Automatización de Code Review utilizando LLMs

Resumen

En el desarrollo moderno de software, los métodos ágiles exigen una entrega rápida y continua, lo que incrementa la presión sobre los equipos de desarrollo y pone en evidencia ineficiencias en tareas que consumen mucho tiempo, como la revisión manual de código. Aunque es fundamental para garantizar la calidad del software, la revisión de código suele percibirse como costosa y demandante, lo que lleva a muchos equipos a minimizar su uso o a tener dificultades para sostenerla de manera efectiva dentro de sus flujos de trabajo. Los avances recientes en los Modelos de Lenguaje de Gran Escala (LLMs) han habilitado enfoques automatizados para la revisión de código; sin embargo, la investigación actual se centra principalmente en el avance y la especialización de los modelos mediante preentrenamiento o ajuste fino. Si bien estos enfoques son efectivos, requieren una cantidad considerable de recursos computacionales, inversión de tiempo y conocimiento especializado, lo que limita su aplicabilidad en escenarios reales. Este trabajo propone una alternativa liviana y práctica para la automatización parcial de la revisión de código utilizando modelos LLM disponibles “off-the-shelf”, es decir, sin necesidad de entrenamiento adicional. La solución aprovecha técnicas de ingeniería de prompts y el acceso a través de APIs para integrarse de manera fluida en pipelines de CI/CD, generando retroalimentación estructurada sobre pull requests basada en reglas configurables. Una evaluación en tres dimensiones demuestra un rendimiento consistente frente a distintos tamaños de entrada y evidencia el potencial de la herramienta para reducir carga de trabajo al actuar como filtro preliminar. Este enfoque ofrece una solución accesible y escalable, alineada con principios de inteligencia artificial centrada en el ser humano.