easyspecs.ai revisa las especificaciones antes de que la IA escriba el código

El auge de los agentes de programación basados en inteligencia artificial ha multiplicado la cantidad de código que llega a producción sin que nadie lo lea línea por línea. Sobre ese problema se plantea una nueva herramienta que traslada el control de calidad del software a un momento anterior: la revisión de la especificación, antes de que exista una sola línea de código.

La plataforma, desarrollada por la empresa barcelonesa Spaii Labs SL, abrió su acceso público el 14 de septiembre de 2026. Según la compañía, el planteamiento consiste en dejar de apoyar la garantía de calidad en la revisión del código —una práctica que, sostiene, los agentes de IA han desbordado— y situarla en la definición previa de lo que debe hacer cada cambio.

Cómo funciona, según la empresa

El funcionamiento descrito por la compañía se organiza en tres fases. La primera consiste en analizar un repositorio conectado desde GitHub, GitLab, Azure DevOps o Bitbucket para generar documentación funcional del sistema, ordenada en un árbol de conocimiento con características, vistas, servicios, modelos de datos, infraestructura y pruebas. La empresa afirma alcanzar hasta un 98 % de asignación de cobertura de línea de código.

En la segunda fase, la herramienta toma una petición de cambio en bruto y la contrasta con esa documentación, de modo que la intención del cambio se valide frente al comportamiento real de la aplicación. La tercera produce una especificación estructurada legible por perfiles no técnicos, acompañada de lo que Easyspecs.ai denomina Trust Spec: el conjunto de validadores, oráculos y rúbricas con los que comprobar después si el resultado se corresponde con lo pedido.

Los oráculos son, según la descripción de la empresa, condiciones automáticas de aprobado o fallo; las rúbricas, criterios de juicio que puntúa un revisor humano o un sistema de IA. Las especificaciones incluyen decisiones explícitas dentro y fuera de alcance, y los puntos sin resolver quedan marcados como bloqueados en lugar de pasar inadvertidos. Una vez aprobadas, pueden trasladarse a Jira y Linear, a entornos de desarrollo como VS Code, Cursor o Antigravity mediante extensiones, y a asistentes como Claude Code, Codex o GitHub Copilot como contexto de solo lectura a través de MCP.

Precios y despliegue

La plataforma cuenta con un nivel gratuito que permite conectar un repositorio y ver el resultado del análisis. El plan Workbench se ofrece a un precio de lanzamiento de 5 euros por repositorio y mes, frente a los 10 euros habituales, y admite que el desarrollador use sus propias claves de API de OpenAI, Anthropic, Google u OpenRouter. El plan Factory, orientado a equipos, cuesta 150 euros al mes e incluye inferencia gestionada para toda la organización.

Para clientes con requisitos de control de datos —la empresa cita expresamente el caso de la banca— el despliegue puede hacerse dentro de la VPC del cliente, en su nube privada o en sus propios servidores, con un módulo adicional de migración adaptado a una base de código de origen y destino concreta.

El punto de partida

La compañía explica que puso a prueba su motor de documentación con un caso complejo: un sistema heredado en Delphi de una empresa farmacéutica, sin documentar y mantenido por personas que no lo habían programado. También asegura utilizar la herramienta en sus propios trabajos de migración y auditoría.

Xesca Alabart, cocreadora y directora ejecutiva, sostiene en la nota que no se puede responder de unos cambios de código que nadie lee y que, por eso, la calidad tiene que defenderse en la especificación. Por su parte, el cocreador y director de tecnología, Carlos Guirao Capistany, señala que "una especificación solo es útil si puedes probar que el resultado coincide con ella", y defiende generar las comprobaciones al mismo tiempo que la especificación y no una vez que el agente ha terminado.

El contexto que invoca la empresa es el aumento de productividad asociado a los agentes de codificación. En el comunicado se cita el caso de OpenAI, que al presentar su especificación de orquestación Symphony indicó que sus ingenieros solo podían supervisar entre tres y cinco sesiones paralelas antes de que el cambio de contexto anulase las ganancias, y que los equipos internos multiplicaron por seis las propuestas de cambio de código (pull requests) integradas en las tres primeras semanas tras retirar a los ingenieros del ciclo de despacho.