Un artículo reciente argumenta que los agentes de código basados en modelos de lenguaje grandes (LLM) han alcanzado una capacidad suficiente para reemplazar la revisión humana tradicional. Sin embargo, un análisis crítico de este trabajo sostiene que la premisa subyacente, conocida como el 'mito de la sustitución', ignora funciones esenciales de la revisión de pares que no son reducibles a tareas automatizables. La revisión de código no es solo un proceso de detección de defectos, sino una actividad cognitiva bidireccional que implica coordinación, gobernanza y sentido común.
El autor del análisis señala que los LLM pueden procesar código, pero no pueden replicar la confusión legítima de un ingeniero experto, que es una señal clave de complejidad o malentendidos. Además, los agentes tienden a centrarse en lo que está presente, mientras que los humanos expertos detectan lo que falta, un fallo conocido como 'ceguera por ausencia'. La revisión humana también aporta contexto operativo invisible, como incidentes recientes o acuerdos informales, y una responsabilidad personal ('piel en el juego') que los agentes no poseen, lo que afecta la calidad de la evaluación. Finalmente, la revisión es un proceso de transferencia de conocimiento y adaptación a circunstancias imprevistas, no solo la entrega de información. Por tanto, la integración de agentes de IA como sustitutos totales de la revisión humana es un callejón sin salida, ya que la capacidad de adaptación y la responsabilidad social son componentes fundamentales que la automatización actual no puede replicar con la misma eficacia.