Entire apuesta a que el cuello de botella del software ya no es escribir código, sino revisarlo: un forge de Git para agentes

Por El Ecosistema Startup · 8 de noviembre de 2026.

Entire, la startup fundada por Thomas Dohmke, ex-CEO de GitHub, ha lanzado un forge de Git (plataforma que aloja repositorios y organiza la colaboración sobre el código) construido desde cero para un mundo en el que quien escribe y revisa el código es, cada vez más, un agente de IA. Según Moneycontrol, la compañía levantó 60 millones de dólares en una ronda semilla en febrero de 2026, liderada por Felicis y con una valoración de 300 millones.

La pieza central son las «trails». Una trail puede nacer de un informe de error, de una petición de funcionalidad o abrirse a mano, y puede abarcar varios repositorios. En cada push, un agente de revisión corre en un sandbox en la nube y devuelve una nota razonada sobre cuatro ejes: calidad de código, seguridad, «slop» (código descuidado o redundante) y necesidad de revisión humana. La interfaz muestra las últimas cinco rondas junto a la actual. Además, el equipo puede definir «gates»: condiciones obligatorias de aprobación, que según la documentación del producto pueden exigir aprobación humana e integración continua en verde, informó iTWire.

La crítica de Dohmke al pull request es concreta: según él, su línea temporal se ha convertido en «un log de auditoría que solo lee el agente» y no da al desarrollador lo necesario para decidir con confianza si fusionar. Su tesis de diseño es que repetir ciclos de evaluación y estabilizar las notas evita que un único intento deje pasar un problema crítico.

El segundo pilar es la «memoria continua». Cada sesión de un agente arranca sin acceso al razonamiento de decisiones anteriores. Entire propone dos herramientas de código abierto: entire-graph, un mapa precomputado del repositorio con búsqueda rankeada, y entire-brain, que lo combina con sesiones previas de agentes y el historial de Git. La empresa afirma que esto puede reducir el uso de tokens hasta un 71%, según Moneycontrol.

Las cifras de velocidad hay que leerlas con cautela. Entire sostiene que sus pushes son hasta 89 veces más rápidos que en GitHub (418 por segundo frente a 4,7), según iTWire. Pero ese medio aclara que no están verificadas de forma independiente, y la propia documentación de Entire reconoce que GitHub aplica límites de tasa y detección de abuso en escrituras masivas y que la distancia de red influye. La empresa ha liberado su herramienta de benchmark, ForgeMark, para que terceros revisen el método: es un buen gesto, pero todavía no es una verificación.

No está sola. Según InfoQ, compiten en la misma categoría Zed DeltaDB, Anthropic Scion, East River Source Control, Cursor Origin y Radicle. GitHub, propiedad de Microsoft desde 2018 (7.500 millones de dólares, recuerda GeekWire), y GitLab también refuerzan sus funciones agénticas. Entre los inversores de Entire figura M12, el brazo de capital riesgo de Microsoft.

**Nuestra lectura.** Lo más valioso del anuncio no es el benchmark, sino el diagnóstico: cuando los agentes producen código a ritmo industrial, el cuello de botella pasa de escribir a revisar y entender. Un pull request pensado para que una persona lea un diff de cien líneas no escala a decenas de cambios generados por máquinas cada hora. Si la revisión se mantiene como ritual, es teatro; si se convierte en evaluación repetida con criterios explícitos y puertas humanas, empieza a ser control real.

Esto conecta con una tesis que repetimos: en la IA agéntica, el fallo suele estar en el gobierno y no en el modelo. Las notas de un agente revisor son útiles, pero un agente que evalúa a otro agente puede compartir sus mismos sesgos. Como recuerda iTWire, una evaluación aprobada no prueba que el software cumpla los requisitos de negocio ni que esté libre de fallos de seguridad. Por eso los gates con humano en el circuito son la parte más importante del producto, no un añadido.

Sobre quién gana y quién pierde: GitHub y GitLab llevan años resolviendo integración continua, inicio de sesión corporativo (SSO) y cumplimiento normativo, y eso no se sustituye con un benchmark. Es probable que la batalla se decida por la «fontanería» (memoria, trazabilidad, estándares de agentes) más que por quién empuja más commits por segundo. Es una dinámica parecida a la de otras capas de la IA: gana quien controla la infraestructura sobre la que trabajan los modelos.

A largo plazo, la idea de preservar el «porqué» de cada decisión, y no solo el «qué» cambió, es un paso hacia software que se explica a sí mismo. Si la transición de la programación a la supervisión de agentes será dura para muchos perfiles juniores, también puede liberar tiempo humano para el criterio y el diseño, que es donde está el valor. Una buena noticia de fondo, siempre que no confundamos velocidad con confianza.