Un método de ingeniería de software permite a los equipos de desarrollo utilizar enjambres de agentes de IA para identificar errores de corrección en repositorios complejos sin depender de herramientas de ciberseguridad cerradas. La técnica consiste en delegar la creación de implementaciones de referencia, generadores de casos de prueba y afirmaciones a agentes especializados, lo que permite verificar la lógica de estructuras de datos y algoritmos complejos de manera automatizada y eficiente.
La metodología se basa en la librería de pruebas de propiedades 'proptest' de Rust, que genera secuencias de operaciones y reduce los fallos a reproducciones mínimas. Al ejecutar esta suite de pruebas en segundo plano, los agentes pueden detectar vulnerabilidades sutiles que las pruebas unitarias tradicionales pasan por alto. En pruebas prácticas realizadas en octubre de 2026, el autor reportó la detección de más de 30 errores en el router GraphQL de Apollo, utilizado por empresas como Intuit y Wayfair. Además, se identificaron fallos en proyectos de OpenAI como Codex, así como en herramientas de gestión de dependencias como uv, Prometheus y Babel.
El proceso incluye la generación de pruebas de regresión independientes para cada error confirmado, facilitando su revisión humana. Se recomienda mantener la suite de descubrimiento en una rama separada y tratar los problemas de seguridad de forma privada. Esta aproximación permite a los equipos mantener la calidad del código en producción mediante la automatización continua de la verificación de la lógica, reduciendo el tiempo de desarrollo y minimizando riesgos de seguridad.