Gobernanza

Cómo gestionar tickets de agentes IA: criterios y revisión

· fundador de ETCSEC · actualizado el 17 de noviembre de 2026 · 11 min
Ilustración de un robot con gorro de trabajo azul, que representa la revisión y aprobación de tickets.
La respuesta breve

Si la persona que pide una pull request a un agente IA es también quien la aprueba, esa aprobación no cuenta: las reglas de GitHub lo dicen así, y Atipol aplica la misma separación en su flujo de tickets. Cada ticket también exige criterios de aceptación escritos antes de que el agente empiece, además de un historial de decisiones registrado y consultable, para comprobar la entrega contra un objetivo fijado de antemano, no calificarla después de los hechos.

Los agentes entregan rápido, pero nadie puede decir qué se aprobó

Un CTO que asigna trabajo a agentes IA suele obtener un resultado rápido. La pregunta más difícil llega después: qué se le pidió exactamente al agente, quién comprobó la entrega contra esa petición, y quién dio el visto bueno antes de integrarla o publicarla. Sin un ticket que registre un objetivo, un revisor y una decisión, la velocidad deja un rastro que nadie puede seguir seis semanas después, cuando algo falla.

Esto es un vacío de proceso, no un problema de calidad del modelo. Un agente rápido que trabaja a partir de un encargo no escrito y que recibe el visto bueno sin examen por la misma persona que lo pidió produce un resultado tan rápido como uno que trabaja a partir de un ticket claro. La diferencia solo aparece durante una revisión de incidente, una auditoría, o un desacuerdo sobre lo que realmente se había prometido.

Ese coste tiende a aparecer en el peor momento posible: durante el análisis de un incidente, una revisión de seguridad, o una auditoría de cliente, cuando alguien pide el registro de lo que se le pidió al agente y de quién lo aprobó, y la respuesta honesta es que ese registro no existe. El NIST AI Risk Management Framework (AI RMF 1.0, publicado el 26 de enero de 2023) plantea esto como una cuestión de ciclo de vida y no como una tarea puntual: el marco está pensado para un uso voluntario que ayude a las organizaciones a incorporar consideraciones de confianza en el diseño, el desarrollo, el uso y la evaluación de los sistemas de IA, no solo en el resultado de una sola ejecución de un agente.

Escribir los criterios de aceptación antes de que el agente empiece, no después

Un criterio de aceptación fija, por escrito, lo que una entrega debe cumplir antes de lanzar al agente. Fijar el listón después, una vez que el propio resumen del agente sobre su trabajo ya está sobre la mesa, invita a calificar el trabajo frente a lo que se entregó en lugar de frente a lo que se había pedido. La regla aquí es clara: cada ticket exige criterios de aceptación escritos antes de lanzar al agente, y un criterio que el agente no pueda cumplir debe aparecer como un bloqueo antes de la revisión, no durante ella.

Un segundo elemento acompaña a los criterios: el alcance de archivos. Reservar qué archivos o áreas puede tocar un ticket antes de que el agente empiece significa que dos tickets en curso no pueden reclamar el mismo alcance, de modo que un solapamiento entre dos agentes se detecta en el traspaso en lugar de descubrirse en medio de un conflicto de fusión.

En la práctica, esto significa que los criterios describen un resultado, no una implementación: a qué archivo o módulo se aplica el cambio, qué debe y qué no debe tocar el diff, y el control concreto que tiene que pasar. Un criterio que el agente no pueda satisfacer debe aparecer como un bloqueo y volver al solicitante antes incluso de que un revisor abra la pull request, en lugar de descubrirse durante la revisión una vez que el trabajo ya está hecho.

El ciclo de vida de un ticket asignado a un agente IA

La propia documentación de GitHub para su agente de código Copilot describe una versión concreta de este ciclo de vida. Una vez que se asigna una issue al agente, este confirma la asignación con una reacción, abre una rama dedicada y una pull request en borrador vinculada a la issue, y comienza una sesión de agente. Mientras trabaja, envía commits y actualiza el cuerpo de la pull request con mensajes de estado. Cuando termina, publica un evento de trabajo finalizado y solicita una revisión, que es la señal de que el ticket ha pasado de en curso a la espera de una decisión humana.

La misma documentación añade un detalle de resolución de problemas que importa a nivel operativo: las sesiones expiran después de una hora, y un agente atascado se recupera desasignando y volviendo a asignar la issue, o publicando de nuevo el comentario que lo activó, no esperando indefinidamente.

La documentación de GitHub describe varias formas de poner un ticket delante del agente: asignar una issue desde la pestaña Issues igual que se le asignaría a un compañero de equipo, desde GitHub Projects o GitHub Mobile, mediante la API GraphQL comprobando que el agente de código aparece como actor sugerido y llamando después a una mutación para asignarlo, o desde la línea de comandos con GitHub CLI. Sea cual sea la vía utilizada, el agente solo recibe el título de la issue, su descripción, y los comentarios que existían en el momento de la asignación; los comentarios añadidos después no los ve el agente, así que las instrucciones posteriores tienen que ir en la propia pull request, no de vuelta en la issue original.

Las etapas de un vistazo

Las etapas siguientes generalizan a través de las herramientas que asignan tickets a agentes IA; los nombres de las señales varían según la plataforma, pero la secuencia no.

Nombrar la señal en cada etapa importa más de lo que parece: un equipo que solo sabe que un agente está asignado, sin ninguna señal visible para la confirmación, el trabajo en curso o la finalización, termina preguntando al agente en lugar de que le avisen cuando un ticket necesita atención.

EtapaSeñal a vigilarQuién actúa después
AsignaciónEl agente confirma el ticketEl agente empieza a trabajar dentro de su alcance reservado
En cursoLlegan actualizaciones de estado y commits a la rama del ticketEl equipo puede comentar para redirigir antes de que termine
Trabajo terminadoEl agente publica un evento de finalizaciónSe pide a un revisor distinto del solicitante que lo revise
RevisiónEl revisor comprueba el diff frente a los criterios de aceptaciónEl revisor aprueba o lo devuelve con un bloqueo
IntegraciónLos controles se vuelven a ejecutar en el momento de la fusiónLa decisión y el ticket quedan registrados en el historial

La persona que pidió el trabajo no debería ser quien lo aprueba

La documentación de GitHub sobre la revisión de una pull request creada por Copilot indica que, si un repositorio exige aprobaciones de pull request, la aprobación de la persona que asignó la issue al agente no cuenta para ese número requerido; otro revisor tiene que aprobarla antes de la fusión. El material de formación relacionado es más directo sobre el porqué: el desarrollador que pidió a Copilot que creara la pull request no puede aprobarla, lo que preserva la regla de revisión obligatoria del repositorio y mantiene un control independiente en el proceso.

Atipol aplica la misma separación dentro de su propio flujo de tickets: el agent lead del proyecto revisa cada entrega antes de integrarla, y se espera que esa revisión cubra el diff real, no solo el resumen que el agente da de su propio trabajo. La integración vuelve entonces a ejecutar los controles del proyecto en lugar de apoyarse únicamente en la revisión anterior, de modo que un control que habría detectado un problema no se salta porque un humano ya miró el resumen.

Esto no es una excepción propia de Copilot. La documentación general de GitHub sobre revisiones obligatorias indica claramente que los autores de una pull request no pueden aprobar su propia pull request, y que cuando un conjunto de reglas o una regla de protección de rama exige revisiones, una aprobación tiene que venir de alguien distinto del autor antes de que el cambio pueda fusionarse. La misma página añade dos detalles propios de Copilot: las aprobaciones del propio Copilot aparecen en ese panel de revisores pero no cuentan para el número requerido, y la persona que asignó la issue relacionada a Copilot no puede aprobar la pull request que este planteó, lo que cierra la vía de aprobar indirectamente a través del agente.

La separación de roles, de la asignación a la integración, en forma de diagrama:

SolicitanteAsigna el ticketAgenteAbre la pullrequestRevisorNo elsolicitante,apruebaIntegraciónRepite loscontrolesSolicitanteAsigna el ticketAgenteAbre la pull requestRevisorNo el solicitante, apruebaIntegraciónRepite los controles

Convertir las decisiones de ticket en un historial consultable más tarde

La aprobación de un revisor solo es útil mientras alguien recuerde que ocurrió. Atipol conserva el historial de cada ticket y de las decisiones de revisión que lo validaron, produciendo un registro de quién pidió qué y quién aprobó qué antes de integrar una acción. Cada llamada que hace un agente queda vinculada a un agente, un ticket y un resultado, junto con cualquier aprobación concedida o denegada, lo que convierte una pregunta planteada semanas después en algo que un revisor puede buscar en lugar de algo que un revisor tiene que recordar.

Un registro creado después de un incidente no ayuda a establecer qué se leyó o escribió realmente durante este; el registro tiene que existir antes de conectar al agente, no después de que algo salga mal.

El razonamiento para construir ese registro antes de conectar a un agente, en lugar de añadirlo después de que surja un problema, es el mismo que el de escribir los criterios de aceptación antes del lanzamiento: un registro ensamblado después de los hechos puede describir lo que probablemente pasó, pero no puede sustituir una línea que vincula una llamada concreta al agente que la hizo, al ticket en el que trabajaba, y a la aprobación concedida o denegada en ese momento.

Cuando el flujo nativo de una plataforma sigue siendo la opción correcta

Los equipos cuyo trabajo de agentes IA ocurre por completo dentro de un único repositorio de GitHub, con un único agente de código y una regla de protección de rama ya en marcha, obtienen la asignación, la pull request en borrador, el evento de trabajo terminado y la regla de aprobación independiente directamente de GitHub, como se describió antes, sin añadir otro sistema. Ese flujo nativo basta cuando los criterios de aceptación viven en la descripción de la issue y las reglas de revisión de una sola plataforma son las únicas que importan.

El vacío aparece en cuanto un equipo hace funcionar más de un agente, o más de una herramienta, sobre un backlog compartido: el alcance de archivos tiene que reservarse entre herramientas, los criterios de aceptación tienen que ser visibles para cualquier agente que recoja el ticket a continuación, y el historial de decisiones tiene que cubrir agentes que nunca tocan el flujo de pull request de GitHub. Esa coordinación entre herramientas y agentes es lo que un sistema de tickets pensado para agentes IA, como el de Atipol, está pensado para cubrir; vea cómo varios agentes comparten tickets y alcance de archivos sin chocar en atipol.ai/agentic-ai-blog/parallel-claude-code-agents.

La misma documentación de GitHub enumera por sí misma los límites de ese flujo nativo: el agente no está disponible en los repositorios personales de Enterprise Managed User, que por tanto tienen que trasladarse a un repositorio propiedad de una organización con runners alojados por GitHub; una sesión que parece atascada normalmente se puede recuperar desasignando y volviendo a asignar la issue en lugar de esperar, ya que las sesiones expiran después de una hora; y las pull requests del agente permanecen en borrador y no activan GitHub Actions automáticamente, así que un humano todavía tiene que aprobar y lanzar el workflow a mano. Nada de eso cambia cuando un segundo agente o una segunda herramienta se suma al mismo backlog; solo significa que el flujo nativo nunca se pensó para coordinar más de uno.

Llevar esta práctica a un equipo

Nada de esto exige nuevas herramientas para empezar: un ticket con criterios de aceptación escritos, un revisor que no pidió el trabajo, y un registro de la decisión cubren la mayor parte del vacío descrito antes. El marco de gobernanza detrás de esa práctica, incluida una política de uso de ejemplo y dónde tiene que situarse la revisión humana antes de una fusión, se explica en atipol.ai/agentic-ai-blog/ai-agent-governance.

Una versión mínima de esta práctica cabe en un solo ticket: un criterio de aceptación escrito, un revisor nombrado que no era el solicitante, y una línea en un registro que anota la decisión. Todo lo demás descrito antes, reglas de protección de rama, asignación impulsada por API, una pista de auditoría dedicada, es una forma de aplicar esa versión mínima a mayor escala en cuanto intervienen más de un agente y más de un revisor.

Para ver este flujo de ticket, revisión e historial aplicado de principio a fin en un equipo de agentes, la visita guiada en atipol.ai/tour recorre cómo asignar un ticket a un agent lead, fijar criterios de aceptación, y revisar una entrega antes de integrarla.

Tres cosas que necesita un ticket

Criterios de aceptación escritos antes de que el agente empiece, un revisor que no pidió el trabajo, y una decisión registrada que existe antes de conectar al agente.

Preguntas frecuentes

¿Quién debería escribir los criterios de aceptación de un ticket de agente IA?

Quien pide el trabajo escribe los criterios antes de lanzar al agente, ya que el objetivo es un objetivo contra el que se puede comprobar al agente, no un resumen calificado después de la entrega.

¿Puede el agente que terminó un ticket aprobar su propia pull request?

No. Según la documentación de GitHub sobre el agente de código Copilot y sobre las revisiones obligatorias en general, una aprobación de la persona que asignó la issue no cuenta para las revisiones obligatorias de un repositorio, y un revisor distinto tiene que aprobar el cambio antes de la fusión.

¿Qué debe registrar un registro de auditoría para tickets de agentes IA?

Cada entrada debe vincular un agente, un ticket y un resultado, junto con cualquier aprobación concedida o denegada, y tiene que existir antes de conectar al agente para poder responder a preguntas planteadas después de los hechos.

Fuentes

Pruébelo en un proyecto real

La demo pública muestra una organización ficticia en funcionamiento, sin cuenta. El plan gratuito incluye un proyecto, tres agentes y un agent lead.