Aprende
Marco de SDLC de IA: fases, roles y guardrails
Un modelo operativo para correr el ciclo de vida del software con agentes de IA: quién hace cada fase, dónde siguen las personas y qué guardrails evitan que la velocidad se vuelva desorden.
Un marco de SDLC de IA es un modelo operativo práctico para correr el ciclo de vida de desarrollo de software con agentes de IA: plan y especificación, construcción, revisión con guardrails, prueba, despliegue y operación. Las personas fijan la intención y aprueban cambios con consecuencias; los agentes hacen el trabajo de producción bajo esas reglas. Es el cómo de un SDLC de IA, no solo la definición.
Publicado 2026-07-15 · Última actualización 2026-07-15 · Equipo editorial de Automo
¿Qué es un marco de SDLC de IA?
Si necesitas la definición del ciclo de vida, empieza por Qué es un SDLC de IA. Esta página es el modelo operativo encima: fases, roles humanos frente a agentes, y los guardrails que hacen seguro el bucle a velocidad de IA. Cuando elijas productos por fase, usa la guía de herramientas de SDLC de IA.
Un SDLC clásico asume que las personas escriben el trabajo y otras lo revisan. Un marco de SDLC de IA asume que los agentes escriben la mayor parte y las personas gobiernan clases de cambio. Las fases siguen. Cambia la unidad de trabajo (un prompt y un plan en vez de un montón de tickets), el punto de control (la política en vez de leer cada línea) y la evidencia (un rastro de auditoría del prompt a producción en vez de memoria de tribu).
Trata el marco como una checklist de cobertura, no como un organigrama obligatorio. Los proveedores nombran las etapas de otra forma. Si una fase no tiene dueño, puerta ni artefacto, no tienes esa fase. Tienes una diapositiva.
Seis fases de un marco de SDLC de IA
Plan y especificación, construcción, revisión y guardrails, prueba y QA, despliegue, operación y monitoreo. La primera la lideran las personas. Las cuatro del medio son donde los agentes hacen el volumen bajo controles. La última mantiene honesto el sistema después de publicar.
1. Plan y especificación
El trabajo entra como intención comprobable: el problema, usuarios, restricciones y cómo se ve terminado. Los agentes lo convierten en un plan revisable. Las personas corrigen el rumbo aquí, donde corregir es barato.
2. Construcción
Los agentes builder implementan el plan en código real sobre ramas. Lógica, esquema, integraciones. Cada cambio es un diff versionado y revisable, no una edición opaca a un sistema en ejecución.
3. Revisión y guardrails
Las políticas clasifican cada cambio por área de negocio y riesgo. Lo rutinario sigue. Lo consecuente espera aprobación humana registrada. Las zonas protegidas rechazan cambios casuales. Agentes reviewers (CTO, Security, Doctor) más un product owner humano trian lo que necesita una persona.
4. Prueba y QA
La verificación automática corre en cada cambio, no como fase al final: chequeos unitarios e de integración más replays de navegador de los flujos que importan. Las puertas que fallan paran la línea.
5. Despliegue
Las publicaciones pasan por puertas de humo antes y comprobaciones después, con rollback como operación de primera clase. El despliegue es una etapa controlada, no un botón al lado del ciclo de vida.
6. Operación y monitoreo
Se vigila el sistema en vivo. Salud de la app, DNS, CDN, dependencias. Las degradaciones se diagnostican hasta la causa raíz y vuelven al bucle como trabajo descrito nuevo.
Qué cambia frente a un SDLC clásico
El mismo trabajo, otra maquinaria. Usa esta tabla cuando alguien diga que el SDLC de IA es solo CI/CD con un chatbot.
| Fase | SDLC clásico | Marco de SDLC de IA |
|---|---|---|
| Plan y especificación | Tickets escritos para desarrolladores | Intención en lenguaje claro, comprobable por cualquiera, plan borrador del agente |
| Construcción | Los desarrolladores escriben código a mano | Los agentes builder producen diffs versionados a alto volumen |
| Revisión | Las personas leen cada línea | Las políticas trian; las personas revisan lo que la política marca |
| Prueba | QA hacia el final | Puertas automáticas en cada cambio, también a nivel navegador |
| Despliegue | Ventanas de release y comités de cambio | Publicación con puertas, comprobaciones de producción, rollback listo |
| Operación | Humanos de guardia trian paneles | Diagnóstico de causa raíz por el agente, las personas aprueban correcciones |
Humanos frente a agentes
Los agentes hacen el trabajo de producción. Las personas poseen los resultados. Si lo inviertes, tienes un sistema sin supervisión, no un marco.
| Responsabilidad | Humanos | Agentes |
|---|---|---|
| Dirección | Fijan intención, restricciones, definición de hecho | Convierten la intención en un plan revisable |
| Implementación | Decisiones de arquitectura y excepciones | Escriben y editan el código |
| Revisión | Aprueban cambios consecuentes y de zonas protegidas | Clasifican riesgo, aplican política, redactan notas de revisión |
| Calidad | Deciden qué flujos no deben romperse nunca | Escriben y ejecutan pruebas en cada cambio |
| Seguridad | Aceptan el riesgo residual, poseen el incidente | Escanean, sondean, confirman hallazgos en la app en vivo |
| Release | Poseen el go/no-go cuando la política lo pide | Corren el pipeline, las puertas de humo, el rollback |
| Operación | Aprueban la corrección y el mensaje al cliente | Vigilan producción, diagnostican, redactan el cambio |
Una checklist corta para esta semana
Puntúa tu bucle actual. Dos o más huecos significan que tienes desarrolladores asistidos por IA, no un marco de SDLC de IA.
- ✓ Cada cambio parte de una especificación comprobable, no de un chat que nadie más puede repetir.
- ✓ La salida del builder aterriza como rama con un diff que puedes revertir.
- ✓ Las políticas, no el heroísmo, deciden qué se fusiona sin una persona.
- ✓ Pruebas que representan flujos reales de usuario corren en cada cambio y pueden bloquear la publicación.
- ✓ Los hallazgos de seguridad se confirman contra la app en ejecución, no solo un informe estático.
- ✓ Publicar tiene puertas de humo y un rollback que de verdad habéis usado.
- ✓ Algo vigila producción y puede nombrar una causa raíz sin esperar un ticket de usuario.
- ✓ Un rastro de auditoría responde quién hizo el prompt, quién aprobó y qué se publicó.
Cómo Automo Build implementa cada fase
Automo es un SDLC de IA entregado como plataforma en vez de ensamblado con piezas. Describes la app en un prompt. El bucle alrededor de ese prompt es el marco.
- Plan y especificación. Las peticiones en lenguaje claro se vuelven un plan que puedes corregir antes de que exista código. Empieza en el plan Free desde un prompt. No hace falta una llamada comercial.
- Construcción. Los agentes builder generan aplicaciones reales de React, TypeScript y Supabase que te pertenecen, en ramas, como diffs revisables.
- Revisión y guardrails. Agentes reviewers (CTO, Security, Doctor) más Guardrails mapean código a áreas de negocio, detectan cambios arriesgados, aplican políticas en lenguaje claro, registran revisión humana y dejan un rastro detrás de cada fusión. Un product owner humano sigue aprobando lo que la política marca.
- Prueba y QA. El agente QA corre replays deterministas de navegador, pruebas auto-reparables, puertas de humo antes de publicar y comprobaciones de producción después.
- Despliegue. El pipeline de despliegue publica a través de esas puertas hacia la nube de Automo, tu propia cuenta de AWS, Azure o GCP, VPC privada u on-prem con términos aparte, con rollback de primera clase.
- Operación y monitoreo. Doctor, un SRE de IA de solo lectura, sondea la app en vivo, DNS y CDN, diagnostica la causa raíz y redacta la corrección para aprobación humana.
Por dónde empezar
No necesitas un departamento nuevo para correr este marco. Necesitas que las seis fases existan como valor por defecto, no como ceremonia opcional. Automo Build las pone en el mismo camino que el prompt: plan Free, créditos mensuales, sin tarjeta. Describe la app y el bucle corre. Para el mapa de productos de cada fase, sigue en herramientas de SDLC de IA. Para la definición sobre la que se sienta este marco, mantén Qué es un SDLC de IA junto a esta página.
Preguntas frecuentes
¿Qué es un marco de SDLC de IA?
Un marco de SDLC de IA es el modelo operativo para correr la entrega de software con agentes de IA: plan y especificación, construcción, revisión con guardrails, prueba, despliegue y operación. Las personas marcan dirección y aprueban cambios con consecuencias; los agentes hacen el trabajo de producción bajo política.
¿En qué se diferencia un marco de SDLC de IA de un SDLC clásico?
Las etapas son familiares. Cambian la unidad de trabajo, el punto de control y la evidencia. Los agentes producen diffs versionados a alto volumen, las políticas trian la revisión, las pruebas cierran cada cambio y un rastro de auditoría registra del prompt a producción. Un SDLC clásico se organiza alrededor de pases entre especialistas. Un marco de SDLC de IA se organiza alrededor de la gobernanza.
¿Seguimos necesitando desarrolladores y un product owner?
Sí. Las personas poseen intención, arquitectura, riesgo residual y el go/no-go de los cambios marcados. Los agentes cargan el volumen de implementación, redactan revisiones, ejecutan pruebas y diagnostican producción. El marco existe para que esa responsabilidad humana siga siendo practicable a velocidad de IA.
¿Qué guardrails pertenecen a la fase de revisión?
Políticas que clasifican cambios por área de negocio y riesgo, zonas protegidas que rechazan ediciones casuales, aprobación humana registrada para fusiones consecuentes, y un rastro inmutable de quién hizo el prompt y quién aprobó. En Automo, Guardrails más reviewers CTO, Security y Doctor aportan esa capa.
¿Cómo implementa Automo Build este marco?
Los agentes builder implementan el plan en código real que te pertenece. Los agentes reviewers (CTO, Security, Doctor) y Guardrails gobiernan las fusiones. El agente QA prueba con replays de navegador y puertas de humo. El pipeline de despliegue publica con rollback. Doctor vigila la producción. Puedes empezar desde un prompt en el plan Free.