GitLab 19.1: AI-воркфлоу запускаются автоматически по событиям без участия человека

GitLab 19.1 transforma flujos de AI de un modo "alguien hace clic en un botón" a un modo "se ejecuta automáticamente"—mientras simultáneamente proporciona a los equipos enterprise herramientas para controlar qué exactamente está funcionando.

Cuatro disparadores para Duo Flows

Hasta la versión 19.1, cada Duo Flow requería una acción manual en la UI: mencionar, asignar o añadir un revisor. Los equipos que ejecutan flujos de producción a escala enfrentaban limitaciones específicas: sin resúmenes automáticos de conflictos, sin verificaciones de cumplimiento en MR listos para revisión, sin creación de incidentes cuando los pipelines fallan—todo esto era inaccesible sin un humano en la cadena. Ahora GitLab 19.1 añade cuatro disparadores basados en eventos:

• Conflicto en merge request — el flujo se activa en el momento de detectar un conflicto, cuando los resúmenes automáticos y las sugerencias de resolución son más útiles—antes incluso de que el desarrollador abra la MR.
• Borrador pasa a "listo para revisión" — el disparador se activa cuando un desarrollador elimina el estado de borrador, iniciando automáticamente una verificación de conformidad con los requisitos.
• MR aprobada — verificaciones posteriores se ejecutan automáticamente: preparación para despliegue, registro de cumplimiento, notificaciones de transferencia.
• Nuevo elemento de trabajo creado — clasificación inmediata, asignación automática de etiquetas y enrutamiento sin trucos de webhook externo.

Los dos primeros disparadores están activados por defecto: los equipos obtienen valor inmediatamente después de actualizar a 19.1. El filtrado por estado de pipeline también se ha vuelto más preciso: el disparador puede configurarse para activarse solo en caso de fallo, solo en caso de éxito o solo en caso de cancelación—en lugar de reaccionar a cada cambio de estado.

Gestión de agentes en el entorno

Para las organizaciones reguladas, un agente no conforme no es una bagatela sino un bloqueador. Un único flujo personalizado que aparece en un namespace durante un hackathon sin revisión de seguridad puede poner en riesgo toda la prueba enterprise. En 19.1, aparecieron dos nuevos parámetros administrativos:

• Desabilitar agentes y flujos personalizados — impide que los usuarios creen o habiliten agentes y flujos personalizados, limitándolos al contenido base de la plataforma.
• Restringir el catálogo de AI a su jerarquía de grupo — bloquea la activación de elementos del catálogo de AI desde otros namespaces, incluido contenido comunitario y de terceros.

Juntos, estos parámetros ponen los agentes de AI bajo el mismo control administrativo que ya se aplica a otras capacidades sensibles de la plataforma. La adopción generalizada de AI se hace posible sin el riesgo de proliferación descontrolada de agentes en producción.

Validación antes de guardar

Los flujos basados en eventos que se ejecutan automáticamente aumentan el costo de los errores de configuración. Un flujo configurado incorrectamente crea ruido e incidentes en toda la organización—GitLab 19.1 traslada la verificación al punto de guardado. Al guardar o actualizar un flujo, la plataforma valida la configuración contra el Duo Workflow Service. Si algo está mal—entrada faltante, parámetro de herramienta desconocido—errores estructurados aparecen directamente en la UI. El problema se detecta en el momento de guardar, no a las 3 de la madrugada cuando un pipeline falla.

"Cada flujo en el catálogo de AI está correctamente configurado antes de que alguien comience a depender de él en producción," — del comunicado oficial de

GitLab 19.1.

Por separado, una lista de modelos de AI permitidos entró en beta pública. Los administradores limitan el conjunto de proveedores—por ejemplo, por requisitos de residencia de datos o políticas de seguridad internas—y establecen un modelo por defecto para toda la organización, preservando la flexibilidad del usuario para elegir dentro de la lista permitida.

Qué significa esto

GitLab está cerrando sistemáticamente la principal barrera para la adopción de AI en empresas: la incapacidad de responder a los servicios de seguridad la pregunta "¿qué exactamente se está ejecutando en nuestro entorno y quién lo implementó?" Los disparadores automáticos, el control administrativo y la validación de configuración transforman los flujos de AI de herramientas en infraestructura—predecible, manejable y lista para producción.