Patrones de intervención humana para agentes de IA en Jira

La intervención humana es cómo mantienes el control a medida que los agentes asumen una mayor parte de la compilación y, en Jira, reside en el flujo de trabajo en lugar de ser una herramienta independiente. Los equipos que obtienen resultados reales reservan el criterio humano para las decisiones clave y dejan que los agentes se encarguen del resto.

Ese juicio tiene un inicio natural. Jira es donde los equipos siempre han gestionado la actividad y aprobado lo que avanza, y ahora hace lo mismo para los agentes. Esta guía explica dónde y cómo las personas mantienen el control sobre los agentes de IA, a quién pertenece qué y cómo diseñar una supervisión escalable. En resumen, una intervención humana bien ejecutada te ofrece tres cosas:

• Aprobaciones que restringen las acciones que no puedes deshacer de forma limpia

• Revisión que detecta un resultado de baja calidad o desalineado antes de su lanzamiento

• Derivación que dirige automáticamente las llamadas inciertas del agente a una persona

¿Qué es la intervención humana para los agentes de IA?

La intervención humana es un diseño de sistema donde un agente de IA hace pausas en puntos de control definidos para que una persona pueda aprobar, corregir o redirigir la actividad antes de que avance algo de alto riesgo. El agente realiza la ejecución rutinaria mientras que una persona controla las decisiones que tienen consecuencias reales.

Es arquitectura para la fiabilidad, no una señal de que la IA haya fallado o un apoyo temporal que eliminas una vez que el modelo sea lo suficientemente bueno. Los mejores sistemas de agentes son aquellos en los que el criterio humano se sitúa exactamente donde cambia el resultado.

En la práctica, la intervención humana suele presentarse en tres patrones:

• La aprobación es la autorización antes de una acción de alto riesgo o irreversible.

• La revisión consiste en validar el resultado del agente antes de lanzarlo.

• La derivación es la transferencia que hace el agente cuando no tiene certeza, le falta contexto o está fuera de su alcance.

Diferencia en la intervención humana: “human-in-the-loop”, “human-on-the-loop” y “human-out-of-the-loop”

Los tres términos describen cuánto control mantiene una persona una vez que un agente empieza a trabajar. La diferencia se reduce a quién actúa y quién decide.

El objetivo no es la supervisión máxima en todas partes, ni ninguna en absoluto. Consiste en situar el modo adecuado donde realmente reside el riesgo y trasladar la actividad hacia una mayor autonomía a medida que crece la confianza.

¿Dónde mantienen las personas el control sobre los agentes de IA?

Empieza por quién es el propietario de qué

La titularidad se comprueba antes del control. Antes de decidir dónde revisa o aprueba una persona, decide de qué se le permite ser propietario al agente en primer lugar. El punto de control hace cumplir esa decisión; no la reemplaza.

Una forma sencilla de dividir la actividad es según cuánto costaría un error:

• El agente es el propietario. Actividad bien especificada que el agente puede completar y cerrar por su cuenta, sin necesidad de transferencia.

• El agente propone, la persona decide. Actividad que el agente redacta y una persona termina, aprueba o devuelve.

• Una persona es la propietaria. Las llamadas que realiza una persona desde el principio, en las que el agente le ayuda en lugar de tomar la decisión.

La propiedad decide quién inicia la actividad; los modos de supervisión anteriores deciden quién observa una vez que está en marcha. En Jira, cada acción del agente se vincula a una identidad conocida y queda registrada en el historial de la actividad, por lo que la responsabilidad es una cuestión de registro, no de memoria.

1. Aprobaciones: autorización antes de una actividad de alto impacto

Usa una aprobación cuando una acción sea difícil de deshacer. Los cambios en producción, las eliminaciones y las llamadas que generan costes deben requerir una aprobación, porque el coste de un movimiento en falso es alto. En Jira, la aprobación es un paso de aprobación del flujo de trabajo que detiene una transición hasta que una persona designada la aprueba, por lo que el control es parte del proceso, no un recordatorio del que alguien deba acordarse. Para conocer toda la mecánica de las reglas de flujo de trabajo detrás de estos controles, incluidas las condiciones y los validadores, consulta los controles y seguridad de la ingeniería de agentes en Jira.

• En Jira: un agente prepara un cambio de alto impacto, por ejemplo, una actualización de la configuración de producción o una publicación, y la actividad no puede salir del estado de aprobación hasta que un aprobador designado dé su visto bueno. Un paso de aprobación nativo vincula la transición a dos resultados, aprobada o rechazada, y registra quién lo decidió y cuándo en la actividad.

2. Revisión: valida el resultado antes de lanzarlo

Trata el resultado del agente como no confiable hasta que tus comprobaciones existentes lo hayan verificado. Para un agente de codificación, la revisión es la solicitud de extracción, que pasa por tu proceso normal de revisión y fusión.

Revisar bien significa ver el trabajo, no solo el resultado. La vista de sesiones de agentes en la página Para ti de Jira te ofrece un solo lugar para ver qué ha hecho un agente y por qué, de modo que quienes revisan comiencen con un contexto en lugar de reconstruirlo.

• En Jira: asigna una actividad a un agente de codificación como el agente de codificación de Jira. Lee la actividad y el contexto vinculado y, a continuación, abre un borrador de solicitud de extracción vinculada a la actividad, donde la revisas. Revisas esa solicitud de extracción a través de tu proceso de fusión normal, y la vista de sesiones de agente en la página Para ti de Jira agrupa cada sesión según lo que requiere tu atención a continuación y muestra lo que ha hecho cada agente para que revises con un contexto en lugar de reconstruirlo.

Asigna cualquier incidencia de Jira al agente de codificación y ve cómo explora tu base de código, escribe la corrección o función y genera una solicitud de extracción, todo en un entorno de pruebas seguro en la nube.

3. Derivación: transfiere cuando el agente tenga dudas o esté fuera de su alcance

La derivación es que el agente conozca sus propios límites. Cuando la confianza es baja, falta contexto o se alcanza un límite de la política, debe pausar y preguntar o derivar a una persona en lugar de adivinar. El objetivo es hacer que ese traspaso sea sistemático: diseña los desencadenadores para que la derivación sea una excepción que el sistema genere, no un error que una persona tenga que detectar a posteriori. No dependas del agente para que juzgue de manera fiable su propia confianza. Define los desencadenadores por tu cuenta: falta de contexto requerido, una señal de baja confianza donde exista una, un cambio superior a un tamaño establecido o cualquier acción que cruce un límite de política.

En Jira, las reglas de automatización pueden comentar, etiquetar una actividad como “Requiere perfeccionamiento” o derivarla a una persona cuando falta contexto, y esto funciona igual ya sea que el agente sea de Atlassian o de un tercero. Cuándo un agente debe hacer una pausa y preguntar a mitad de la tarea se configura en las propias instrucciones del agente (en Jira para un agente Rovo o de Jira) o en la configuración del agente de terceros para herramientas (como Claude, Cursor o Copilot).

• En Jira: una regla de automatización revisa cada actividad de seguridad abierta todas las mañanas y la deriva según su gravedad. Las correcciones reversibles y de bajo riesgo pasan a un agente de codificación que abre una solicitud de extracción. Todo lo que sea de alta gravedad o afecte a la infraestructura crítica se resume y se deriva al ingeniero adecuado antes de realizar cualquier cambio para que las decisiones de riesgo lleguen a una persona con el contexto ya recopilado.

Configura las automatizaciones en Jira una vez y tus agentes harán el resto.

¿Cuándo es la intervención humana un cuello de botella y no una medida de seguridad?

La supervisión puede ser insatisfactoria de dos formas. Si hay demasiada poca, se saca trabajo desalineado o irreversible: a medida que aumentó la adopción de la programación con IA, las mejoras en la productividad del equipo de desarrollo se estancaron en un 10-15 %, porque la parte difícil de lanzar software no es escribir el código, sino decidir qué desarrollar, entender el sistema que estás cambiando y saber si es seguro lanzar el resultado. Si hay demasiada supervisión, encontramos los problemas opuestos.

La intervención humana se convierte en un cuello de botella en el momento en que las revisiones dejan de ajustarse al riesgo. Las tres situaciones que se dan más a menudo son:

1. Demasiadas revisiones: revisa cada acción y acabarás con fatiga, agentes inactivos esperando a una persona y la velocidad para la que adoptaste los agentes se evaporará poco a poco.

2. Aprobación sin revisión: cuando una revisión pasa trabajo que no la necesitaba, se aprobará sin leer. El punto de control se convierte en un trámite y falla exactamente cuando se cuela un problema real.

3. Cantidad en lugar de calidad: contar las aprobaciones te indica que ahí había una persona, pero no te dice si ha detectado algo. Más no siempre es mejor.

Cuando no se puede supervisar cada acción sin que repercuta en el rendimiento, prueba a hacer revisiones puntuales. En lugar de revisar todo lo que lance un agente, revisa una parte. En Jira, una regla de automatización puede marcar un porcentaje de las actividades completadas por agentes para que una persona las audite o derivar las que sean de alto valor para que mantengas un control real de la calidad sin detener el ritmo.

Jira como entorno de revisión y aprobación

En Jira, la intervención humana no es una herramienta independiente, sino el entorno en el que tu equipo ya gestiona el trabajo, por lo que cada punto de control se encuentra en el sitio adecuado. Esa es la diferencia entre una supervisión que escala y un plano de control paralelo que nadie mantiene.

Los tres patrones se sitúan en un entorno:

• Aprobar con un paso de aprobación del flujo de trabajo que retiene una transición hasta que una persona designada dé su visto bueno.

• Revisar la solicitud de extracción vinculada a la actividad mediante la vista de sesiones de agentes en la página Para ti de Jira para ver qué ha hecho cada agente y qué está pendiente.

• Derivar mediante instrucciones de agente y reglas de automatización, con el traspaso y la persona responsable registrados directamente en la actividad.

Jira facilita revisar el resultado del agente y decidir qué lanzar

Las personas y los agentes trabajan desde un único sistema de registro. Los flujos de trabajo, los permisos de datos y el historial en los que tu equipo ya confía se aplican sin importar qué agente actúe, por lo que la supervisión reutiliza los controles que tienes en lugar de un sistema secundario creado solo para la IA. De este modo, obtienes la comprobación sin la dispersión.

Prácticas recomendadas para la intervención humana con agentes de IA

Los mejores sistemas con intervención humana dedican la atención humana donde cambia el resultado y dejan que los agentes actúen en todo lo demás.

• Busca menos intervenciones de mayor impacto. Cada revisión tiene un precio. Elimina cualquiera que se haya convertido en un mero trámite.

• Adapta la supervisión al riesgo y a la capacidad de reversión. Automatiza las tareas rutinarias y reserva la aprobación para lo que sea costoso o difícil de deshacer.

• Separa la aprobación de la revisión. Aplica la aprobación antes de acciones de alto impacto y la revisión en todo lo que se lance.

• Haz que la derivación sea sistemática. Define los desencadenadores por adelantado: baja confianza, falta de contexto o un límite de política.

• Empieza por lo específico y luego amplía. Dale a un nuevo agente un alcance limitado y asígnale más a medida que gane confianza.

Cómo configurar tu primer flujo de trabajo con intervención humana en Jira

No necesitas un rediseño para empezar. Elige un flujo de trabajo, añade un punto de control y amplía a partir de ahí.

1. Elige una tarea rutinaria. Empieza donde deshacer un error sea barato, como una actualización de dependencia, una corrección de prueba inestable o la actualización de la documentación. Reserva el trabajo de alto riesgo para cuando confíes en la configuración.

2. Asígnaselo a un agente limitado a esa tarea. Añade al agente desde el campo de persona asignada, una columna del tablero o una transición del flujo de trabajo. Actúa en nombre de la persona que está detrás, por lo que en Jira solo puede acceder a lo mismo que esa persona. Jira controla ese acceso a tu trabajo. Lo que un agente de terceros puede hacer con sus herramientas se configura por separado, fuera de Jira. Asignar el agente lo ejecuta. Todavía no incluye a una persona en el proceso; ese es el punto de control que se añade a continuación.

3. Pon un punto de control donde se produce el impacto. En la transición a un estado de alto impacto, añade un paso de aprobación para que una persona dé su visto bueno antes de que el trabajo avance. En los planes sin aprobaciones nativas, usa una condición de transición para restringir quién puede mover el trabajo.

4. Envía el resultado a revisión. En el caso de código, haz que el agente redacte una solicitud de extracción vinculada a la actividad para que el cambio reciba una revisión real antes de fusionarse. Nada se lanza solo porque el agente lo diga.

5. Confirma el registro y, después, amplíalo. Comprueba que las acciones del agente estén registradas en la actividad y amplíalo: añade la siguiente transición, el siguiente tipo de tarea o más alcance primero en la actividad reversible. Amplía la autonomía a medida que el agente gane confianza.

Consulta las acciones que llevaron a cabo tus agentes y las decisiones que tomaron en Jira

El punto de conexión no es un agente que se ejecuta de forma desatendida. Es un flujo de trabajo donde las personas intervienen en las decisiones que importan y nada más, y cada paso queda registrado.

¿Todo listo para incluir a las personas en los momentos adecuados? Empieza a usar Jira para el desarrollo nativo de IA.

Preguntas frecuentes sobre los agentes de IA con intervención humana

¿Cómo se mantiene la intervención humana con los agentes de codificación de IA?

Haz que el trabajo del agente se pueda supervisar y revisar. Puedes enviar su resultado a una solicitud de extracción, requerir aprobación antes de realizar cambios de alto impacto y diseñar desencadenadores para que el agente derive cuando tenga dudas o esté fuera de su alcance.

¿Pueden los agentes de IA en Jira requerir aprobación humana?

Sí. Añade un paso de aprobación del flujo de trabajo en la transición donde se produce el impacto y la actividad quedará en espera hasta que una persona designada lo apruebe o rechace. Las aprobaciones nativas están disponibles en los planes Premium y Enterprise.

¿Quién es responsable de lo que hace un agente de IA?

Siempre una persona. El agente hace el trabajo, pero una persona es responsable del resultado. En Jira, cada acción de agente se vincula a una identidad conocida y permanece en el historial de la actividad.

¿Qué es la ingeniería de bucles para agentes de IA?

La ingeniería de bucles consiste en diseñar los desencadenadores que deciden cuándo un agente sigue iterando por su cuenta y cuándo le pasa el control a una persona. Los buenos desencadenadores hacen que la derivación sea sistemática, de modo que la supervisión recaiga donde está el riesgo, no en todas partes.

¿Cumple la intervención humana con los requisitos de gobernanza de la IA?

La supervisión humana es fundamental para marcos como el Reglamento de Inteligencia Artificial de la UE y el Marco de Gestión de Riesgos de Inteligencia Artificial de NIST, pero la supervisión por sí sola no es gobernanza. También necesitas acceso obligatorio, aprobaciones y un registro de auditoría. Consulta los controles y seguridad de la ingeniería de agentes en Jira.