca cuenta como la de una persona.

Martin Monperrus lleva la lógica más lejos en un position paper de arXiv de junio de 2026: la revisión humana ya no es un componente necesario de un pipeline de calidad. Apunta a la inspección Fagan (1976), cita a Bacchelli & Bird sobre que la revisión detecta menos errores de los que los desarrolladores suponen, y lee el arreglo en el que un agente escribe y una persona aprueba como una falsa seguridad. Vincula el rendimiento de la revisión a las métricas DORA.

La friction es el ruido de los agentes. Un pull request encadenó más de cincuenta rondas de revisión en una noche, así que el equipo de Claude Code limitó las rondas a tres y restringió la rerevisión al diff nuevo, llevando el promedio de 2.08 a 1.32.