El artículo 'Loop Engineering: Optimizing Code Generation and Verification' de Bradley Gibbs analiza los cuellos de botella que surgen al integrar agentes de IA en el ciclo de vida de desarrollo de software (SDLC). Aunque la generación de código por IA acelera la producción, introduce desafíos críticos en la fase de verificación, como la sobrecarga de revisiones humanas, la complejidad de depurar código que parece correcto pero es erróneo y la deuda de comprensión técnica.
El texto detalla cinco factores que agravan estos problemas: el volumen de código generado supera la capacidad de revisión humana, la plausibilidad visual de errores, la falta de contexto inicial por parte de los revisores, el aumento del tamaño de las solicitudes de cambio (PR) y la fiabilidad limitada de las pruebas automatizadas. Cita datos de estudios como los de NBER, Faros, Sonar y CodeRabbit, que muestran incrementos significativos en líneas de código, PRs y errores, pero también en los tiempos de revisión.
Para abordar esto, el autor propone el diseño de procesos que preserven el tiempo y el juicio humano. Se introduce el concepto de 'evaluación terminal', un método que juzga el resultado final de un intento autónomo contra criterios de éxito predefinidos, sin analizar el proceso interno. Esta metodología permite distinguir entre la capacidad del sistema y su fiabilidad, facilitando la organización de la evidencia necesaria para la revisión humana y reduciendo el trabajo innecesario dentro del bucle de construcción.