En este position paper publicado en arXiv (categoría de ingeniería de software), Martin Monperrus defiende una tesis que choca frontalmente con una práctica fundacional del SDLC: los agentes de codificación han alcanzado un nivel de capacidad tal que la revisión de código humana ya no es un componente necesario de un pipeline de calidad. El argumento se apoya en dos afirmaciones. Primero, una paridad — o incluso una superioridad — de capacidad: los sistemas autónomos basados en LLM cumplen todos los objetivos tradicionales de la revisión (encontrar defectos, mejorar la calidad, garantizar el cumplimiento, compartir conocimiento) con menor coste y mayor rendimiento, sin la fatiga ni la inconsistencia humanas. Segundo, un problema de escalabilidad: el modelo híbrido dominante — el agente escribe el código, el humano lo revisa — no proporciona una garantía real de calidad ni la capacidad de seguir el ritmo de la velocidad de producción asistida por IA; sobre todo, genera una falsa sensación de seguridad.
Monperrus sitúa su objetivo históricamente, apuntando a la inspection de Fagan (1976), y se apoya en el trabajo de Bacchelli & Bird, que muestra que la revisión detecta, en la práctica, menos errores de los que los desarrolladores imaginan. Los benchmarks (SWE-bench, ~20-40% de issues resueltos según el modelo, con curvas de progresión rápidas) sirven como evidencia de capacidad.
En lugar de la revisión humana, propone un pipeline de verificación adversarial multi-agente: un agente genera el código; uno o varios agentes revisores independientes lo inspeccionan (defectos, seguridad, estilo); una capa de verificación añade tests automatizados y métodos formales; un mecanismo de consenso hace que varios agentes voten para aceptar o rechazar. El cuello de botella de un único revisor humano se sustituye por una inspección distribuida e incansable.
El humano no desaparece: se reenfoca en la especificación y los requisitos de alto nivel, las decisiones arquitectónicas, la supervisión de dominios críticos, los casos límite, y sigue siendo la puerta de aprobación final para sistemas sensibles. El autor aborda explícitamente las objeciones — alucinaciones e inyección de prompts indirecta, los límites de los tests automatizados (de ahí el property-based testing), la pérdida de experiencia de dominio (compensada mediante fine-tuning y RAG) — sin eludirlas.
En cuanto al SDLC, vincula la revisión con las métricas DORA: acelerar el rendimiento de la revisión acelera el pipeline de despliegue. Sus recomendaciones son pragmáticas: pilotar primero en componentes de bajo riesgo, mantener un flujo de trabajo híbrido inicial (los agentes señalan, los humanos aprueban), medir las tasas de detección agente frente a humano, hacer explícitas las decisiones de rechazo y construir bucles de retroalimentación. Un texto deliberadamente provocador, pero una contratesis valiosa frente al dogma de la "puerta de revisión humana inviolable".