Modelo Cyborg

De la intención a producción, con ingeniería

2026

Caso Iké · un MVP en una Cyborg Week

Iké Argentina · Vetify, planes de salud para mascotas. Reintegros con validaciones manuales, un compromiso de negocio impostergable y, como punto de partida, un prototipo de diseño.

Del prototipo al MVP de reintegros, de punta a punta
Modelo tradicional
3 meses como mínimo
Cyborg Week
5 días de análisis + 5 de desarrollo
5 + 5
días
análisis y desarrollo, en formato hackathon con el equipo de Iké
online
gestión del reintegro
antes, un plazo de 15 días
100 %
autogestivo y digital
el usuario gestiona su reintegro sin pasos manuales
Pasos Discovery→Arquitectura→Cyborg Week→Iteración→Desarrollo

La práctica Cyborg de Ingenia nos permitió acelerar de forma notable la construcción de un MVP de reintegros para Vetify […] La experiencia confirma que la velocidad real con IA depende de tener claridad e integración con las capacidades existentes.

Hernán Suárez

CIO de Iké Argentina · 2.000.000 de usuarios

ReactNext.jsJava Spring BootCursor + skills, MCPs y agentsFigmaAuth0AWS · ECS, SQS, Textract, S3GitLab

El cómo lo recorremos sobre Ingenia ATS, nuestra plataforma de selección de talento: hecha con el mismo modelo, en un repositorio que podemos abrir.

El modelo Cyborg en una imagen

HarnessBuilding blocks instalables · Startia Governorskills · rules · tools por MCP · templates de spec · agentes revisores
▼▼▼▼▼▼
01
Intención
Historia, criterios de aceptación y métrica de éxito
Persona
→
02
Spec
Spec Kit: spec, clarificaciones, plan y tareas
Persona + agente
→
03
Implementación
Agentes que codean en sandbox, tarea por tarea
Agentes
→
04
Verificación
Tests, checks deterministas y agentes revisores
Agentes + máquina
→
05
Entrega
Infraestructura como código y CI/CD hasta producción
Pipeline
→
06
Operación
Alertas, runbooks y detección de cambios fuera de código
Pipeline + persona
▲▲▲▲▲▲
MemoriaEl agente no arranca de ceroconstitution · ADRs · specs · runbooks · brain de decisiones y aprendizajes (Engram)

Esto es agentic engineering: las personas definen la intención, aprueban la spec y deciden lo que es de riesgo alto. Todo lo demás corre solo y deja evidencia.

Las personas se van a los extremos

DEDICACIÓN DE LAS PERSONAS → Agentes y pipeline implementan, verifican y entregan IntenciónSpecImplementaciónVerificaciónEntregaOperación Deciden qué se construye Deciden lo riesgoso y operan Antes: el tiempo se iba en escribir y revisar código PERSONAS AGENTES + MÁQUINA PERSONAS
Al inicio

Intención y spec

Qué se construye, para qué y con qué criterios de aceptación. Las clarificaciones se responden antes de escribir código.

En el medio

Corre solo, dentro del harness

Agentes en sandbox, tests, revisores y pipeline. Lo que no pueden decidir queda en una cola de decisiones.

Al final

Riesgo alto y operación

Una persona aprueba lo sensible, valida el resultado contra la intención y opera con runbooks.

Gráfico ilustrativo: muestra dónde se concentra el trabajo de las personas, no una medición.

Formas de implementar con IA

CONTROL SIN AUTONOMÍAAGENTIC ENGINEERING NI CONTROL NI AUTONOMÍAAUTONOMÍA SIN CONTROL AUTONOMÍA DE LOS AGENTES → CONTROL DE INGENIERÍA → Asistente en el IDE la persona escribe, la IA sugiere Vibe coding rápido, sin spec ni verificación Agentes sin método se controla solo el resultado final Cyborg autonomía alta, gobernada

Lo que cambia en el cuadrante de arriba

  • La spec se aprueba antes de escribir código
  • Cada cambio pasa por tests, checks y agentes revisores
  • La intervención humana depende del riesgo, no del volumen
  • Todo queda trazado: requisito, tarea, test y deploy

Cómo se sube

Con un harness: skills, rules, tools y verificación alrededor del modelo. Lo recorremos en siete pasos.

En industrias reguladas, como banca y salud, más autonomía solo sirve si el control crece al mismo ritmo.

Paso 1 · El harness: building blocks instalables

El agente es el modelo más su harness: skills, rules, tools y revisores. El nuestro no se arma de cero: se instala en el repo y en el pipeline del cliente.

Modelo intercambiable HARNESS SkillsRulesTools · MCPAgentes revisoresTemplates de specMemoria
Skills aprobadas para cada etapa del ciclo

Descubrir

product-intent-generatoranalyze-journeywrite-product-spec

Especificar

crear-specstory-technical-refinervalidate-user-story

Diseñar

define-solution-architecturewrite-adrapi-designer

Construir

work-on-taskwork-on-sprintget-governed-rules

Verificar

code-reviewapi-security-validatorqa-engineertest-api

Operar y modernizar

gcp-devops-well-architectedmodernization-strategycode-technical-analysis
Startia Governor · más de 80 skills · rules por stack · templates de Spec Kit · plugins versionadoaprobaciónchequeo de solapamientométricas de uso

Un solo catálogo, servido por MCP, para Claude Code, Cursor, Copilot y OpenCode. Se puede empezar por un solo bloque, como el revisor de seguridad.

Paso 2 · Spec-Driven Development con Spec Kit

En el modelo01 Intención›02 Spec›03 Implementación›04 Verificación›05 Entrega›06 Operación

La spec es la fuente de verdad y el código se deriva de ella. Las compuertas encuentran los problemas cuando todavía son baratos.

Decide una persona
Trabaja el agente
Agente + checks
Qué y por qué. La persona define la intención y responde las clarificaciones antes de que exista un plan.
Cómo. Diseño técnico y tareas, contra los ADRs y la constitution.
Hecho y verificado. Cada tarea se implementa con sus tests; converge compara el código contra la spec.
una vez
constitution
principios no negociables
1
specify
spec.md: qué y por qué, sin tecnología
gate
clarify
ambigüedades resueltas de a una
2
plan
plan, modelo de datos, contratos
gate
checklist
calidad de los requisitos
3
tasks
tareas chicas, ordenadas y verificables
gate
analyze
coherencia spec ↔ plan ↔ tareas
4
implement
código y tests, tarea por tarea
gate
converge
el código cumple la spec
Ejemplo real · ATS

Feature 008 · Procesos de selección y pipelines

41
requisitos
8
criterios de éxito
5
clarificaciones previas
80
tareas trazadas
7
artefactos versionados

El proceso se adapta al tamaño y al riesgo

Clasificación · en el harness

Antes de empezar, el agente mide el cambio

  • ¿Cuánto hay que entender para hacerlo?
  • ¿Qué riesgo tiene?
  • ¿Se puede retomar si se corta?

Nunca por cantidad de archivos.

Carril rápido

Tarea acotada

bug, ajuste, cambio entendido

un solo documentoimplementverificación

Intención, alcance, checklist y evidencia en una página. Spec Kit liviano.

minutos
Carril feature

Funcionalidad nueva

negocio, datos, APIs

specifyclarifyplantasksanalyzeimplementconverge

Spec Kit completo, con todas las compuertas.

horas
Carril largo

Épica o plataforma

trabajo autónomo sostenido

spec aprobadaagentes en paralelocola de decisionesreporte

Lo que el agente no puede decidir solo queda en una cola y sigue con lo independiente. La persona responde las decisiones, no revisa cada paso.

jornadas

Si en el camino aparece riesgo alto o una contradicción con una decisión registrada, el trabajo sube de carril solo.

La constitution: reglas que algo verifica

Principios no negociables que el agente lee antes de cada plan. Cada uno tiene algo que lo verifica. Esta es la de ATS.

Principio I

Un núcleo, tres adaptadores

La lógica, los permisos y la auditoría viven en un solo lugar.

✓ lo verifica Revisión contra la constitution

Principio II

Paridad web ↔ IA

Lo que se puede hacer en la web se puede hacer desde un asistente.

✓ lo verifica Contract test por cada tool

Principio III

Seguridad y privacidad por defecto

Nunca datos reales en el repo. Permisos decididos en el servidor.

✓ lo verifica Check de datos reales en cada MR

Principio IV

Trazabilidad total

Cada cambio de estado deja auditoría en la misma transacción.

✓ lo verifica Tests de auditoría obligatorios

Principio V

Contratos primero

Un schema genera la API, las tools y los tipos de la web.

✓ lo verifica OpenAPI generado en el pipeline

Principio VI

Tests como red de seguridad

Los tests de aceptación se escriben antes y fallan primero.

✓ lo verifica Integración contra Postgres real

Principio VII

Fronteras verificadas

Un módulo no puede leer los internals de otro.

✓ lo verifica Análisis de dependencias en CI

Principio VIII

Operabilidad

Nada se cambia a mano en la consola de la nube.

✓ lo verifica Detección nocturna de drift

Principio IX

Documentación operativa

Sin runbook, la feature no está terminada.

✓ lo verifica Runbook en el mismo MR

Paso 3 · Revisión por nivel de riesgo

En el modelo01 Intención›02 Spec›03 Implementación›04 Verificación›05 Entrega›06 Operación

Los PRs son automáticos. Lo que cambia según el riesgo es cuánta verificación corre y si hace falta la decisión de una persona.

Checks deterministas
Agente revisor, con otro contexto
Merge automático
Checks deterministas
Agentes revisores · código, seguridad y arquitectura
Tests de aceptación en verde
Converge · el código cumple la spec
Merge automático con evidencia
Checks deterministas
Agentes revisores · código, seguridad y arquitectura
Tests de aceptación en verde
Converge · el código cumple la spec
Plan de infraestructura visible antes del merge
Aprobación explícita, con nombre y apellido
Decide una persona
Riesgo bajo

Documentación, textos, ajustes acotados.

Riesgo medio

Funcionalidad dentro de una spec aprobada. La persona recibe el resumen, no el diff.

Riesgo alto

Autenticación, datos sensibles, migraciones, infraestructura, pipeline.

Estados de un cambio

● Trabajando

↓
● Verificando

↓
● Listo

⇄ ● Necesita tu decisión

Otro contexto, otras instrucciones

El revisor no es el agente que implementó. Si después de tres rondas de corrección no converge, escala a una persona.

Paso 4 · Pruebas

En el modelo01 Intención›02 Spec›03 Implementación›04 Verificación›05 Entrega›06 Operación
Deploy, promoción y rollbacklos scripts del pipeline tienen sus testsFlujos completos (e2e)contra el entorno de dev después de cada deployInterfaz: accesibilidad, teclado y capturas116 capturas de referencia, en escritorio y teléfonoUnitarios e integración contra Postgres realcada caso de uso: un permiso permitido y uno denegadoChecks deterministastipos · lint · fronteras entre módulos · tokens de diseño · migraciones
1.332
tests automatizados
escritos por agentes, exigidos por la constitution

Primero falla, después pasa

Los tests de aceptación salen de la spec y se escriben antes que el código.

Lo que una máquina puede verificar no se le pregunta al modelo

El agente recibe el resultado y corrige hasta que pasa.

▲ De abajo hacia arriba: lo barato y determinista corre primero; lo caro, al final.

Paso 5 · Sandboxes

En el modelo01 Intención›02 Spec›03 Implementación›04 Verificación›05 Entrega›06 Operación

Los agentes trabajan con autonomía porque no pueden romper nada real.

Anillo 1

Agente

  • Permisos acotados al repo
  • Sin credenciales de nube
  • La CLI de la nube está simulada
→
Anillo 2

Entorno local

  • Base de datos en contenedor
  • Proveedor de identidad falso
  • Solo datos ficticios, verificado
→
Anillo 3

CI efímero

  • Postgres real descartable por corrida
  • Navegador fijo para las capturas
  • Cuenta de solo lectura para planificar infra
→
Anillo 4

Dev

  • Deploy automático al integrar
  • Pruebas de flujo completo
  • Infra aplicada por el pipeline
→
Anillo 5

Producción

  • Solo el mismo artefacto validado en dev
  • Un deploy a la vez
  • Rollback sin tocar la consola
El recorrido de un cambio
para avanzartests y checks en verde en local
para avanzarse abre el merge request
para avanzarmerge a main con el pipeline en verde
para avanzarpromote-check: dev sirve esa versión, sana
Sin llavesIdentidad federada: no hay claves de servicio guardadas. Planificar, aplicar y desplegar usan cuentas distintas.

Paso 6 · Infraestructura como código

En el modelo01 Intención›02 Spec›03 Implementación›04 Verificación›05 Entrega›06 Operación
TODO ESTO ES CÓDIGO · TERRAFORM Personas (web)Asistentes de IA Load balancer+ firewall de aplicación API · Cloud RunREST + MCPWeb estática · GCSJob de migraciones PostgreSQL · Cloud SQLred privadaCola de eventosCloud TasksTareas programadas TRANSVERSALRedSecretosImágenesMonitoreo y alertasIdentidad del pipeline Merge requestel plan de dev y prod queda a la vista Mergeaplica el pipeline, nadie a mano Cada nochenube real contra el código: drift
12
módulos de Terraform
generados por agentes a partir de los ADRs · dev y prod desde el mismo código

Nadie aplica a mano

El plan se ve en el merge request. La aplicación la hace el pipeline.

Drift nocturno

Cada noche se compara la nube real contra el código. Si alguien tocó algo por fuera, avisa.

Paso 7 · CI/CD completo, generado por IA

Paso 2 · Spec Kit specify→plan · tasks→implement→converge ⟶merge request⟶ Paso 7 verificar→infra→construir→dev→producción

Spec Kit termina en el merge request y ahí arranca el pipeline: 5 etapas y 21 jobs escritos por agentes, con sus propios tests.

Etapa 1

Verificar

linttypecheckunitintegrationdepcruiseuicheck-ui-tokensmigrationsbuildtf-plandriftdocs-only

Si solo cambia documentación, no gasta pipeline.

modelo · 04 Verificación

→
Etapa 2

Infra

tf-apply-dev

Terraform se aplica solo.

modelo · 05 Entrega

→
Etapa 3

Construir

build-imagebuild-web

Un artefacto por commit.

modelo · 05 Entrega

→
Etapa 4

Dev

deploy-deve2e-dev

Deploy y pruebas de flujo.

modelo · 05 Entrega

→
Etapa 5

Producción

promote-checktf-apply-prodpromote-prodrollback-prod

Solo entra lo que ya corrió sano en dev.

modelo · 05 Entrega

El impacto se ve antes

El plan de dev y prod aparece en el MR.

Promoción verificada

Un job comprueba que dev sirve esa versión.

Vuelta atrás de un clic

El rollback es un job del pipeline, con su runbook.

Trazabilidad de punta a punta

Cualquier línea se puede seguir hasta el requisito que la pidió. Un ejemplo real de ATS: "a producción solo llega lo que ya corrió sano en dev".

Requisito
Promoción explícita y verificada
spec.md · FR-026
→
Decisión
Rama por entorno
ADR-011 · research R22
→
Tareas
Test primero, script después
tasks.md · T077 → T081
→
Código
Script y su test
promote-check.ts · .test.ts
→
Pipeline
Job que bloquea la promoción
promote-check
→
Operación
Runbook de promoción
ramas-y-promocion.md
.gitlab-ci.yml · así empieza el archivo
# Pipeline de Ingenia ATS (ADR-011, FR-024 a FR-030). Una rama por entorno:
#   MR a main   -> verify (+ terraform plan si toca infra/)
#   push a main -> verify, infra, build, deploy-dev (+ e2e)
#   push a prod -> promote-prod (valida que dev sirve ese SHA sano)
promote-check:
  script:
    # Rechaza si dev no sirve este SHA o no está sano (R22).
    - pnpm exec tsx scripts/promote-check.ts

Auditable por diseño

Ante una auditoría o un incidente, la respuesta a "¿por qué existe esto?" está escrita y versionada.

Cualquiera retoma

El conocimiento está en el repo, no en la cabeza de quien lo hizo.

Memoria: el agente no arranca de cero

Un agente sin memoria inventa. Con memoria, retoma donde quedó el equipo. Trabajamos con tres capas.

Capa 1 · vive en el repo

Memoria del proyecto

  • Constitution: los principios
  • ADRs: las decisiones de arquitectura
  • Specs, planes y tareas de cada feature
  • Runbooks de operación

qué construimos y por qué

Capa 2 · Startia Governor

Memoria de la organización

  • Skills y procedimientos aprobados
  • Rules por stack
  • Templates y metodologías
  • Compartida entre proyectos y equipos

cómo trabajamos

Capa 3 · brain (Engram)

Memoria de trabajo

  • Decisiones tomadas en cada sesión
  • Bugs resueltos y su causa
  • Descubrimientos y convenciones
  • Resumen de sesión, consultado al iniciar la siguiente

qué aprendimos haciendo

Un aprendizaje se repite en el brain
→
Se promueve a rule o skill en Governor
→
Llega a todos los repos y agentes

Gobierno: mejora continua y medición

Un error se corrige una sola vez El agente se desvía Queda en el brain Se propone una rule Se revisa y se aprueba Llega a todos los repos
Entrega

DORA contra la línea base

Lead time, frecuencia de deploy, tasa de fallas y tiempo de recuperación.

Calidad

Hallazgos antes del merge

Lo que encontraron los revisores y lo que volvió por ambigüedad en la spec.

Adopción

Uso de building blocks

Qué skills usa cada equipo y el nivel cyborg de cada persona.

Costo

Tokens por feature

Medido desde el primer día, para decidir con datos.

Demo · una feature real, de punta a punta

Recorremos una feature real de Ingenia ATS, nuestra plataforma de selección de talento, de la intención a producción y sobre el repositorio.

ATS en números 8 features262 requisitos720 tareas1.332 tests13 ADRs12 módulos Terraform21 jobs de CI/CD12 runbooks
Parada 1

Los principios

.specify/memory/constitution.md

Lo que el agente no puede romper.

Parada 2

La spec y sus clarificaciones

specs/008-…/spec.md

Qué se construye y qué se preguntó antes de codear.

Parada 3

El plan y los contratos

plan.md · data-model.md · contracts/

Cómo se construye, atado a los ADRs.

Parada 4

Las tareas

tasks.md

Chicas, ordenadas, cada una ligada a una historia.

Parada 5

Tests e infraestructura

apps/api/test · infra/terraform

La red de seguridad y la nube, en código.

Parada 6

El pipeline

GitLab · .gitlab-ci.yml

Del merge request a producción.

Preguntas frecuentes

¿Un agente puede revisar lo que escribió otro agente?

Sí, porque corre con otro contexto y otras instrucciones. Y lo que se puede verificar con una máquina (tipos, tests, fronteras, seguridad estática) no se le pregunta al modelo.

¿Qué pasa con los datos sensibles?

Los agentes trabajan con datos ficticios y sin credenciales de nube. Hay un check que impide que entren datos reales al repositorio.

¿Quedamos atados a una herramienta?

No. Spec Kit es abierto, las specs y las reglas viven en su repositorio, y el catálogo se sirve por MCP a Claude Code, Cursor, Copilot u OpenCode.

¿Funciona sobre sistemas existentes?

Sí. Se arranca derivando la constitution del código real y con un primer cambio acotado. El carril rápido existe para eso.

Modelo Cyborg · Agentic Engineering

La autonomía de los agentes la da el método.

Building blocks, specs, verificación, sandboxes y memoria.

Ingenia — De la intención a producción, con ingeniería

¡Muchas gracias!

Conversemos

De la intención a producción, con ingeniería