Siftly quiere entrenar el criterio humano en revisión de código con IA

La mayoría de herramientas de revisión de código con IA funcionan como un filtro automático: el modelo señala problemas, el desarrollador acepta o descarta. El flujo tiene lógica, pero tiene un efecto secundario que se habla poco: con el tiempo, el criterio propio del revisor se atrofia. Siftly ha publicado un anuncio que apunta exactamente en la dirección contraria.

Según su página de anuncio, referenciada esta semana en Hacker News, la propuesta de Siftly no es que la IA te diga qué está mal en el código. Es que la IA te ayude a desarrollar el instinto para detectarlo tú mismo.

Qué propone Siftly exactamente

El detalle técnico disponible en el anuncio es todavía limitado —la herramienta parece estar en fase muy temprana—, pero el planteamiento conceptual es claro: crear un entorno de práctica deliberada donde el desarrollador se enfrenta a fragmentos de código con problemas reales o simulados, intenta identificarlos, y después recibe retroalimentación sobre su razonamiento, no solo sobre si acertó o no.

Es un modelo más cercano al entrenamiento de habilidades clínicas o al aprendizaje por casos que al típico linter con LLM por debajo. La IA actúa como tutor que explica el por qué detrás de cada decisión de revisión, no como oráculo que emite veredictos.

Por qué este enfoque tiene sentido ahora

El contexto importa. En 2026, con herramientas como Claude Code integrando subagentes y MCP servers capaces de auditar repositorios enteros, la tentación de delegar completamente la revisión de código es más alta que nunca. Los equipos pequeños, en particular, empiezan a prescindir de rondas de revisión humana exhaustivas porque el coste de oportunidad parece demasiado alto.

El problema es que la revisión de código no es solo control de calidad puntual. Es uno de los mecanismos principales por los que el conocimiento técnico se transfiere entre desarrolladores de un equipo. Si ese proceso se automatiza del todo, se pierde también el aprendizaje implícito que conlleva.

Siftly parece apostar por que hay un mercado —probablemente developers junior y equipos que quieren mantener ese músculo colectivo— para el que tiene sentido invertir tiempo en entrenar ese criterio de forma activa.

Para quién es útil

La propuesta tiene más sentido en algunos perfiles que en otros:

• Desarrolladores junior que aún no tienen el patrón reconocimiento necesario para detectar problemas sutiles de arquitectura, seguridad o rendimiento.
• Equipos que han adoptado fuertemente la IA y quieren asegurarse de que sus revisores humanos siguen siendo capaces de cuestionar lo que el modelo propone.
• Formadores y bootcamps que buscan formas de hacer la revisión de código más pedagógica y menos mecánica.

Para un senior con diez años revisando código en producción, el valor inmediato es menos obvio. Aunque incluso ahí, un entorno de práctica deliberada en áreas específicas —criptografía, concurrencia, patrones de seguridad— podría tener utilidad puntual.

Lo que aún no sabemos

El anuncio no detalla qué modelo o modelos usa Siftly por debajo, ni si ofrece integración con flujos de trabajo existentes como pull requests de GitHub o GitLab, ni cuál es su modelo de negocio. La señal en Hacker News fue modesta —un punto, sin comentarios en el momento de la publicación— lo que sugiere que la herramienta no ha tenido todavía exposición significativa.

Tampoco queda claro si el corpus de ejercicios es generado sintéticamente, curado a mano, o extraído de repositorios reales. Esa decisión tiene implicaciones importantes en la calidad del entrenamiento: los bugs más interesantes suelen vivir en contextos reales, no en ejemplos de manual.

---

El enfoque de Siftly es refrescante precisamente porque nada en su propuesta depende de que la IA sea más lista que el desarrollador. Depende de que el desarrollador quiera ser mejor. Eso es una apuesta más modesta y, probablemente por eso, más sostenible. Veremos si el producto a la altura de la idea.