¿De quién es el bot cuando se va su autor? Dos respuestas de GitHub

Toda organización de ingeniería tiene un script que solo una persona entendía, ejecutándose con el token de esa persona, hasta el día en que se fue. Las automatizaciones con agentes están a punto de multiplicar ese problema, porque son fáciles de crear y hacen más cosas que los scripts.

Los lanzamientos de GitHub del 28 de octubre son interesantes menos por lo que los agentes pueden hacer y más por cómo responden a la pregunta de la propiedad. Ahora hay dos formas serias de ejecutar automatización basada en razonamiento en GitHub, y toman decisiones distintas.

Las dos opciones

GitHub Agentic Workflows, ahora en disponibilidad general (GA). Usted escribe la automatización en un archivo Markdown en lenguaje natural y esta se compila en un flujo de trabajo estándar de GitHub Actions. Los usos típicos son el triaje de issues, el análisis de fallos de CI, la actualización de documentación y la escritura de tests. El agente se ejecuta con permisos de solo lectura por defecto, en un contenedor aislado (sandbox) detrás de un firewall de flujo de trabajo de agente; todo lo que quiera cambiar pasa por un paso de validación de safe outputs y por un job dedicado de detección de amenazas antes de aplicarse. La GA añade runners autoalojados sobre Actions Runner Controller, aislamiento en una micro-VM, enclaves para evitar filtraciones en flujos de trabajo entre repositorios y un comando de previsión de costes. El motor por defecto es el Copilot CLI, que requiere una licencia de Copilot; usted puede traer otro agente de código.

Copilot Automations compartidas, en despliegue gradual. Combinan un prompt, disparadores y herramientas permitidas en un flujo de trabajo que se ejecuta en la nube de GitHub. Una automatización compartida pertenece al repositorio, no a quien la creó. Sus acciones aparecen como Copilot, sus créditos de IA se facturan al propietario del repositorio, cualquiera con acceso de escritura puede editarla y, si la persona que la creó se va, sigue ejecutándose con un historial de cómo cambiaron su prompt, sus herramientas y sus disparadores. En las organizaciones, un administrador tiene que habilitar la política que factura el agente en la nube a la organización.

GitHub también añadió la automejora a Automations. Puede crear una pareja: la automatización principal y otra semanal que analiza los resultados (si la gente cambió las etiquetas que aplicó, aceptó sus comentarios de revisión, fusionó sus pull requests) y propone cambios en su prompt, sus herramientas o sus disparadores. Usted acepta o rechaza cada propuesta.

Cinco preguntas que deciden

1. ¿Dónde tiene que ejecutarse? Si la automatización toca código o datos que deben quedarse en su infraestructura, Agentic Workflows sobre runners autoalojados la mantiene dentro de las políticas de Actions que ya tiene. Las Automations compartidas se ejecutan en la nube de GitHub.
2. ¿Qué puede escribir? Agentic Workflows parte de solo lectura y valida las salidas. En una automatización compartida, la lista de herramientas permitidas es el límite; revísela como una concesión de permisos, porque lo es.
3. ¿Quién responde por ella? La propiedad por repositorio resuelve el problema de la salida de la persona, pero “lo hizo Copilot” no es una parte responsable. Nombre a un responsable humano en el repositorio para cada automatización compartida, como lo haría con un servicio.
4. ¿Quién paga? Ambas facturan el uso de IA, en sitios distintos. Ejecute gh aw forecast para los flujos de trabajo; fije presupuestos en la organización para las automatizaciones antes de que los equipos las descubran.
5. ¿Cómo cambia? Una automatización que propone sus propias mejoras necesita la misma revisión que un cambio de código, porque lo es. Las señales de resultado son proxies: un bot de revisión puede subir su tasa de aceptación comentando menos. Mire qué deja de hacer la propuesta, no solo la métrica que mejora.

Trate las automatizaciones como servicios con dueño

Hemos sostenido que la capacidad de verificación, y no la generación, marca el ritmo de la IA en producción, y las automatizaciones que escriben cambios son donde ese límite aparece primero. Los lanzamientos de GitHub dan a los equipos las piezas: definiciones compiladas en el control de versiones, valores por defecto de solo lectura, salidas validadas, propiedad por repositorio y propuestas revisables. Lo que no aportan es el inventario. Pida a cada responsable de repositorio que enumere las automatizaciones que actúan en su repositorio, la identidad con la que actúa cada una, su dueño y su gasto mensual. La primera lista será más larga de lo que cualquiera espera, y ese es el sentido de hacerla.

Accenture informa de grandes ganancias con Agentic Workflows en un equipo, incluida la autoría por IA del 91% de los commits y una caída de los errores en producción de unos 11.000 al día a menos de 1.000. Son cifras autodeclaradas de un solo equipo. Su propia línea base, medida antes de que lleguen las automatizaciones, es la única comparación que se sostendrá.