Tarea Terminal
Tarea Terminal: Agentic Developer
Tarea Terminal
Diseñar, construir y desplegar una capa agéntica integrada en el flujo de desarrollo del equipo que automatice un proceso completo de entrega de software — desde la historia de usuario hasta el código validado y revisado — operando de forma autónoma con mecanismos de gobernanza.
Validación de la Tarea Terminal
| Criterio | Evaluación |
|---|---|
| Observable | El sistema agéntico existe y funciona: procesa historias de usuario, genera código, lo valida y lo entrega para review. Se demuestra ejecutándolo en un proyecto real del equipo. |
| Del mundo real | Es exactamente lo que el equipo necesita hacer en su día a día: entregar features en sus proyectos (Ruby on Rails, Python, React) usando GitLab y Jira. |
| Completa | Cubre el ciclo completo: diseñar el sistema (arquitectura de agentes), construirlo (comandos, contextos, agentes), desplegarlo (integración con GitLab/Jira) y gobernarlo (mecanismos de control y validación). No es solo “usar IA” ni solo “configurar un agente”. |
Contexto de la Tarea
Problema que resuelve
El equipo usa IA de forma fragmentada e individual. Cada desarrollador tiene sus propios prompts y prácticas. No hay metodología compartida ni gobernanza. El resultado es mejora lineal (cada persona un poco más rápida) en vez de multiplicación de capacidad mediante sistemas autónomos.
Audiencia que la ejecutará
Desarrolladores intermedio-senior (10-20) de Aurgi que ya usan Claude Code en su día a día. Stack: Ruby on Rails, Python, React. Herramientas: GitLab, Jira. Aprenden construyendo, no con teoría. Deben seguir entregando durante la formación.
Subtareas implícitas
- Cambiar la mentalidad de “usuario de IA” a “arquitecto de sistemas agénticos”
- Identificar los puntos de apalancamiento donde invertir esfuerzo para máximo retorno
- Diseñar procesos sistemáticos para tipos de problemas recurrentes (features, bugs, refactors)
- Configurar agentes autónomos con disparadores, entornos y mecanismos de validación
- Implementar bucles de auto-corrección donde el sistema detecta y corrige errores
- Diseñar contextos precisos y especializados para que los agentes operen con foco
- Componer todas las capacidades en una capa agéntica integrada con el flujo de trabajo existente (GitLab, Jira)
- Establecer mecanismos de gobernanza para controlar cómo la IA participa en el desarrollo