Las notas de versión se preparan en minutos en lugar de 1-2 horas por cada versión.
Qué hace
La automatización reemplaza el ritual manual de «sentarse el viernes y anotar todo lo que se hizo durante el sprint» por un flujo de procesamiento reproducible.
El agente de IA lee el historial del repositorio, separa lo relevante del ruido técnico y genera un borrador estructurado que el ingeniero o el responsable de producto revisa en 5-10 minutos en lugar de escribirlo desde cero.
El proceso paso a paso
- Recopilación de datos. El agente se conecta al repositorio (GitHub, GitLab u otro servicio de alojamiento Git) y extrae los commits y los pull requests fusionados desde la última versión (por etiqueta, fecha o número de rama).
- Normalización. Las descripciones de PR, los títulos, etiquetas, las referencias a tareas y los nombres de autores se agrupan en una estructura unificada. Los commits técnicos (
chore,refactor,test) se marcan, pero no se eliminan. - Clasificación. el modelo de lenguaje distribuye los cambios en categorías: nuevas funciones, correcciones, cambios incompatibles, mejoras internas. La lógica de clasificación se basa en conventional commits, etiquetas o la semántica de los títulos de PR.
- Resumen para audiencias. El agente genera tres variantes: técnica (para desarrolladores, con referencias a PR), corta (para la dirección: qué cambió para el negocio) y para clientes (sin términos internos, con enfoque en el beneficio).
- Borrador para revisión. El resultado llega a Slack, Notion o como pull request con la plantilla CHANGELOG.md; el ingeniero edita y publica.
- Publicación. Paso opcional: publicación automática en el canal de lanzamientos, actualización del widget del registro de cambios dentro de la app, envío de email a los clientes.
Lo que la automatización NO hace
- No reemplaza al líder técnico. La decisión sobre qué considerar un cambio incompatible o una versión mayor corresponde al ser humano. El agente solo propone la clasificación.
- No redacta textos de marketing desde cero. La variante para clientes es un borrador estructurado, no una publicación de lanzamiento lista con posicionamiento y CTA.
- No analiza la calidad del código. Métricas como cobertura de pruebas, comentarios de seguridad o decisiones de arquitectura no se incluyen en las notas de versión.
Cómo funciona
El flujo está construido sobre llamadas al servicio de alojamiento Git y un único procesamiento LLM. La solución custom-code se despliega como tarea cron, paso de CI o disparador manual: todo depende del ritmo de versiones del equipo.
Flujo técnico
El agente opera en tres etapas: extracción del historial, procesamiento LLM, entrega del borrador. Entre etapas, los datos se transfieren en JSON estructurado, lo que simplifica la depuración y permite añadir reglas manuales sin reescribir el prompt.
Pasos de implementación
- Definición del rango de la versión. El script recibe dos anclas: la anterior y la actual. Opciones: la última etiqueta (
git describe --tags), fecha, nombre de rama o ID de despliegue de CI. Para equipos sin etiquetas se usa «todo lo que se fusionó en main en N días». - Consulta al servicio de alojamiento Git. A través de REST o GraphQL API (GitHub, GitLab, Bitbucket) se extraen los commits y pull requests del rango. Para cada PR se recopilan: título, descripción, etiquetas, autor, tareas relacionadas, fecha de fusión.
- Preprocesamiento. Los commits duplicados (el mismo PR combinado con squash) se colapsan. Los conventional commits se parsean: si el equipo usa el formato
feat:,fix:,chore:, el agente hereda la clasificación. Sin conventional commits, el LLM resuelve por contexto. - Llamada LLM. El LLM recibe una lista estructurada de PR y un prompt con instrucciones: qué categorías, qué audiencias, tono, longitud. La respuesta es un JSON con los arrays
features,fixes,breaking,internal. - Renderizado. El motor de plantillas (Mustache, Jinja o el mismo LLM en un segundo paso) convierte el JSON en un borrador markdown según el formato del equipo: CHANGELOG.md, página de Notion, mensaje de Slack, ventana modal dentro de la app.
- Entrega. El borrador se envía a través de webhook al canal de revisión; la opción estándar: pull request con el cambio de CHANGELOG.md, para que el ingeniero vea el diff y comente. Alternativa: borradores en Notion o en las versiones de Linear.
Componentes de la solución
Componente | Propósito |
|---|---|
API del servicio de alojamiento Git | Fuente de commits y PR |
Modelo de IA | Clasificación y sumarización |
Cron / disparador de CI | Ejecución en cada versión o según programación |
Plantillas para audiencias | Prompts separados: técnico, dirección, clientes |
Canal de entrega | Slack, Notion, PR, email |
Matices y particularidades
- Procesamiento de rangos extensos. Para versiones con cientos de PR, los datos se dividen en lotes: el LLM procesa las partes y luego el agregador consolida el resultado. De lo contrario, el contexto se desborda y la calidad de clasificación disminuye.
- Estabilidad del formato. El prompt requiere JSON con esquema estricto, no markdown libre. Esto proporciona un resultado predecible para el renderizado y parseo automáticos.
- Memoria de estilo. Si el equipo mantiene CHANGELOG.md, el agente recibe las entradas anteriores como ejemplos few-shot; las nuevas notas de versión se escriben en el mismo tono.
- Reglas personalizadas. La lista de etiquetas de PR que deben ignorarse (por ejemplo,
internal,dependabot), se define en la configuración. El LLM no decide esto por sí solo.
Requisitos previos
La versión básica de la automatización se despliega en 2-5 días hábiles con un solo ingeniero, de ahí la designación de complejidad «fin de semana». La complejización posterior depende de los requisitos del equipo.
Datos y accesos
- Servicio de alojamiento Git con acceso a la API. GitHub, GitLab, Bitbucket o autoalojado: se necesita un token con permisos de lectura del historial y de los PR en los repositorios necesarios.
- Política de lanzamientos. El equipo utiliza etiquetas, versionado semántico o al menos una fusión regular en main. Sin un punto de referencia estable, el rango hay que definirlo manualmente cada vez.
- Acceso al canal de entrega. Slack webhook, token de la API de Notion, permiso para crear PR en el repositorio; depende del formato de publicación elegido.
- Clave API del modelo de lenguaje a través de Anthropic o plataforma intermediaria.
Preparación del equipo
- Un ingeniero que mantiene el script y gestiona los accesos (líder técnico o DevOps).
- Acuerdo sobre las categorías de notas de versión: qué se considera función nueva, qué corrección, qué etiquetas de PR ignorar. Sin esto, la clasificación LLM acertará, pero no siempre conforme a las expectativas.
- Una plantilla CHANGELOG.md o un formato equivalente en Notion/Linear, aunque sea borrador.
Plazos
- Versión de fin de semana (2-5 días): un repositorio, una audiencia (técnica), publicación en Slack o CHANGELOG.md a través de PR. Mínimo de prompts, formato estándar.
- Ampliación (hasta 2 semanas): varios repositorios en un repositorio único o arquitectura multiservicio, tres variantes de texto (técnica/directiva/para clientes), integración con Notion y widget del registro de cambios dentro de la app.
Para los equipos con un flujo de trabajo no estándar (indicadores de funcionalidad, trenes de lanzamiento, varios productos en un mismo repositorio) conviene reservar tiempo adicional para definir la lógica del rango.
Problemas
- Actualizaciones constantes para la dirección
- Tiempo en informes manuales
FAQ
¿Cuánto tiempo lleva la implementación?
2-5 días hábiles para la versión básica: un repositorio, borrador técnico en Slack o CHANGELOG.md. Hasta dos semanas, si se necesitan varias audiencias, compilación multirrepositorio e integración con Notion o widget dentro de la app. Los plazos incluyen la configuración de prompts, pruebas en 2-3 versiones y ajuste al estilo del registro de cambios existente del equipo.
¿Qué hacer si no tenemos conventional commits ni etiquetas de PR?
La automatización funciona de todas formas: el LLM clasifica los cambios por títulos y descripciones de PR. La precisión será menor que la de un equipo con feat:/fix:/chore: limpio, pero a nivel de «preparar un borrador que el ingeniero revisa en 5 minutos» es suficiente. Tras varias iteraciones se pueden agregar ejemplos few-shot de notas de versión ya publicadas, y la calidad se estabiliza.
¿Qué puede fallar?
Tres escenarios típicos: (1) una versión grande con cientos de PR supera el contexto del LLM: se resuelve procesando por lotes; (2) los títulos de PR exóticos sin descripción el agente los clasifica como «internal» y los omite en la versión para clientes: se corrige con una etiqueta manual o editando el borrador; (3) al cambiar el formato de CHANGELOG.md la plantilla requiere actualizar el prompt. Los tres casos son operacionales, no arquitectónicos.
¿Funciona en nuestro sector?
La solución está diseñada originalmente para productos SaaS y tecnológicos con versiones regulares. También se aplica horizontalmente: a cualquier equipo con un repositorio Git activo y un ritmo de lanzamientos superior a una vez al mes. Para empresas con una o dos versiones al año el ahorro de tiempo es pequeño y el ROI es dudoso: un registro de cambios manual cada seis meses resulta más barato que mantener el flujo.
¿Se puede mantener el control manual sobre el texto final?
Sí, este es el modo básico. El agente genera un borrador, el ingeniero o el product manager lo revisa y publica. La autopublicación completa sin intervención humana no se recomienda: incluso con una buena clasificación quedan PR con formulaciones no evidentes para los clientes, y la revisión manual en 5-10 minutos elimina la mayor parte de los errores de tono y terminología.
¿Cómo se relaciona esto con las actualizaciones constantes para la dirección?
Las notas de versión en tres variantes cubren dos flujos distintos: el registro de cambios técnico para ingenieros y un breve resumen de «qué cambió para el negocio» para CEO/COO. La segunda variante va al resumen semanal o al canal de Slack de la dirección: el mismo informe que antes se compilaba manualmente a partir de commits, Jira y la cabeza del líder técnico.
¿Quieres esto en tu negocio?
Reserva una auditoría gratuita: te mostraremos cómo funcionará esta automatización para ti.