Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoCódigo / SDK · Listo para usarGitLab Blog→ original

Un cliente de GitLab activó agentes de IA para corregir vulnerabilidades en 136 proyectos en una semana

Los escáneres encuentran vulnerabilidades más rápido de lo que las personas pueden corregirlas, y la cola no deja de crecer. En GitLab 19.6, el responsable de seguridad activa el agente de IA en un grupo entero de proyectos, en lugar de hacerlo con un script proyecto por proyecto: el agente escribe la corrección y abre un merge request. Un cliente conectó así 136 proyectos durante la primera semana. Si el backlog es grande, conviene empezar por un solo proyecto y con el preset prudente Conservative: la revisión humana sigue siendo obligatoria.

Procesado por IA desde GitLab Blog; editado por Hamidun News
Un cliente de GitLab activó agentes de IA para corregir vulnerabilidades en 136 proyectos en una semana
Fuente: GitLab Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalGitLab Blog ↗
Editor jefe
Dato clave #1El perfil ATR incluye la verificación de falsos positivos, la evaluación de riesgo y la corrección
Dato clave #2Los presets Conservative, Standard y Proactive definen los niveles de gravedad y la ejecución automática
Dato clave #3El gráfico de MTTR muestra el tiempo de resolución semanal y está incluido en Ultimate

Imagine que un escáner de seguridad encuentra cientos de vulnerabilidades en sus repositorios, mientras que los desarrolladores solo logran cerrar una decena por semana. GitLab lanzó la versión 19.6 precisamente para atacar este problema.

En ella, un responsable de seguridad puede activar con una sola acción agentes de IA en un grupo completo de proyectos. Antes, esto exigía un script mediante API para cada proyecto. El agente comprueba si el hallazgo es un falso positivo, escribe la corrección, abre un merge request y ejecuta las pruebas; a la persona solo le queda revisar el parche ya preparado.

Todo se activa mediante el perfil ATR (automated triage and remediation, es decir, análisis y corrección automáticos). Según GitLab, en la primera semana tras abrir la API un cliente aplicó estos perfiles a 136 proyectos. Si tiene un backlog grande, es una forma de quitarse trabajo rutinario sin saltarse las aprobaciones obligatorias.

Por qué crece la cola de vulnerabilidades

GitLab lo explica en su blog así: la IA escribe más código y encuentra más fallos, pero quienes los corrigen siguen siendo personas. Como argumento, la compañía cita datos del NIST. Según afirma, la base nacional de vulnerabilidades NVD ya ha publicado en 2026 el doble de registros CVE (identificadores públicos de vulnerabilidades) que en todo 2025. Desde abril, NVD ha dejado de completar con descripciones la mayoría de los registros.

El segundo problema es que «ya se hará más tarde» deja de ser una opción segura. GitLab recuerda el caso de PHP2Shell: en octubre, modelos de vanguardia encontraron en PHP un par de vulnerabilidades de ejecución remota de código sin autenticación que en 2012 se habían considerado inexplotables. Si los atacantes también usan IA, fallos que antes se tenían por teóricos pueden convertirse en exploits funcionales en cuestión de horas.

Cómo funciona el análisis con agentes

Los agentes de GitLab Duo Security revisan la base de código y cada merge request. Buscan errores lógicos que los escáneres convencionales pasan por alto y descartan los falsos positivos antes de que lleguen a la cola del desarrollador. Lo que queda se ordena por gravedad, posibilidad de explotación, alcanzabilidad y «radio de impacto», es decir, lo que se vería afectado si se produjera una intrusión. Para vincular cada hallazgo con el estado real del sistema se usa el grafo de conocimiento GitLab Orbit.

Para una vulnerabilidad confirmada, el agente escribe la corrección, abre un merge request y lanza el pipeline. Si fallan las pruebas o los escaneos, lee los logs, ajusta el parche y vuelve a comprobar. El desarrollador recibe un cambio listo para fusionar, con una explicación y una estimación de la confianza del agente. Las aprobaciones son las mismas que para el código normal y, según afirma GitLab, ni las personas ni los agentes pueden eludirlas.

Novedades de la 19.6

El perfil ATR incluye la verificación de falsos positivos, la evaluación de riesgo y la corrección. Hay tres presets: Conservative, Standard y Proactive. Definen para qué niveles de gravedad funciona cada paso y si se ejecuta de forma automática o solo bajo demanda. Ahora el responsable selecciona los proyectos por grupo o atributo en Security Inventory o en la página de ajustes de seguridad, asigna un perfil y lo aplica. Después, en Security Inventory se ve en qué proyectos está activo cada agente y cómo cubren los escáneres los proyectos. Los perfiles están disponibles en el plan Ultimate en todas las modalidades de despliegue de GitLab.

La segunda novedad es Vulnerability Context Flow, todavía en beta. Identifica el servicio afectado, también dentro de un monorepositorio, y añade al hallazgo de SAST (análisis estático de código) una tabla de riesgo. En ella se ve si la explotación requiere autenticación, si el servicio procesa datos sensibles y si es accesible a entradas no confiables. Un mismo hallazgo en un servicio interno aislado y en una API pública con datos personales deja de parecer igual de urgente.

La tercera es el gráfico de MTTR (tiempo medio de resolución de vulnerabilidades) en el panel de seguridad. Muestra valores semanales para el código propio y las dependencias de terceros a nivel de proyecto, grupo y organización, junto con el número de vulnerabilidades cerradas. El cálculo incluye los hallazgos corregidos y los que ya no se detectan; los descartados no cuentan. Para que los casos antiguos no distorsionen la tendencia, cada semana solo computa las vulnerabilidades detectadas en los 90 días anteriores a su inicio. El gráfico está activado por defecto en Ultimate.

Por separado, GitLab ha abierto la activación autónoma en GitLab.com de Business Logic Security Analyzer (beta). Busca lógica de propiedad rota, comprobaciones de permisos omitidas y escenarios de abuso en varios pasos. Para usarlo con Claude Mythos 5.2 de Anthropic, hay que contactar con el account manager. En las ediciones self-managed y Dedicated, el acceso a BLSA se concede previa solicitud.

Qué conviene tener en cuenta

Se trata de un material del proveedor y no incluye mediciones independientes. La cifra de 136 proyectos solo indica la escala de la adopción, no cuántas vulnerabilidades se lograron cerrar ni cuántos parches se aceptaron sin cambios. El texto no ofrece el porcentaje de falsos positivos ni la calidad de las correcciones. Todo lo descrito requiere Ultimate, y Vulnerability Context Flow y BLSA siguen en beta.

La conclusión práctica es sencilla. Empiece por un proyecto con un backlog grande: aplique el perfil Conservative, observe cómo se desenvuelve el agente con las correcciones y active el contexto de explotación para reordenar lo que quede. Al cabo de unas semanas, el gráfico de MTTR mostrará si la cola se reduce. La revisión obligatoria sigue siendo la red de seguridad mientras no se haya ganado confianza en el agente.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por qué crece la cola de vulnerabilidades?

GitLab lo explica en su blog así: la IA escribe más código y encuentra más fallos, pero quienes los corrigen siguen siendo personas. Como argumento, la compañía cita datos del NIST. Según afirma, la base nacional de vulnerabilidades NVD ya ha publicado en 2026 el doble de registros CVE (identificadores públicos de vulnerabilidades) que en todo 2025. Desde abril, NVD ha dejado de completar con descripciones la mayoría de los registros. El segundo problema es que «ya se hará más tarde» deja de ser una opción segura.

Cómo funciona el análisis con agentes?

Los agentes de GitLab Duo Security revisan la base de código y cada merge request. Buscan errores lógicos que los escáneres convencionales pasan por alto y descartan los falsos positivos antes de que lleguen a la cola del desarrollador. Lo que queda se ordena por gravedad, posibilidad de explotación, alcanzabilidad y «radio de impacto», es decir, lo que se vería afectado si se produjera una intrusión. Para vincular cada hallazgo con el estado real del sistema se usa el grafo de conocimiento GitLab Orbit.

¿Qué se sabe sobre Novedades de la 19.6?

El perfil ATR incluye la verificación de falsos positivos, la evaluación de riesgo y la corrección. Hay tres presets: Conservative, Standard y Proactive. Definen para qué niveles de gravedad funciona cada paso y si se ejecuta de forma automática o solo bajo demanda. Ahora el responsable selecciona los proyectos por grupo o atributo en Security Inventory o en la página de ajustes de seguridad, asigna un perfil y lo aplica.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…