Cómo GitLab usa Claude para acelerar el desarrollo de funcionalidades de IA en su plataforma DevSecOps

La plataforma de GitLab es la columna vertebral operativa de decenas de miles de equipos de ingeniería en todo el mundo. La promesa de producto de la compañía es que los desarrolladores puedan gestionar todo el ciclo de vida del desarrollo de software —desde la planificación y la codificación hasta las pruebas, el despliegue y la seguridad— en un único lugar. Cuando la IA generativa comenzó a transformar la forma de escribir y revisar software, GitLab se enfrentó a una decisión determinante: construir desde cero las capacidades fundamentales de IA o asociarse con proveedores especializados en IA. La compañía tenía tanto una razón práctica como una de principios para optar por la colaboración: construir modelos de IA no era su negocio, y los clientes empresariales con altos requisitos de seguridad exigían que cualquier IA integrada cumpliera estándares exigentes de privacidad y fiabilidad.

Las primeras integraciones de IA de GitLab estaban limitadas por las capacidades de los modelos iniciales. La generación de código requería madurez: ventanas de contexto largas, razonamiento sólido sobre bases de código completas y la capacidad de explicar vulnerabilidades de software complejas en lugar de simplemente señalarlas. A medida que se fueron disponibilizando modelos más avanzados, GitLab creó un equipo formal de evaluación de modelos para valorar a los proveedores según el rendimiento en sus casos de uso específicos: generación de código, chat interactivo, resumen de planificación y explicación y corrección de vulnerabilidades. Los modelos Claude 3 superaron a las alternativas en las tareas que más importaban para su plataforma.

El equipo de ingeniería de GitLab integró Claude en lo que la compañía denomina su conjunto de funcionalidades Duo. La estructura de la familia de modelos Claude —múltiples modelos optimizados para diferentes niveles de capacidad y coste— dio a GitLab la flexibilidad necesaria para seleccionar el modelo más adecuado para cada caso de uso sin comprometerse con una única arquitectura. Las herramientas para desarrolladores de Anthropic fueron un factor determinante: permitieron a ingenieros sin formación en machine learning construir y desplegar funcionalidades de IA, abriendo el desarrollo de IA a decenas de ingenieros de la compañía que de otro modo habrían necesitado experiencia especializada en ML.

Los resultados son visibles tanto en la velocidad de producto como en los resultados para los usuarios. Los plazos de desarrollo de funcionalidades de IA se comprimieron de lo que antes llevaba años a solo semanas. Los equipos internos reportan ganancias de productividad del 25 al 50% en los flujos de trabajo que incorporan funcionalidades Duo. La estabilidad y predecibilidad del rendimiento de Claude —especialmente en tareas de generación de código complejas y con mucho contexto— ha permitido a GitLab lanzar capacidades de IA en las que sus clientes empresariales pueden confiar en producción.

El equipo de evaluación de GitLab continúa valorando nuevos modelos y nuevas versiones a medida que se publican, manteniendo la flexibilidad para optimizar su stack de IA según evoluciona el panorama. El compromiso de la compañía es mantener las funcionalidades Duo potenciadas por Claude en el núcleo de su plataforma mientras amplía hacia nuevos casos de uso a medida que se desarrollan las necesidades de los clientes.