Las organizaciones de ingeniería buscan acelerar sus entregas utilizando agentes de inteligencia artificial (IA) en sus plataformas de desarrollo, explorando cómo estas herramientas pueden aumentar la productividad. Sin embargo, cada equipo percibe y aplica los agentes de IA de una forma distinta dependiendo del contexto y las necesidades, aunque tras numerosas conversaciones, se identifican tres funciones clave que desempeñan estos agentes.
Rol 1: Agentes de IA como usuarios de la plataforma
En este primer papel, el agente actúa como un usuario más de la plataforma. Su tarea es consumir información contextual para ejecutar acciones precisas. Por ejemplo, cuando un ingeniero solicita a un agente automatizado que añada un endpoint al servicio de pagos, este primero recopila información relevante de la plataforma, como el responsable del servicio, sus dependencias y los estándares a cumplir. Luego, despliega un entorno de prueba y ejecuta las pruebas necesarias antes de escribir código.
El éxito de este enfoque depende de que el agente pueda acceder a datos actuales y fiables, tales como catálogos de servicios, propietarios y dependencias. Ofrecer un contexto incompleto o erróneo puede provocar que el agente realice acciones equivocadas. Para evitarlo, algunas organizaciones usan fuentes centralizadas y gobernadas llamadas “context lakes”, que proporcionan un único punto de verdad para todos los agentes. Además, es fundamental que la plataforma esté diseñada principalmente para integrarse mediante APIs y soportar comunicación máquina a máquina. 
Requisitos para la plataforma: Interfaces API y mecanismos de comunicación MCP, un sistema de contexto gobernado y un catálogo de acciones de autoservicio accesibles para los agentes.
Rol 2: Agentes de IA como componentes internos de la plataforma
En esta modalidad, los agentes se integran dentro de los flujos de trabajo de la plataforma y se activan automáticamente mediante eventos, sin intervención humana directa. Funcionan como un paso más en la orquestación de procesos empresariales. Por ejemplo, una plataforma puede ejecutar diariamente un escaneo que detecte dependencias vulnerables en decenas de servicios y activar un agente capaz de generar solicitudes de revisión automáticas (pull requests) para cada incidencia detectada, notificando a los equipos responsables.
Para funcionar correctamente, esta configuración requiere que la plataforma pueda arrancar y gestionar agentes dentro de sus flujos, mantener un registro actualizado de agentes disponibles, asignar una identidad propia a cada agente para trazar acciones y contar con puntos de control humano cuando el riesgo lo amerite.
Requisitos para la plataforma: Capa de orquestación para ejecutar agentes, registro centralizado de agentes, identidades individualizadas para auditoría y mecanismos humanos de supervisión.
Rol 3: IA como recurso con ciclo de vida propio (conocido como AgenticOps)
El tercer papel presenta a los agentes de IA como recursos gestionados por completo en la plataforma, de forma análoga a bases de datos, servicios o entornos. En este caso, un ingeniero puede solicitar la creación de un agente específico, como un asistente para el triage en turnos de guardia. A partir de la solicitud, la plataforma provisiona el modelo, las herramientas necesarias y configura el entorno para su ejecución, ofreciendo un proceso de autoservicio robusto y totalmente gobernado.
Este enfoque supone definir una «ruta dorada» o camino ideal que garantiza que los equipos obtengan los agentes adecuados de forma ágil y bajo control, gestionando su creación, registro y disposición para que puedan ser reutilizados o actualizados conforme a las necesidades.
Requisitos para la plataforma: Plataforma autoservicio que gestione la provisión del entorno de ejecución, emisión de identidades con credenciales limitadas, integración con fuentes de contexto aprobadas y un sistema para registrar y publicar los agentes creados.
Resumen visual de los tres roles
Estos roles pueden resumirse en función de lo que el agente representa dentro de la plataforma, con ejemplos claros y los requerimientos tecnológicos que cada uno exige:
- Rol 1: Agente como usuario que consume contexto y realiza acciones, p.ej., un agente que prepara y testea código.
- Rol 2: Agente que forma parte del flujo automatizado, p.ej., un agente que abre automáticamente solicitudes para corregir vulnerabilidades.
- Rol 3: Agente como recurso gestionado integralmente, p.ej., solicitud y provisión de un agente especializado a medida.
Interconexión entre los roles
En escenarios más complejos, un mismo agente puede desempeñar diferentes funciones en momentos diferentes. Por ejemplo, un agente solicitado como recurso (Rol 3) puede integrarse posteriormente en un flujo de trabajo automatizado (Rol 2) y a su vez, actuar como consumidor de datos contextuales (Rol 1). Esto muestra la flexibilidad y polivalencia de los agentes de IA según el punto de vista y la etapa del proceso.
¿Cómo es una plataforma que abarca todos estos roles?
Para cubrir estas funcionalidades integrales, ha surgido Port, una plataforma que permite a los agentes de IA actuar desde diferentes perspectivas: como usuarios mediante cuentas de servicio, dentro de flujos de trabajo automatizados y como recursos con ciclo de vida propio y gobernanza estricta. Todo ello con un catálogo común, un contexto centralizado y un registro completo de auditoría.
La evolución hacia plataformas nativas de IA para desarrollo, donde la gestión y orquestación de agentes es clave, marca una tendencia decisiva en la transformación digital de los equipos de ingeniería.
