Automatización de flujos con IA para ingeniería

Resumen

El equipo de ingeniería tenía información valiosa repartida entre pull requests, herramientas de monitoreo y métricas, bases de datos, logs, wikis y documentación interna. Este proyecto usó herramientas y agentes de IA para conectar esos sistemas en flujos prácticos que redujeron el trabajo manual, mejoraron la visibilidad, simplificaron el acceso a las métricas de negocio y ayudaron al equipo a avanzar más rápido, sin quitar la revisión ni la responsabilidad humana.

Detalles técnicos

Un conjunto de flujos con ayuda de IA y herramientas internas para un equipo de ingeniería: revisión automática de código, automatización de Sentry a PR, un sitio de Metrics Insights con IA y una wiki de conocimiento con LLM. Cada flujo mantiene a una persona en el circuito antes de que el código o los cambios lleguen a producción.

• Agentes de IA y orquestación de flujos con LLM
• CodeRabbit para la revisión automática de pull requests
• Integración con Sentry para la ingesta y el triage de issues
• Creación automática de PRs en borrador para revisión y aprobación humana
• Sitio de Metrics Insights con IA sobre PostgreSQL y OpenSearch
• Wiki de conocimiento con LLM sobre docs internos y runbooks
• Recuperación sobre wikis, docs internos y fuentes de conocimiento operativo
• Gobierno: credenciales acotadas, acceso controlado a los datos y revisión humana

Desafíos

• Las revisiones de código se estaban volviendo un cuello de botella para el equipo
• Los bugs y los problemas de producción pedían investigación repetitiva y correcciones manuales
• Los issues de Sentry necesitaban triage antes de convertirse en trabajo de ingeniería accionable
• Las métricas de negocio y las demás estaban repartidas entre PostgreSQL, OpenSearch, tableros y docs internos
• El conocimiento estaba fragmentado entre wikis, docs y fuentes de cada equipo
• Había que incorporar la IA con flujos prácticos, revisión humana, responsabilidad clara y límites de ejecución seguros

Qué cambió.

• Las revisiones automáticas de PRs con CodeRabbit redujeron la carga de los revisores y dejaron a las personas como aprobación final
• Los agentes de Sentry a PR convierten problemas de producción en pull requests en borrador para que los ingenieros los revisen, aprueben y desplieguen
• El sitio de Metrics Insights con IA unifica PostgreSQL, OpenSearch, wikis y bases de conocimiento internas detrás de preguntas en lenguaje natural
• La wiki de conocimiento con LLM mejora el acceso a runbooks, decisiones de ingeniería y documentación de procesos
• Un modelo práctico de adopción de IA conectado a los flujos reales de ingeniería, con revisión humana y prácticas de ingeniería mantenibles
• Gobierno claro de lo que los agentes de IA pueden leer, sugerir o modificar, con acceso controlado a los sistemas internos