Automatización de IA que abarca codificación, revisión de PR y análisis de registros
Automatización en la escritura, prueba, revisión y supervisión de código
Los desarrolladores mantienen el control total sobre las aprobaciones, fusiones y lanzamientos
myRiva
San Mateo, California
Tecnología para viajes
Amazon Bedrock, AWS Lambda, Amazon S3, Bitbucket, Jenkins, Grafana, Graylog, New Relic, Jira, Confluence
MyRiva es una plataforma de aplicaciones web de viajes que permite a los clientes realizar reservas, incluyendo una versión de marca blanca para clientes empresariales. El equipo de ingeniería mantiene una base de código amplia y en constante evolución en las capas de frontend, backend y middleware. Avahi se asoció con MyRiva para diseñar y ofrecer una capacidad de automatización del desarrollo impulsada por IA que refuerza al equipo de ingeniería en tres flujos de trabajo principales: asistencia de codificación inteligente para la resolución de errores y generación de pruebas, revisión automatizada de solicitudes de extracción (pull requests) con detección de vulnerabilidades y análisis de registros basado en la observabilidad para la identificación proactiva de problemas. Todos los resultados generados por la IA funcionan en un modo con intervención humana, lo que garantiza que los desarrolladores mantengan el control total sobre las aprobaciones, fusiones y lanzamientos.
MyRiva es una empresa de tecnología para viajes con sede en San Mateo, California, que opera una plataforma de aplicaciones web para reservas de viajes. La plataforma presta servicio tanto a consumidores directos como a clientes empresariales a través de una oferta de marca blanca. El equipo de ingeniería de MyRiva gestiona un entorno de aplicaciones multicapa basado en Java, JavaScript y C#, con flujos de trabajo de CI/CD que se ejecutan a través de Bitbucket y Jenkins, y supervisión de producción en Grafana, Graylog y New Relic.
El equipo de ingeniería de MyRiva se enfrentaba a tres cuellos de botella operativos combinados. Los procesos manuales de control de calidad (QA), la corrección de errores y la gestión de tickets de soporte consumían un tiempo considerable de los desarrolladores, sin una vía automatizada para generar pruebas a partir de cambios en el código o analizar tickets de soporte a escala. Las revisiones de las solicitudes de extracción dependían totalmente de revisores humanos, sin una detección sistemática de vulnerabilidades, antipatrones o cambios de riesgo antes de la fusión del código. Además, el entorno de observabilidad, que abarcaba tres plataformas, generaba datos brutos que requerían una interpretación manual para identificar errores recurrentes, anomalías de rendimiento y riesgos de escalabilidad.
Estos cuellos de botella crearon un ciclo de ingeniería reactiva: los desarrolladores dedicaban tiempo a cambiar de contexto entre correcciones de errores, mantenimiento de pruebas y análisis de registros en lugar de crear funciones. El objetivo era utilizar la IA para asistir a los desarrolladores en los tres flujos de trabajo, permitiendo ciclos de resolución más rápidos y mejorando al mismo tiempo la calidad general del código y la fiabilidad del sistema.
La infraestructura existente de MyRiva se ejecuta en AWS, lo que convirtió a Amazon Bedrock en la base natural para las herramientas de desarrollo impulsadas por IA. Bedrock proporcionó acceso a modelos de lenguaje de gran tamaño a través de una API gestionada sin requerir que MyRiva alojara o ajustara modelos de forma independiente, mientras que AWS Lambda permitió la ejecución sin servidor de funciones impulsadas por IA para la generación de pruebas, la revisión de código y el análisis de registros. Toda la solución se implementó dentro de la propia cuenta de AWS de MyRiva, garantizando que la empresa mantuviera el control total sobre su código, registros y resultados generados por la IA.
Avahi aportó la combinación de profundidad técnica en AWS y experiencia en IA generativa aplicada necesaria para abordar un problema que abarcaba herramientas de desarrollo, integración de CI/CD y analítica de observabilidad. Como socio de nivel Premier de AWS, Avahi contaba con experiencia práctica en Amazon Bedrock, AWS Lambda y los patrones de integración necesarios para integrar capacidades de IA en los flujos de trabajo de ingeniería existentes sin interrumpir los procesos establecidos. MyRiva necesitaba un socio que pudiera tanto diseñar la arquitectura del sistema como entregar implementaciones funcionales en tres casos de uso distintos en un plazo ajustado, y la trayectoria de Avahi en proyectos similares de desarrollo asistido por IA los convirtió en la opción adecuada.
Avahi diseñó y entregó tres capacidades de automatización del desarrollo interconectadas e impulsadas por IA, cada una integrada en la cadena de herramientas existente de MyRiva.
Caso de uso 1 — Asistente de codificación por IA: Avahi creó un asistente de codificación impulsado por IA que analiza los tickets de soporte, mapea las rutas de código relacionadas, propone correcciones de errores con sugerencias de refactorización y genera pruebas unitarias y de regresión para validar las correcciones. El asistente se integra con el entorno de desarrollo basado en IntelliJ de MyRiva y funciona tanto a través de una interfaz de copiloto integrada en el IDE como de un agente de codificación orientado a tareas para cambios de código complejos y de varios pasos. La generación de pruebas reconoce el código y se basa en los cambios, produciendo pruebas basadas en la estructura del código, comentarios, anotaciones y diferencias (diffs) recientes.
Caso de uso 2 — Revisión mediante agentes de PR: Avahi implementó un agente de revisión automatizada de solicitudes de extracción que se activa mediante un webhook de Jenkins cuando se crea una PR en Bitbucket. El agente realiza un análisis automatizado para detectar posibles vulnerabilidades, señalar cambios de riesgo y antipatrones, y sugerir correcciones alineadas con las mejores prácticas. Se crearon integraciones MCP personalizadas para Confluence y Bitbucket con tokens de API de alcance limitado, lo que permite al agente extraer documentación contextual e información del repositorio en su proceso de revisión. Todas las recomendaciones siguen siendo de carácter consultivo, preservando el flujo de trabajo de revisión humana.
Caso de uso 3 — Análisis de registros de observabilidad: Avahi creó una capacidad de análisis de observabilidad que ingiere registros de producción y aplica el Reconocimiento de Entidades Nombradas (NER) combinado con una clasificación basada en LLM para detectar dinámicamente patrones de error en los registros de reservas. A diferencia del enfoque anterior —que dependía de una lógica condicional codificada sin coincidencia de patrones—, la solución impulsada por IA identifica errores y anomalías recurrentes, sugiere posibles causas raíz y recomienda áreas para la cobertura de pruebas y refactorización. El sistema se integra con Jira para la creación automatizada de tickets cuando se detectan patrones críticos.
Para abordar una restricción de la plataforma en la que ciertos modelos de Bedrock no eran accesibles a través de la configuración de la cuenta de AWS de MyRiva, Avahi proporcionó una vía de implementación alternativa utilizando un marco de agentes basado en CLI, con documentación que cubre ambas opciones para garantizar que el cliente pudiera operar de forma independiente independientemente de la resolución del acceso al modelo.
El proyecto entregó una capa completa de automatización del desarrollo asistida por IA que el equipo de ingeniería de MyRiva puede operar y ampliar de forma independiente. Por primera vez, el equipo dispone de herramientas automatizadas que abarcan todo el ciclo de vida del desarrollo —desde la escritura y prueba del código hasta la revisión de las solicitudes de extracción y el análisis de los registros de producción—, todo ello integrado en su entorno actual de Bitbucket, Jenkins y observabilidad.
El cliente caracterizó el proyecto como “muy bien organizado” y señaló que la solución proporciona “una piedra angular, una base para que sigamos construyendo”. Las capacidades entregadas posicionan a MyRiva para reducir el esfuerzo manual de QA, acelerar los ciclos de resolución de errores y pasar de una supervisión de registros reactiva a una detección de problemas proactiva e impulsada por IA. Se está debatiendo un trabajo de seguimiento para ampliar la solución a servicios y flujos de trabajo adicionales.
myRiva
San Mateo, California
Tecnología para viajes
Amazon Bedrock, AWS Lambda, Amazon S3, Bitbucket, Jenkins, Grafana, Graylog, New Relic, Jira, Confluence
MyRiva es una plataforma de aplicaciones web de viajes que permite a los clientes realizar reservas, incluyendo una versión de marca blanca para clientes empresariales. El equipo de ingeniería mantiene una base de código amplia y en constante evolución en las capas de frontend, backend y middleware. Avahi se asoció con MyRiva para diseñar y ofrecer una capacidad de automatización del desarrollo impulsada por IA que refuerza al equipo de ingeniería en tres flujos de trabajo principales: asistencia de codificación inteligente para la resolución de errores y generación de pruebas, revisión automatizada de solicitudes de extracción (pull requests) con detección de vulnerabilidades y análisis de registros basado en la observabilidad para la identificación proactiva de problemas. Todos los resultados generados por la IA funcionan en un modo con intervención humana, lo que garantiza que los desarrolladores mantengan el control total sobre las aprobaciones, fusiones y lanzamientos.
MyRiva es una empresa de tecnología para viajes con sede en San Mateo, California, que opera una plataforma de aplicaciones web para reservas de viajes. La plataforma presta servicio tanto a consumidores directos como a clientes empresariales a través de una oferta de marca blanca. El equipo de ingeniería de MyRiva gestiona un entorno de aplicaciones multicapa basado en Java, JavaScript y C#, con flujos de trabajo de CI/CD que se ejecutan a través de Bitbucket y Jenkins, y supervisión de producción en Grafana, Graylog y New Relic.
El equipo de ingeniería de MyRiva se enfrentaba a tres cuellos de botella operativos combinados. Los procesos manuales de control de calidad (QA), la corrección de errores y la gestión de tickets de soporte consumían un tiempo considerable de los desarrolladores, sin una vía automatizada para generar pruebas a partir de cambios en el código o analizar tickets de soporte a escala. Las revisiones de las solicitudes de extracción dependían totalmente de revisores humanos, sin una detección sistemática de vulnerabilidades, antipatrones o cambios de riesgo antes de la fusión del código. Además, el entorno de observabilidad, que abarcaba tres plataformas, generaba datos brutos que requerían una interpretación manual para identificar errores recurrentes, anomalías de rendimiento y riesgos de escalabilidad.
Estos cuellos de botella crearon un ciclo de ingeniería reactiva: los desarrolladores dedicaban tiempo a cambiar de contexto entre correcciones de errores, mantenimiento de pruebas y análisis de registros en lugar de crear funciones. El objetivo era utilizar la IA para asistir a los desarrolladores en los tres flujos de trabajo, permitiendo ciclos de resolución más rápidos y mejorando al mismo tiempo la calidad general del código y la fiabilidad del sistema.
La infraestructura existente de MyRiva se ejecuta en AWS, lo que convirtió a Amazon Bedrock en la base natural para las herramientas de desarrollo impulsadas por IA. Bedrock proporcionó acceso a modelos de lenguaje de gran tamaño a través de una API gestionada sin requerir que MyRiva alojara o ajustara modelos de forma independiente, mientras que AWS Lambda permitió la ejecución sin servidor de funciones impulsadas por IA para la generación de pruebas, la revisión de código y el análisis de registros. Toda la solución se implementó dentro de la propia cuenta de AWS de MyRiva, garantizando que la empresa mantuviera el control total sobre su código, registros y resultados generados por la IA.
Avahi aportó la combinación de profundidad técnica en AWS y experiencia en IA generativa aplicada necesaria para abordar un problema que abarcaba herramientas de desarrollo, integración de CI/CD y analítica de observabilidad. Como socio de nivel Premier de AWS, Avahi contaba con experiencia práctica en Amazon Bedrock, AWS Lambda y los patrones de integración necesarios para integrar capacidades de IA en los flujos de trabajo de ingeniería existentes sin interrumpir los procesos establecidos. MyRiva necesitaba un socio que pudiera tanto diseñar la arquitectura del sistema como entregar implementaciones funcionales en tres casos de uso distintos en un plazo ajustado, y la trayectoria de Avahi en proyectos similares de desarrollo asistido por IA los convirtió en la opción adecuada.
Avahi diseñó y entregó tres capacidades de automatización del desarrollo interconectadas e impulsadas por IA, cada una integrada en la cadena de herramientas existente de MyRiva.
Caso de uso 1 — Asistente de codificación por IA: Avahi creó un asistente de codificación impulsado por IA que analiza los tickets de soporte, mapea las rutas de código relacionadas, propone correcciones de errores con sugerencias de refactorización y genera pruebas unitarias y de regresión para validar las correcciones. El asistente se integra con el entorno de desarrollo basado en IntelliJ de MyRiva y funciona tanto a través de una interfaz de copiloto integrada en el IDE como de un agente de codificación orientado a tareas para cambios de código complejos y de varios pasos. La generación de pruebas reconoce el código y se basa en los cambios, produciendo pruebas basadas en la estructura del código, comentarios, anotaciones y diferencias (diffs) recientes.
Caso de uso 2 — Revisión mediante agentes de PR: Avahi implementó un agente de revisión automatizada de solicitudes de extracción que se activa mediante un webhook de Jenkins cuando se crea una PR en Bitbucket. El agente realiza un análisis automatizado para detectar posibles vulnerabilidades, señalar cambios de riesgo y antipatrones, y sugerir correcciones alineadas con las mejores prácticas. Se crearon integraciones MCP personalizadas para Confluence y Bitbucket con tokens de API de alcance limitado, lo que permite al agente extraer documentación contextual e información del repositorio en su proceso de revisión. Todas las recomendaciones siguen siendo de carácter consultivo, preservando el flujo de trabajo de revisión humana.
Caso de uso 3 — Análisis de registros de observabilidad: Avahi creó una capacidad de análisis de observabilidad que ingiere registros de producción y aplica el Reconocimiento de Entidades Nombradas (NER) combinado con una clasificación basada en LLM para detectar dinámicamente patrones de error en los registros de reservas. A diferencia del enfoque anterior —que dependía de una lógica condicional codificada sin coincidencia de patrones—, la solución impulsada por IA identifica errores y anomalías recurrentes, sugiere posibles causas raíz y recomienda áreas para la cobertura de pruebas y refactorización. El sistema se integra con Jira para la creación automatizada de tickets cuando se detectan patrones críticos.
Para abordar una restricción de la plataforma en la que ciertos modelos de Bedrock no eran accesibles a través de la configuración de la cuenta de AWS de MyRiva, Avahi proporcionó una vía de implementación alternativa utilizando un marco de agentes basado en CLI, con documentación que cubre ambas opciones para garantizar que el cliente pudiera operar de forma independiente independientemente de la resolución del acceso al modelo.
El proyecto entregó una capa completa de automatización del desarrollo asistida por IA que el equipo de ingeniería de MyRiva puede operar y ampliar de forma independiente. Por primera vez, el equipo dispone de herramientas automatizadas que abarcan todo el ciclo de vida del desarrollo —desde la escritura y prueba del código hasta la revisión de las solicitudes de extracción y el análisis de los registros de producción—, todo ello integrado en su entorno actual de Bitbucket, Jenkins y observabilidad.
El cliente caracterizó el proyecto como “muy bien organizado” y señaló que la solución proporciona “una piedra angular, una base para que sigamos construyendo”. Las capacidades entregadas posicionan a MyRiva para reducir el esfuerzo manual de QA, acelerar los ciclos de resolución de errores y pasar de una supervisión de registros reactiva a una detección de problemas proactiva e impulsada por IA. Se está debatiendo un trabajo de seguimiento para ampliar la solución a servicios y flujos de trabajo adicionales.
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
