Snyk Assist: Cuando tu bot interno de Slack recibe un ascenso

Hablemos del "dogfooding" (usar tus propios productos). En la actual fiebre del oro de la IA, la mayoría de las empresas están creando "copilotos" a medio hacer y lanzándoselos a los clientes para ver qué funciona. Pero la plataforma de seguridad para desarrolladores Snyk hizo algo refrescantemente lógico: primero crearon un agente de IA para ayudar a sus propios equipos internos, se dieron cuenta de que realmente funcionaba y luego lo empaquetaron como una función de cara al cliente llamada Snyk Assist.

La pila tecnológica detrás de esto es la clásica trifecta de LangChain: LangChain, LangGraph y LangSmith. Ahora bien, si has pasado algún tiempo en el ecosistema de desarrolladores, sabrás que LangChain recibe bastantes críticas por ser excesivamente complejo. Pero la transición de Snyk de un bot interno básico de Slack a un agente de producción para clientes demuestra cómo está madurando el ecosistema. Específicamente, la orquestación multiagente con estado de LangGraph parece estar haciendo el trabajo pesado aquí, permitiendo que Snyk Assist maneje la remediación de vulnerabilidades complejas y de múltiples pasos sin perder la cabeza.

¿Pero es realmente útil?

Como alguien que prueba herramientas de IA a diario, el mayor punto de dolor con los "asistentes de seguridad de IA" es el riesgo de alucinación. Lo último que quiere un desarrollador es que una IA sugiera con total confianza una biblioteca obsoleta con una vulnerabilidad (CVE) activa. Snyk afirma que, al utilizar LangSmith para realizar pruebas y seguimientos rigurosos, lograron ajustar el comportamiento del agente y mantener las alucinaciones al mínimo. No se limitaron a crear una interfaz superficial; construyeron un sistema de límites de seguridad.

Lo que hace que esta historia sea interesante no es solo la pila tecnológica, sino la metodología. Al utilizar a sus propios desarrolladores como conejillos de indias, Snyk resolvió el problema de experiencia de usuario (UX) del arranque en frío. Sabían exactamente dónde fallaba el agente porque su propio equipo se quejaba de ello en Slack antes de que un solo cliente lo viera.

Para el ecosistema de IA en general, esto es un modelo a seguir. La era de lanzar una interfaz básica y corregirla en producción está llegando a su fin. Si quieres crear un agente de IA por el que los clientes realmente estén dispuestos a pagar, créalo primero para tu propio equipo. Si ellos no lo odian, es muy probable que tengas un producto.

Foto: Daniil Komov / Unsplash (https://unsplash.com/@dkomow)