[{"data":1,"prerenderedAt":489},["ShallowReactive",2],{"/es/the-source/authors/kristina-weis":3,"footer-es":29,"the-source-banner-es":337,"the-source-navigation-es":349,"the-source-newsletter-es":376,"footer-source-/es/the-source/authors/kristina-weis/":387,"authors-es":396,"categories-es":426,"kristina-weis-articles-list-es":427},{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":8,"seo":10,"content":12,"type":21,"slug":22,"_id":23,"_type":24,"title":11,"_source":25,"_file":26,"_stem":27,"_extension":28},"/es/the-source/authors/kristina-weis","authors",false,"",{"layout":9},"the-source",{"title":11},"Kristina Weis",[13,19],{"componentName":14,"componentContent":15},"TheSourceAuthorHero",{"name":11,"headshot":16},{"altText":11,"config":17},{"src":18},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463469/eoolq6n6bs0zb8gmf0js.webp",{"componentName":20},"TheSourceArticlesList","author","kristina-weis","content:es:the-source:authors:kristina-weis.yml","yaml","content","es/the-source/authors/kristina-weis.yml","es/the-source/authors/kristina-weis","yml",{"_path":30,"_dir":31,"_draft":6,"_partial":6,"_locale":7,"data":32,"_id":333,"_type":24,"title":334,"_source":25,"_file":335,"_stem":336,"_extension":28},"/shared/es/main-footer","es",{"text":33,"source":34,"edit":40,"contribute":45,"config":50,"items":55,"minimal":325},"Git es una marca registrada de Software Freedom Conservancy, y nuestro uso de «GitLab» está bajo licencia",{"text":35,"config":36},"Ver fuente de la página",{"href":37,"dataGaName":38,"dataGaLocation":39},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/","page source","footer",{"text":41,"config":42},"Editar esta página",{"href":43,"dataGaName":44,"dataGaLocation":39},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/content/","web ide",{"text":46,"config":47},"Contribuya",{"href":48,"dataGaName":49,"dataGaLocation":39},"https://gitlab.com/gitlab-com/marketing/digital-experience/about-gitlab-com/-/blob/main/CONTRIBUTING.md/","please contribute",{"twitter":51,"facebook":52,"youtube":53,"linkedin":54},"https://twitter.com/gitlab","https://www.facebook.com/gitlab","https://www.youtube.com/channel/UCnMGQ8QHMAnVIsI3xJrihhg","https://www.linkedin.com/company/gitlab-com",[56,83,156,224,286],{"title":57,"links":58,"subMenu":64},"Plataforma",[59],{"text":60,"config":61},"Plataforma de DevSecOps",{"href":62,"dataGaName":63,"dataGaLocation":39},"/es/platform/","devsecops platform",[65],{"title":66,"links":67},"Precios",[68,73,78],{"text":69,"config":70},"Ver planes",{"href":71,"dataGaName":72,"dataGaLocation":39},"/es/pricing/","view plans",{"text":74,"config":75},"¿Por qué elegir GitLab Premium?",{"href":76,"dataGaName":77,"dataGaLocation":39},"/es/pricing/premium/","why premium",{"text":79,"config":80},"¿Por qué elegir GitLab Ultimate?",{"href":81,"dataGaName":82,"dataGaLocation":39},"/es/pricing/ultimate/","why ultimate",{"title":84,"links":85},"Soluciones",[86,91,96,101,106,111,116,121,126,131,136,141,146,151],{"text":87,"config":88},"Transformación digital",{"href":89,"dataGaName":90,"dataGaLocation":39},"/es/topics/digital-transformation/","digital transformation",{"text":92,"config":93},"Seguridad y cumplimiento",{"href":94,"dataGaName":95,"dataGaLocation":39},"/es/solutions/application-security-testing/","Application security testing",{"text":97,"config":98},"Entrega de software automatizada",{"href":99,"dataGaName":100,"dataGaLocation":39},"/es/solutions/delivery-automation/","automated software delivery",{"text":102,"config":103},"Desarrollo ágil",{"href":104,"dataGaName":105,"dataGaLocation":39},"/es/solutions/agile-delivery/","agile delivery",{"text":107,"config":108},"Transformación en la nube",{"href":109,"dataGaName":110,"dataGaLocation":39},"/es/topics/cloud-native/","cloud transformation",{"text":112,"config":113},"Gestión del código fuente",{"href":114,"dataGaName":115,"dataGaLocation":39},"/es/solutions/source-code-management/","source code management",{"text":117,"config":118},"CI/CD",{"href":119,"dataGaName":120,"dataGaLocation":39},"/es/solutions/continuous-integration/","continuous integration & delivery",{"text":122,"config":123},"Gestión del flujo de valor",{"href":124,"dataGaName":125,"dataGaLocation":39},"/es/solutions/value-stream-management/","value stream management",{"text":127,"config":128},"GitOps",{"href":129,"dataGaName":130,"dataGaLocation":39},"/es/solutions/gitops/","gitops",{"text":132,"config":133},"Empresas",{"href":134,"dataGaName":135,"dataGaLocation":39},"/es/enterprise/","enterprise",{"text":137,"config":138},"Pequeñas empresas",{"href":139,"dataGaName":140,"dataGaLocation":39},"/es/small-business/","small business",{"text":142,"config":143},"Sector público",{"href":144,"dataGaName":145,"dataGaLocation":39},"/es/solutions/public-sector/","public sector",{"text":147,"config":148},"Educación",{"href":149,"dataGaName":150,"dataGaLocation":39},"/es/solutions/education/","education",{"text":152,"config":153},"Servicios financieros",{"href":154,"dataGaName":155,"dataGaLocation":39},"/es/solutions/finance/","financial services",{"title":157,"links":158},"Recursos",[159,164,169,174,179,184,189,194,199,204,209,214,219],{"text":160,"config":161},"Instalar",{"href":162,"dataGaName":163,"dataGaLocation":39},"/es/install/","install",{"text":165,"config":166},"Guías de inicio rápido",{"href":167,"dataGaName":168,"dataGaLocation":39},"/es/get-started/","quick setup checklists",{"text":170,"config":171},"Aprender",{"href":172,"dataGaName":173,"dataGaLocation":39},"https://university.gitlab.com/","learn",{"text":175,"config":176},"Documentación del producto",{"href":177,"dataGaName":178,"dataGaLocation":39},"https://docs.gitlab.com/","docs",{"text":180,"config":181},"Blog",{"href":182,"dataGaName":183,"dataGaLocation":39},"/blog/","blog",{"text":185,"config":186},"Historias de éxito del cliente",{"href":187,"dataGaName":188,"dataGaLocation":39},"/es/customers/","customer success stories",{"text":190,"config":191},"Remoto",{"href":192,"dataGaName":193,"dataGaLocation":39},"https://handbook.gitlab.com/handbook/company/culture/all-remote/","remote",{"text":195,"config":196},"Servicios de GitLab",{"href":197,"dataGaName":198,"dataGaLocation":39},"/es/services/","services",{"text":200,"config":201},"TeamOps",{"href":202,"dataGaName":203,"dataGaLocation":39},"/es/teamops/","teamops",{"text":205,"config":206},"Comunidad",{"href":207,"dataGaName":208,"dataGaLocation":39},"/community/","community",{"text":210,"config":211},"Foro",{"href":212,"dataGaName":213,"dataGaLocation":39},"https://forum.gitlab.com/","forum",{"text":215,"config":216},"Eventos",{"href":217,"dataGaName":218,"dataGaLocation":39},"/events/","events",{"text":220,"config":221},"Socios",{"href":222,"dataGaName":223,"dataGaLocation":39},"/es/partners/","partners",{"title":225,"links":226},"Empresa",[227,232,237,242,247,252,257,261,266,271,276,281],{"text":228,"config":229},"Acerca de nosotros",{"href":230,"dataGaName":231,"dataGaLocation":39},"/es/company/","company",{"text":233,"config":234},"Jobs",{"href":235,"dataGaName":236,"dataGaLocation":39},"/jobs/","jobs",{"text":238,"config":239},"Liderazgo",{"href":240,"dataGaName":241,"dataGaLocation":39},"/company/team/e-group/","leadership",{"text":243,"config":244},"Equipo",{"href":245,"dataGaName":246,"dataGaLocation":39},"/company/team/","team",{"text":248,"config":249},"Manual",{"href":250,"dataGaName":251,"dataGaLocation":39},"https://handbook.gitlab.com/","handbook",{"text":253,"config":254},"Relaciones con los inversores",{"href":255,"dataGaName":256,"dataGaLocation":39},"https://ir.gitlab.com/","investor relations",{"text":258,"config":259},"Sustainability",{"href":260,"dataGaName":258,"dataGaLocation":39},"/sustainability/",{"text":262,"config":263},"Diversidad, inclusión y pertenencia (DIB)",{"href":264,"dataGaName":265,"dataGaLocation":39},"/es/diversity-inclusion-belonging/","Diversity, inclusion and belonging",{"text":267,"config":268},"Centro de confianza",{"href":269,"dataGaName":270,"dataGaLocation":39},"/es/security/","trust center",{"text":272,"config":273},"Boletín",{"href":274,"dataGaName":275,"dataGaLocation":39},"/company/contact/","newsletter",{"text":277,"config":278},"Prensa",{"href":279,"dataGaName":280,"dataGaLocation":39},"/press/","press",{"text":282,"config":283},"Declaración de transparencia sobre la Ley de Esclavitud Moderna",{"href":284,"dataGaName":285,"dataGaLocation":39},"https://handbook.gitlab.com/handbook/legal/modern-slavery-act-transparency-statement/","modern slavery transparency statement",{"title":287,"links":288},"Comuníquese con nosotros",[289,294,299,304,309,314,319],{"text":290,"config":291},"Contactar con un experto",{"href":292,"dataGaName":293,"dataGaLocation":39},"/es/sales/","sales",{"text":295,"config":296},"Obtener ayuda",{"href":297,"dataGaName":298,"dataGaLocation":39},"/support/","get help",{"text":300,"config":301},"Portal de clientes",{"href":302,"dataGaName":303,"dataGaLocation":39},"https://customers.gitlab.com/customers/sign_in/","customer portal",{"text":305,"config":306},"Estado",{"href":307,"dataGaName":308,"dataGaLocation":39},"https://status.gitlab.com/","status",{"text":310,"config":311},"Términos de uso",{"href":312,"dataGaName":313,"dataGaLocation":39},"/terms/","terms of use",{"text":315,"config":316},"Declaración de privacidad",{"href":317,"dataGaName":318,"dataGaLocation":39},"/es/privacy/","privacy statement",{"text":320,"config":321},"Preferencias de cookies",{"dataGaName":322,"dataGaLocation":39,"id":323,"isOneTrustButton":324},"cookie preferences","ot-sdk-btn",true,{"items":326},[327,329,331],{"text":310,"config":328},{"href":312,"dataGaName":313,"dataGaLocation":39},{"text":315,"config":330},{"href":317,"dataGaName":318,"dataGaLocation":39},{"text":320,"config":332},{"dataGaName":322,"dataGaLocation":39,"id":323,"isOneTrustButton":324},"content:shared:es:main-footer.yml","Main Footer","shared/es/main-footer.yml","shared/es/main-footer",{"_path":338,"_dir":339,"_draft":6,"_partial":6,"_locale":7,"id":340,"visibility":324,"title":341,"button":342,"_id":346,"_type":24,"_source":25,"_file":347,"_stem":348,"_extension":28},"/shared/es/the-source/banner/the-economics-of-software-innovation-2025-08-18","banner","The Economics of Software Innovation","The Economics of Software Innovation—AI’s $750 Billion Opportunity",{"config":343,"text":345},{"href":344},"/software-innovation-report/","Get the research report","content:shared:es:the-source:banner:the-economics-of-software-innovation-2025-08-18.yml","shared/es/the-source/banner/the-economics-of-software-innovation-2025-08-18.yml","shared/es/the-source/banner/the-economics-of-software-innovation-2025-08-18",{"_path":350,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"logo":351,"subscribeLink":356,"navItems":360,"_id":372,"_type":24,"title":373,"_source":25,"_file":374,"_stem":375,"_extension":28},"/shared/es/the-source/navigation",{"altText":352,"config":353},"the source logo",{"src":354,"href":355},"https://res.cloudinary.com/about-gitlab-com/image/upload/v1750191004/t7wz1klfb2kxkezksv9t.svg","/es/the-source/",{"text":357,"config":358},"Suscribirse",{"href":359},"#subscribe",[361,365,368],{"text":362,"config":363},"Inteligencia artificial",{"href":364},"/es/the-source/ai/",{"text":92,"config":366},{"href":367},"/es/the-source/security/",{"text":369,"config":370},"Plataforma e infraestructura",{"href":371},"/es/the-source/platform/","content:shared:es:the-source:navigation.yml","Navigation","shared/es/the-source/navigation.yml","shared/es/the-source/navigation",{"_path":377,"_dir":9,"_draft":6,"_partial":6,"_locale":7,"title":378,"description":379,"submitMessage":380,"formData":381,"_id":384,"_type":24,"_source":25,"_file":385,"_stem":386,"_extension":28},"/shared/es/the-source/newsletter","Boletín The Source","Manténgase al día con información sobre el futuro del desarrollo de software.","Se ha suscrito correctamente al boletín The Source.",{"config":382},{"formId":383,"formName":275,"hideRequiredLabel":324},28470,"content:shared:es:the-source:newsletter.yml","shared/es/the-source/newsletter.yml","shared/es/the-source/newsletter",{"_path":4,"_dir":5,"_draft":6,"_partial":6,"_locale":7,"config":388,"seo":389,"content":390,"type":21,"slug":22,"_id":23,"_type":24,"title":11,"_source":25,"_file":26,"_stem":27,"_extension":28},{"layout":9},{"title":11},[391,395],{"componentName":14,"componentContent":392},{"name":11,"headshot":393},{"altText":11,"config":394},{"src":18},{"componentName":20},{"amanda-rueda":397,"andre-michael-braun":398,"andrew-haschka":399,"ayoub-fandi":400,"brian-wald":401,"bryan-ross":402,"chandler-gibbons":403,"dave-steer":404,"ddesanto":405,"derek-debellis":406,"emilio-salvador":407,"erika-feldman":408,"george-kichukov":409,"gitlab":410,"grant-hickman":411,"haim-snir":412,"iganbaruch":413,"jlongo":414,"joel-krooswyk":415,"josh-lemos":416,"julie-griffin":417,"kristina-weis":11,"lee-faus":418,"ncregan":419,"rschulman":420,"sabrina-farmer":421,"sandra-gittlen":422,"sharon-gaudin":423,"stephen-walters":424,"taylor-mccaslin":425},"Amanda Rueda","Andre Michael Braun","Andrew Haschka","Ayoub Fandi","Brian Wald","Bryan Ross","Chandler Gibbons","Dave Steer","David DeSanto","Derek DeBellis","Emilio Salvador","Erika Feldman","George Kichukov","GitLab","Grant Hickman","Haim Snir","Itzik Gan Baruch","Joseph Longo","Joel Krooswyk","Josh Lemos","Julie Griffin","Lee Faus","Niall Cregan","Robin Schulman","Sabrina Farmer","Sandra Gittlen","Sharon Gaudin","Stephen Walters","Taylor McCaslin",{"ai":362,"platform":369,"security":92},[428,451],{"_path":429,"_dir":430,"_draft":6,"_partial":6,"_locale":7,"config":431,"seo":433,"content":438,"type":446,"category":430,"slug":447,"_id":448,"_type":24,"title":434,"_source":25,"_file":449,"_stem":450,"_extension":28,"date":439,"description":435,"timeToRead":440,"heroImage":436,"keyTakeaways":441,"articleBody":445},"/es/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity","ai",{"layout":9,"template":432,"author":22,"featured":6,"isHighlighted":6,"authorName":11},"TheSourceArticle",{"title":434,"description":435,"ogImage":436,"config":437},"Cómo la IA ayuda a los equipos de DevSecOps a mejorar la productividad","Descubre cómo los equipos de DevOps utilizan la IA para ahorrar tiempo y mejorar la eficiencia.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751464559/fbvzbz6vxppsblv8sngf.png",{"ignoreTitleCharLimit":324},{"title":434,"date":439,"description":435,"timeToRead":440,"heroImage":436,"keyTakeaways":441,"articleBody":445},"2024-01-02","Lectura de 6 min",[442,443,444],"El uso de la IA en los flujos de trabajo de DevSecOps aumenta significativamente la eficiencia y la productividad al automatizar tareas repetitivas, reducir el cambio de contexto y proporcionar asistencia inteligente.","Las herramientas de IA pueden mejorar la calidad y seguridad del código al ofrecer sugerencias en tiempo real, resumir las amenazas potenciales y brindar estrategias de corrección.","Las organizaciones deben desarrollar estrategias que aborden las preocupaciones de privacidad, propiedad intelectual y seguridad de los datos, a fin de garantizar que las implementaciones de IA cumplan con los estándares legales y éticos.","La inteligencia artificial (IA) y el aprendizaje automático (ML) en el desarrollo de software llegaron para quedarse, y los equipos de DevSecOps los utilizan de muchas maneras diferentes para ahorrar tiempo y mejorar la productividad y la eficiencia. \n\nLas siguientes son algunas formas en que los equipos de desarrollo, seguridad y operaciones pueden incorporar la IA en sus procesos de DevOps.\n\n## 9 formas en que los equipos de DevSecOps utilizan la IA\n\n### 1. Hacer preguntas en la documentación mediante chatbots\nPara encontrar respuestas más rápido y reducir el cambio de contexto, los equipos de DevSecOps pueden usar chatbots con tecnología de IA para formular preguntas y obtener respuestas relevantes en tiempo real a partir de documentación u otros grandes volúmenes de texto. En lugar de abandonar el IDE o la plataforma donde están escribiendo e implementando código para buscar en la web, los desarrolladores pueden hacer una pregunta a un chatbot integrado y obtener una respuesta concisa sin interrumpir su flujo.\n\n### 2. Sugerir pruebas y generar archivos de prueba\nLos desarrolladores pueden usar la IA para sugerir pruebas y generar archivos de prueba para su código, directamente desde la solicitud de fusión. Esto puede ayudarlos a mejorar sus pruebas, asegurarse de tener una cobertura de prueba adecuada para sus cambios y reducir el tiempo que tienen que dedicar a escribir y pensar en las pruebas.\n\n### 3. Resumir los cambios del código\nAl realizar una confirmación o una solicitud de fusión, los desarrolladores pueden usar la IA para generar un resumen escrito de los cambios del código. Esto puede ayudarlos a ahorrar tiempo cuando confirman cambios y solicitan revisiones de código. La IA también puede ayudar a los revisores de código a ahorrar tiempo, y probablemente proporcionar una mejor revisión, al brindarles más contexto sobre los cambios realizados antes de que se sumerjan en el código.\n\n### 4. Obtener sugerencias sobre quién puede revisar el código\nLa revisión del código es un proceso importante, pero a veces frustrante y toma mucho tiempo, especialmente si no se recurre al revisor adecuado desde el principio.\n\nAl observar los cambios en el código y el gráfico de colaboraciones del proyecto, la IA puede sugerir automáticamente un revisor de código que pueda proporcionar comentarios más ágiles y de mejor calidad, así como detectar posibles problemas. La IA también puede ayudar a ahorrar tiempo al sugerir a otra persona que revise el código si un revisor sugerido no responde o si su revisión no es suficiente.\n\n### 5. Resumir las discusiones\nCuando las discusiones se vuelven largas o complicadas, los equipos pueden usar la IA para resumir todos los comentarios de un problema o ticket. Esto puede ayudar a todos a estar en sintonía y comprender de manera eficiente el estado de un proyecto y cuáles son los próximos pasos, lo que genera una colaboración más fluida y resultados más rápidos.\n\n### 6. Sugerir código\n[Las sugerencias de código con tecnología de IA](https://about.gitlab.com/blog/top-tips-for-efficient-ai-powered-code-suggestions-with-gitlab-duo/) pueden ayudar a los desarrolladores a escribir código de manera más eficiente al sugerir código directamente en su IDE mientras trabajan. Los desarrolladores pueden usar la IA para completar bloques de código, definir y generar lógica para declaraciones de funciones, generar pruebas de la unidad, sugerir código común como patrones de regex y mucho más. Estas funcionalidades definitivamente permiten a los desarrolladores ser más eficientes. Sin embargo, esta ganancia de eficiencia es mínima porque, [según nuestra investigación](https://about.gitlab.com/developer-survey/), dedican menos del 25 % de su tiempo a desarrollar código.\n\n### 7. Explicar cómo funciona un fragmento del código\nLos desarrolladores (o cualquier persona del equipo de DevOps) pueden usar la IA para obtener una explicación rápida de lo que hace un bloque de código y por qué se comporta de la manera en que lo hace, sin salir de su flujo de trabajo.\n\nUna explicación de código generada por IA puede ser particularmente útil para los desarrolladores que intentan comprender fragmentos de código que crearon otros profesionales o que están escritos en un lenguaje que no conocen bien. Además, según [nuestra investigación](https://about.gitlab.com/developer-survey/), los desarrolladores dedican el 13 % de su tiempo a comprender lo que hace el código, por lo que el ahorro de tiempo en este tipo de tareas es significativo.\n\n### 8. Resumir las vulnerabilidades en el código\nComprender una vulnerabilidad de seguridad recién detectada y cómo solucionarla no es algo trivial, pero las herramientas de seguridad con tecnología de IA pueden hacerlo más simple y más eficiente. Un [resumen generado por IA de una vulnerabilidad](https://about.gitlab.com/blog/developing-gitlab-duo-use-ai-to-remediate-security-vulnerabilities/) ayuda a los desarrolladores y profesionales de la seguridad a comprender la naturaleza de la vulnerabilidad, cómo podría explotarse y cómo corregirla. Algunas herramientas con tecnología de IA pueden incluso sugerir la mitigación de riesgos proponiendo ejemplos de código. Esto puede ser realmente útil para [ayudar a los equipos a evitar posibles amenazas y riesgos de seguridad](https://about.gitlab.com/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security/) con menos esfuerzo.\n\n### 9. Pronosticar las métricas de productividad\nMediante el uso de la IA, los líderes de software pueden [pronosticar o predecir las métricas de productividad](https://about.gitlab.com/blog/developing-gitlab-duo-ai-impact-analytics-dashboard-measures-the-roi-of-ai/), como la frecuencia de implementación, para identificar tendencias y anomalías a lo largo del ciclo de desarrollo de software. Estos conocimientos prácticos pueden ayudar a los equipos a implementar cambios para mejorar su eficiencia y los procesos de DevSecOps.\n\n## Los beneficios del uso de la IA en el desarrollo de software \nLos equipos de DevSecOps utilizan la IA, o planean utilizarla, para llevar a cabo muchas tareas, entre las que se incluyen:\n\n* Mejorar la eficiencia de su ciclo de vida de la entrega de software\n* Acelerar las duraciones de los ciclos\n* Optimizar las verificaciones de cumplimiento\n* Mejorar la productividad de los empleados\n* Mejorar el enfoque de seguridad\n* Mejorar la calidad del código \n* Mejorar la satisfacción del cliente \n* Mejorar la satisfacción de los empleados y la experiencia del desarrollador \n* Mejorar la colaboración entre los equipos \n* Mejorar el rendimiento de las aplicaciones \n* Automatizar las tareas repetitivas \n* Reducir los costos operativos \n* Reducir el cambio de contexto y la carga cognitiva \n* Reducir el error humano\n* Poner al día a los nuevos empleados más rápido\n* Ayudar a los empleados a [aprender nuevos lenguajes de programación](https://about.gitlab.com/blog/learn-advanced-rust-programming-with-a-little-help-from-ai-code-suggestions/)\n\n## Evitar problemas de privacidad y seguridad\nSi bien la integración de la IA en el proceso de desarrollo de software tiene muchos beneficios, es importante ser consciente de los riesgos potenciales, así como de los problemas y obstáculos habituales.\n\nSegún nuestra [investigación](https://about.gitlab.com/developer-survey/2024/ai/), la privacidad, la seguridad y la falta de familiaridad con las soluciones basadas en IA son obstáculos comunes que las personas encuestadas afirmaron haber encontrado o esperaban encontrar al implementar la IA en el ciclo de desarrollo de software. De todos los obstáculos identificados, las preocupaciones en torno a la privacidad y la seguridad de los datos fueron la respuesta más común (34 %), seguida de la falta de habilidades adecuadas (31 %) y la falta de conocimientos sobre IA (30 %).\n\nLos líderes empresariales deben garantizar que las implementaciones de IA respeten los estándares de privacidad y seguridad establecidos. Esto implica integrar mecanismos de control y validación de cumplimiento a lo largo del ciclo de vida de la IA para proteger los datos confidenciales y mantener la confianza del usuario. También es fundamental asegurarse de adoptar herramientas de IA que sean transparentes acerca de cómo sus modelos de aprendizaje automático utilizan los datos de su organización.\n\n## Descubra GitLab Duo\nTodas las funcionalidades que se mencionaron anteriormente, desde explicaciones del código hasta pruebas sugeridas, son parte de [GitLab Duo](https://about.gitlab.com/gitlab-duo/), el conjunto de funcionalidades de IA integradas en la plataforma de DevSecOps de GitLab. GitLab Duo ayuda a los equipos de DevSecOps a aumentar la eficiencia, reducir la duración de los ciclos y evitar el cambio de contexto con flujos de trabajo asistidos por IA en cada fase del ciclo de desarrollo de software, todo en una aplicación única.\n\n> Descubra por qué GitLab fue nombrado líder en el Magic Quadrant™ 2025 de Gartner® para asistentes de código de IA.\n> [Acceder al informe](https://about.gitlab.com/gartner-mq-ai-code-assistants/){class=\"button\" data-ga-name=\"gartner magic quadrant\" data-ga-location=\"thesource\"}","article","how-ai-helps-devsecops-teams-improve-productivity","content:es:the-source:ai:how-ai-helps-devsecops-teams-improve-productivity.yml","es/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity.yml","es/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity",{"_path":452,"_dir":430,"_draft":6,"_partial":6,"_locale":7,"config":453,"seo":455,"content":460,"type":446,"category":430,"slug":485,"_id":486,"_type":24,"title":456,"_source":25,"_file":487,"_stem":488,"_extension":28,"date":461,"description":462,"timeToRead":463,"heroImage":458,"keyTakeaways":464,"articleBody":468,"faq":469},"/es/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security",{"layout":9,"template":432,"author":22,"featured":6,"sourceCTA":454,"isHighlighted":6,"authorName":11},"source-lp-how-to-get-started-using-ai-in-software-development",{"title":456,"description":457,"ogImage":458,"config":459},"Cómo la IA puede ayudar a los equipos de DevOps a mejorar la seguridad","Descubra cómo los equipos de DevOps usan IA y aprendizaje automático para mejorar la seguridad, minimizar los riesgos y enviar código más seguro.","https://res.cloudinary.com/about-gitlab-com/image/upload/v1751463801/t2lucrovy8dadeimvk48.png",{"ignoreTitleCharLimit":324},{"title":456,"date":461,"description":462,"timeToRead":463,"heroImage":458,"keyTakeaways":464,"articleBody":468,"faq":469},"2023-12-05","Descubra cómo los equipos de DevOps utilizan la inteligencia artificial y el aprendizaje automático para mejorar la seguridad, minimizar los riesgos y enviar código más seguro.","Lectura de 4 min",[465,466,467],"La IA y el ML en el desarrollo de software es más que la generación de código: puede mejorar la seguridad al mitigar las vulnerabilidades más rápido, hacer que las revisiones de código sean más eficientes y sugerir pruebas relevantes.","Casi un tercio de los equipos de DevSecOps ya utilizan la IA para la generación automatizada de pruebas. Sin embargo, el 55 % considera que introducir la IA en el ciclo de desarrollo de software es arriesgada.","Las organizaciones deben priorizar las herramientas de IA que no entrenan modelos de aprendizaje automático con datos propietarios o código fuente y que están diseñadas con un enfoque centrado en la privacidad.","La inteligencia artificial (IA) y el aprendizaje automático (ML) en el desarrollo de software no se tratan solo de ayudar a los equipos de DevOps a reducir las tareas repetitivas y enviar el código de manera más eficiente. La IA y el AA pueden ayudar a las organizaciones a enviar un código mejor y más seguro y a minimizar los riesgos de seguridad para su organización y sus clientes. \n\nEstas son algunas formas en que la IA puede ayudar a reforzar la seguridad de su organización:\n\n## Mitigar las vulnerabilidades de seguridad más rápido\nCuando se detecta una vulnerabilidad de seguridad, el primer paso para corregirla es comprenderla, y aquí es donde la IA se destaca. Los métodos tradicionales requieren que los equipos revisen manualmente el código en busca de vulnerabilidades, lo que puede llevar mucho tiempo y ser propenso a errores humanos. Sin embargo, con la IA, los desarrolladores y los equipos de seguridad pueden generar resúmenes de las posibles vulnerabilidades y de cómo los atacantes podrían explotarlas. Las herramientas más avanzadas con tecnología de IA pueden incluso proporcionar una mitigación sugerida con un código de muestra para cada vulnerabilidad. Esto brinda a los equipos información procesable sobre cómo reducir los riesgos de seguridad.\n\n## Hacer que las revisiones de código sean más eficientes y efectivas\nCuando el código de un desarrollador está listo para su revisión, hay algunas formas en que la IA puede ayudar a acelerar los procesos y detectar posibles problemas.\n\nLa IA puede ayudar al autor a elegir al mejor revisor, es decir, alguien que esté familiarizado con el código base y que tenga más probabilidades de detectar problemas importantes, y menos probabilidades de ignorar la solicitud de revisión del código, decir que otra persona debería revisarlo o proporcionar comentarios insuficientes. Si bien elegir a los revisores de código más adecuados puede ser una tarea compleja para un ser humano, un algoritmo de aprendizaje automático puede analizar los cambios y el gráfico de colaboraciones del proyecto para ayudar a identificar a los revisores.\n\nLa IA también puede generar un resumen de la solicitud de fusión para ayudar a los revisores a comprender rápidamente lo que se les pide que revisen y facilitar el proceso de traspaso de la revisión del código.\n\n## Generar pruebas para garantizar una cobertura de prueba adecuada\nLa comprobación exhaustiva de los cambios de código es una de las formas más importantes de garantizar que el código funcione como se espera y no introduzca problemas de seguridad, pero escribir las pruebas puede llevar mucho tiempo y ser difícil, por lo que el código se suele enviar a entornos de producción sin la cobertura de prueba adecuada. \n\nLa IA puede analizar los cambios en el código y sugerir pruebas relevantes junto con los archivos de prueba, para que los desarrolladores puedan dedicar menos tiempo a pensar y escribir pruebas y [más tiempo a programar](https://about.gitlab.com/the-source/ai/how-ai-helps-devsecops-teams-improve-productivity/). \n\nDe hecho, muchos equipos de DevOps ya están utilizando la IA para generar pruebas. En nuestra [encuesta de 2024 a más de 5000 profesionales de DevSecOps en todo el mundo](https://about.gitlab.com/es/developer-survey/2024/ai), casi un tercio (32 %) de los participantes cuyas organizaciones usaban IA dijeron que la estaban usando para la generación automatizada de pruebas.\n\n## Proteger sus datos de propiedad al usar IA\nPara muchas organizaciones, es importante que las ganancias de eficiencia gracias al uso de IA y ML no se produzcan a costa de la privacidad, la seguridad o el cumplimiento. Más de la mitad (55 %) de los participantes dijeron que sienten que la introducción de la IA en el proceso de desarrollo de software es arriesgada. Las preocupaciones en torno a la privacidad y la seguridad de los datos fueron el principal obstáculo relacionado con la IA identificado por las personas encuestadas.\n\nAntes de integrar la IA en sus procesos de desarrollo de software, asegúrese de comprender cómo se utilizarán o no sus datos propietarios para entrenar sus modelos de aprendizaje automático. Permitir que los equipos de DevOps utilicen la herramienta de IA incorrecta puede conducir a dolorosas y costosas [fugas de datos y código fuente ultrasecretos](https://www.techradar.com/news/samsung-workers-leaked-company-secrets-by-using-chatgpt).\n\n> Descubra lo que su equipo de DevSecOps puede hacer para comenzar a comprender, y medir, el [impacto de la IA generativa](https://about.gitlab.com/es/the-source/ai/how-to-put-generative-ai-to-work-in-your-devsecops-environment/).\n\n### Mejorar la seguridad con flujos de trabajo de DevSecOps con tecnología de IA\n\nLas soluciones de IA como [GitLab Duo](https://about.gitlab.com/es/gitlab-duo/) pueden ayudar a los equipos de DevOps a utilizar la IA para mejorar la seguridad a lo largo de su ciclo de desarrollo de software con [funcionalidades](https://docs.gitlab.com/ee/user/ai_features.html) como resúmenes de vulnerabilidades, pruebas sugeridas, revisores sugeridos y resúmenes de solicitudes de fusión.\n\nGitLab Duo no entrena modelos de ML con los datos propietarios o el código fuente de los clientes y está diseñado con un enfoque centrado en la privacidad para ayudar a las empresas y organizaciones reguladas a adoptar flujos de trabajo con tecnología de IA.",[470,473,476,479,482],{"header":471,"content":472},"¿Cómo puede la IA ayudar a los equipos de DevOps a detectar y mitigar las vulnerabilidades de seguridad?","La IA puede acelerar la detección y mitigación de vulnerabilidades mediante la generación de resúmenes de riesgos de seguridad y la sugerencia de correcciones útiles. En lugar de revisar manualmente el código en busca de vulnerabilidades, los equipos de DevOps pueden usar herramientas de seguridad con tecnología de IA para analizar el código, identificar debilidades y proporcionar sugerencias de corrección, lo que reduce el tiempo que se tarda en abordar las amenazas de seguridad.",{"header":474,"content":475},"¿Cómo mejora la IA la eficiencia de las revisiones de código?","La IA mejora la eficiencia de la revisión de código al sugerir los revisores más relevantes en función del historial de contribuciones y la experiencia. También puede generar resúmenes de solicitudes de fusión, lo que ayuda a los revisores a comprender rápidamente los cambios y a centrarse en los principales riesgos de seguridad. Esto reduce los cuellos de botella en el proceso de revisión y garantiza evaluaciones de seguridad de mayor calidad.",{"header":477,"content":478},"¿Puede la IA ayudar con la generación de pruebas para mejorar la seguridad?","Sí, la IA puede generar pruebas automáticamente para garantizar una cobertura de código adecuada y reducir la probabilidad de que las vulnerabilidades de seguridad pasen desapercibidas. Al analizar los cambios en el código, las herramientas de IA sugieren pruebas unitarias, pruebas de integración y pruebas de seguridad relevantes, lo que ayuda a los equipos de DevOps a validar el software sin la carga de escribir manualmente cada caso de prueba.",{"header":480,"content":481},"¿Qué riesgos de seguridad están asociados con el uso de la IA en el desarrollo de software?","Los mayores riesgos de usar la IA en DevOps incluyen preocupaciones de privacidad, problemas de cumplimiento y posibles fugas de datos. Las organizaciones deben evaluar cuidadosamente las herramientas de IA para asegurarse de que no entrenan modelos de aprendizaje automático utilizando código fuente propietario. Las soluciones de IA como GitLab Duo priorizan un enfoque centrado en la privacidad, lo que garantiza que los datos confidenciales permanezcan protegidos.",{"header":483,"content":484},"¿Cómo pueden los flujos de trabajo de DevSecOps con tecnología de IA mejorar la seguridad del software?","Los flujos de trabajo de DevSecOps con tecnología de IA integran la seguridad en cada etapa del desarrollo al proporcionar detección de vulnerabilidades, análisis de riesgos, pruebas automatizadas y recomendaciones de código seguro. Al aprovechar la información de seguridad basada en IA, los equipos pueden enviar software más seguro de forma más rápida y a la vez reducir la carga de trabajo manual y el error humano.","4-ways-ai-can-help-devops-teams-improve-security","content:es:the-source:ai:4-ways-ai-can-help-devops-teams-improve-security.yml","es/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security.yml","es/the-source/ai/4-ways-ai-can-help-devops-teams-improve-security",1761814442452]