En 2000, Joel Spolsky publicó un test de doce preguntas para identificar equipos de desarrollo de software competentes. Más de dos décadas después, exe.dev propone actualizar ese listado —al que denomina "test de Shelley", en honor a su agente de codificación— con nueve nuevas preguntas adaptadas a un contexto en el que los modelos de lenguaje participan de forma activa en la escritura y revisión de código.
La primera cuestión plantea si el equipo utiliza revisión de código agentic, es decir, apoyada en subagentes con modelos distintos que realizan comprobaciones adversas sobre cada commit. La segunda pregunta si los despliegues son continuos y están supervisados por agentes de IA: en exe.dev, un bot llamado Athena lee registros, revisa métricas, documenta lecciones y puede detener un despliegue si detecta problemas. La tercera cuestión interroga sobre la existencia de pruebas de integración de extremo a extremo que generen confianza antes de poner código en producción.
El cuarto punto exige que los desarrolladores y sus agentes tengan acceso fácil a herramientas de observabilidad consultables —idealmente mediante SQL— y que un bot se encargue de la clasificación inicial de alertas. La quinta pregunta re formula la cuestión clásica de Joel sobre las mejores herramientas, ahora aplicadas a los modelos más avanzados. La sexta aborda las colas de fusión y su tiempo de ejecución, que no debería superar los tres minutos para no fragmentar la atención de los ingenieros. La séptima cuestión es si resulta sencillo crear y mantener nuevas herramientas y agentes. La octava pregunta si el equipo comparte con regularidad sus flujos de trabajo. La última y más original cuestiona si el producto es legible para los agentes de IA: si estos pueden usarlo, autenticarse y acceder a su documentación, por ejemplo mediante un archivo llms.txt.