noviembre 17, 2026

Tecnología Geek

Noticias diarias sobre tecnología, móviles, inteligencia artificial y gadgets en español. Reviews, lanzamientos y tendencias para Latinoamérica.

Ciberseguridad Industrial & Consumidor

AI Scan de GitHub ya puede escanear 20 repositorios

Panel de alertas de escaneo de código de GitHub con el botón AI Scan
Foto: GitHub

¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google

AI Scan de GitHub ya puede escanear 20 repositorios de una sola vez. El cambio llegó el 16 de noviembre en el registro de novedades de la plataforma y apunta a un trabajo tedioso: lanzar el escáner de vulnerabilidades proyecto por proyecto, a mano, cuando una organización guarda su código repartido en decenas de espacios.

La función sigue en vista previa pública. Está disponible en github.com y en GitHub Enterprise Cloud con residencia de datos, y no pide una licencia de GitHub Copilot.

El arranque en bloque se hace en dos puntos: al activar el ajuste de la organización o desde la página de alertas de escaneo de código de esa organización. Un repositorio suelto también conserva su propio arranque, desde su página de alertas.

La revisión cae sobre la rama por defecto, la principal de cada proyecto. Sus hallazgos entran en la misma lista de trabajo del escaneo de código, pegados a las alertas de CodeQL, la herramienta de análisis que GitHub ya ofrecía.

Esa convivencia es el centro del anuncio: AI Scan de GitHub cubre lenguajes que CodeQL no admite y, en los lenguajes que CodeQL sí analiza, encuentra problemas adicionales que el análisis clásico no marcó.

Un agente que elige qué mirar dentro del código

La documentación de GitHub describe el motor como un sistema propio que aprovecha varios modelos cuando están disponibles. El agente recorre el repositorio, escoge archivos y funciones para examinar y trabaja con un presupuesto de tiempo.

No lee cada archivo completo. Cuando el tiempo se agota, se detiene y entrega lo encontrado hasta ese punto.

Cada hallazgo llega como una alerta más, con su nivel de gravedad para ordenar la revisión. El equipo puede asignar la alerta a una persona, enlazarla a una tarea, sumarla a una campaña de seguridad o pedir la corrección automática con agentes que ofrece la plataforma.

Esa corrección enlaza con una idea que ya circula entre los equipos de desarrollo, la de los agentes de IA que proponen parches para el código, con una persona decidiendo antes de aplicar el cambio.

Un detalle práctico ordena el trabajo diario. Si el repositorio ya tiene alertas de CodeQL, AI Scan las usa para suprimir hallazgos que coincidan con ellas.

CyberPresso, en su lectura del anuncio, subraya el otro lado de esa misma moneda: la coincidencia entre ambas herramientas se busca con el mejor esfuerzo posible, así que una alerta duplicada puede aparecer y tocará depurarla a mano.

El ajuste se puede encender y apagar también por la interfaz de programación, la API REST, con la propiedad repository_scan. GitHub sumó esa vía el 13 de noviembre, tres días antes del arranque en bloque.

Encender el ajuste no lanza ningún escaneo: la orden la da una persona con acceso de escritura en el repositorio, y cada análisis corre solo cuando alguien lo pide.

Topes de 30 minutos y de 150.000 créditos por escaneo

Cada escaneo consume créditos de IA de Code Security, un consumo medido y aparte de la licencia por programador activo. Los pasos de detección tienen dos topes duros: 30 minutos y 150.000 créditos de IA.

Si la cuenta recibe créditos incluidos por un derecho de Copilot, el escaneo gasta primero esos. Agotados, el consumo se mide contra el presupuesto fijado, y un presupuesto cerrado sin créditos disponibles deja al escaneo sin producir hallazgos hasta que un administrador lo amplíe o arranque otro ciclo de facturación.

La disponibilidad cambia con el dueño y la visibilidad del repositorio. Un proyecto público de una organización entra sin licencia por programador activo; uno privado o interno de esa misma organización pide GitHub Code Security o GitHub Advanced Security.

Una cuenta personal puede escanear sus repositorios públicos, pero los privados quedan fuera. En las empresas, la política de la organización matriz manda: viene en «no permitido» por defecto y, si bloquea la función, el intento de activarla por la API devuelve un error 422.

Las limitaciones de la vista previa quedan escritas sin adornos en la propia documentación. Los escaneos analizan solo la rama por defecto, no admiten ejecutores propios y no se pueden programar: ni calendario ni disparo automático con cada subida de código.

Al fusionar una corrección, el escaneo tampoco se repite solo; hay que lanzarlo otra vez para comprobar si la alerta se resolvió. La alerta solo se cierra en automático si el arreglo toca la línea exacta que la disparó.

GitHub advierte además que los hallazgos generados por IA pueden ser inexactos. Cada alerta pide revisión humana antes de decidir el arreglo, y el escaneo no promete encontrar cada vulnerabilidad escondida en el código.

Para un equipo con la lista de alertas crecida, pasar de un arranque por proyecto a escanear 20 repositorios por orden recorta la parte mecánica del trabajo. La parte de juicio, la de separar el fallo real del ruido, sigue sentada en la misma silla de siempre, con AI Scan de GitHub corriendo bajo un techo de 30 minutos y 150.000 créditos por pasada.

Fuente: GitHub Blog

La conversación sigue en el foro

Comenta esta noticia, pregunta lo que quieras y comparte tu experiencia con otros lectores en el foro de Tecnología Geek. Participar es gratis: solo necesitas tu cuenta del sitio.

Entrar al foro