Saltar al contenido

Auditorías repetidas con IA: cómo decidir qué es un caso límite y qué no volver a corregir

Jaime Marco · 2026-10-23

Cuando se repite una auditoría de código con IA cada cierto tiempo, aparece un problema práctico: el agente vuelve a señalar cosas que ya conocías y habías decidido no tocar. Si no dejas constancia de esa decisión, cada auditoría reabre el mismo debate.

Qué es un caso límite

Un caso límite (corner case) es un comportamiento que afecta a un reducto muy pequeño del uso real. Para saber si algo lo es hace falta cruzar el hallazgo con datos de uso: cuántas peticiones recibe ese endpoint, cuántos usuarios pasan por esa acción, con qué frecuencia. Sin esas métricas, decir «esto es un caso límite» es solo una opinión, y las opiniones no deben llevar prioridad en una auditoría: lo que llevan es un experimento.

Dejar constancia de lo que no vas a corregir

Una auditoría no termina con la lista de lo que arreglas; también debe registrar lo que decides no arreglar y por qué. Un buen registro incluye, para cada hallazgo, si se corrigió, si se descartó y con qué justificación, y cuándo conviene revisarlo.

En la siguiente ronda, la auditoría debería partir de ese documento anterior. Se le pide al agente que lo lea, que no vuelva a proponer lo ya descartado salvo que haya cambiado el contexto, y que señale lo nuevo. Así el trabajo se acumula en lugar de empezar de cero.

El histórico como fuente

Además del registro de la auditoría, el repositorio guarda mucha información útil: los commits, las decisiones de diseño y los patrones que quieres seguir o evitar. Documentarlos en una carpeta de documentación del proyecto da al agente contexto para interpretar mejor cada hallazgo. La documentación es un trabajo incremental: empieza por lo que más ayuda al agente a tomar decisiones y no intentes documentarlo todo de golpe, igual que no se pasa de cero a un umbral alto de cobertura de tests en un día.

La variabilidad es normal

Si repites una auditoría varias veces verás listas distintas, con orden y redacción diferentes. Es normal: un modelo genera la respuesta más probable en cada ejecución. Lo valioso es que, en conjunto, los hallazgos más importantes aparecen siempre, y que cuando pasas de una lista a otra con criterio propio, la hoja de ruta que resulta sirve como fuente de verdad. Con varias rondas comparadas puedes incluso escribir tu criterio como especificación y reducir la variabilidad.

Resumen rápido

Define un caso límite con datos de uso, no con intuición. Registra qué corriges y qué descartas, y haz que la siguiente auditoría parta de ese registro. Acumula el criterio en documentación y especificaciones.