Lanzada la semana pasada, esta importante actualización de la plataforma devsecops de GitLab agrega un catálogo de CI/CD de componentes de canalización reutilizables y un panel de impacto de IA. La compañía también anunció Duo Enterprise, un asistente impulsado por IA que ayuda a detectar vulnerabilidades en el código y resolver cuellos de botella de CI/CD. El asistente se lanzará virtualmente el 24 de junio. Combina las capacidades de IA enfocadas en el desarrollador de Duo Pro, incluidas las sugerencias y explicaciones de código, con capacidades de IA enfocadas en el negocio para otros aspectos del ciclo de vida del desarrollo de software, como detectar y remediar vulnerabilidades de seguridad y resumir discusiones sobre problemas y solicitudes de fusión. "Duo Enterprise también ayudará a resolver cuellos de botella y fallas de CI/CD y mejorará la colaboración en equipo", dicho Laboratorio Git.

En cuanto a GitLab 17, la actualización presenta un catálogo de CI/CD que permite a los usuarios descubrir, reutilizar y contribuir a los componentes de CI/CD preconstruidos. También pueden crear un catálogo privado para distribuir canales personalizados para automatizar los flujos de trabajo. La incorporación de un panel de impacto de la IA tiene como objetivo ayudar a las organizaciones a comprender el impacto del asistente de programación Duo AI en la productividad de los desarrolladores. Por ejemplo, los desarrolladores pueden comparar las tendencias de uso de la IA con métricas de desarrollo de software como el tiempo de ejecución, el tiempo de ciclo, las métricas de DORA y las vulnerabilidades.

Un gestor de secretos nativos también en el menú

Además, GitLab planea realizar varias mejoras en su plataforma devsecops, entre ellas:

- Un administrador de secretos nativo que permitirá a los usuarios almacenar credenciales confidenciales;

- Integraciones de pruebas de seguridad de aplicaciones estáticas (SAST) para mejorar la precisión, reducir los falsos positivos y abordar los riesgos en la capa de aplicación;

- Capacidades analíticas para comprender patrones de comportamiento de los usuarios, medir el rendimiento del producto y priorizar mejoras de funciones;

- Capacidades de planificación empresarial ágil que incluyen epopeyas mejoradas, campos personalizados en problemas y hojas de ruta;

- Un registro de modelos para que los científicos de datos desarrollen modelos de IA/ML en la misma plataforma donde los ingenieros crean e implementan el código.