GitHub puso en preview publico el streaming de sesiones del agente de Copilot —prompts, respuestas y llamadas a herramientas— hacia SIEM o Purview, más una REST API que devuelve las ultimas 48 horas: la auditabilidad del agente de codigo se volvio feature de plataforma.
Contrata a un empleado brillante que trabaja sin descanso, escribe código a velocidad sobrehumana y toca decenas de sistemas internos, pero del que no conservas ni un solo registro de qué hizo, qué leyó ni qué comando ejecutó. Así era, hasta hace poco, dejar que un agente de IA programara dentro de tu empresa: entraba, actuaba y salía sin rastro. El 2 de julio de 2026, GitHub cerró parte de ese hueco al poner en preview público el 'Copilot agent session streaming', que abre acceso a los datos de sesión del agente —prompts, respuestas y llamadas a herramientas— para clientes de GitHub Enterprise Cloud con enterprise managed users. El agente dejó de ser una caja negra que escupe pull requests: ahora deja huella.
La caja negra que por fin habla
Lo relevante no es que Copilot programe —eso ya lo hacía— sino que ahora expone qué decide. El agente de código no solo autocompleta líneas: recibe instrucciones en lenguaje natural, razona y llama a herramientas: lee archivos, ejecuta comandos, consulta APIs. Cada una de esas acciones es una decisión que antes se evaporaba. GitHub captura ahora las tres capas: el prompt (qué le pediste o qué se pidió a sí mismo), la respuesta (qué generó) y las tool calls (qué tocó del mundo real). Es la diferencia entre saber que un empleado 'trabajó en el proyecto' y tener el vídeo de cada tecla que pulsó.
Dos puertas: la manguera y el balde
GitHub ofrece dos vías para extraer esos datos, y la elección revela cómo piensan las empresas la gobernanza. La primera es un endpoint de streaming: configuras un destino —un colector de eventos, tu SIEM (Splunk, Sentinel, el que uses) o Microsoft Purview, que también llega en preview público— y la data fluye sola, en tiempo casi real, como una manguera abierta hacia tu centro de seguridad. La segunda es una REST API bajo demanda: GET /enterprises/{enterprise}/copilot/usage-records, que devuelve las últimas 48 horas de sesión cuando se solicitan. Manguera para vigilancia continua, balde para auditorías puntuales. El alcance cubre cloud agents en github.com y ghe.com, y las sesiones desde Copilot CLI, VS Code, Visual Studio y los IDEs de partners JetBrains y Eclipse.
Por qué esto pesa más que una feature de logs
Aquí está el giro que importa: la observabilidad del agente se está volviendo capacidad de plataforma, no lujo. Cuando una IA con permisos de escritura toca tus repos, tus secretos y tus sistemas de producción, la pregunta del equipo de seguridad no es '¿es útil?' sino '¿puedo auditar qué hizo cuando algo salga mal?'. Sin ese registro, el agente es un riesgo de cumplimiento que ningún CISO firma. Con él, cada acción es reconstruible, atribuible y revisable —los tres verbos que separan un juguete de una herramienta apta para operar dentro de una empresa regulada. GitHub no vende velocidad aquí; vende la confianza que hace que la velocidad sea aprobable. Y esa es la jugada silenciosa de 2026: la gobernanza del agente se convirtió en el verdadero desbloqueador de la adopción.
La lección para quien construye con IA
La moraleja es limpia: si vas a dejar que un agente actúe en tu nombre, el registro estructurado de lo que hizo no es opcional, es lo que hace la operación defendible. No basta con que la IA sea buena; tiene que ser auditable, o tarde o temprano alguien pregunta '¿qué pasó exactamente aquí?' y no tienes respuesta. En NeuralOS partimos de esa misma convicción: el logging estructurado y el audit-log append-only son estándar del núcleo, no un parche posterior —cada acción con su ID, su contexto y su trazabilidad, nunca un catch vacío que se traga el error. No prometemos hoy un dashboard SIEM enterprise como el de GitHub; sí construimos sobre el principio que lo hace posible: un agente en el que confías es un agente cuyos pasos puedes reconstruir. La caja negra fue la era anterior. La que viene se escribe, línea por línea, en un registro que alguien puede leer.