Durante casi tres años, la compañía Cognition ha estado desarrollando Devin, un ingeniero autónomo capaz de recibir tareas y entregar soluciones en forma de solicitudes de extracción (pull requests). Ahora, con el lanzamiento de Devin Bots, da un paso más allá: introduce agentes persistentes encargados de supervisar múltiples sesiones de programación y gestionar resultados técnicos durante días o semanas.
Scott Wu, CEO de Cognition, defiende que reducir aunque sea ligeramente la intervención humana restante en el desarrollo de software podría multiplicar la productividad. En un mensaje publicado en la red social X, se planteaba la pregunta de cuánto más podrían avanzar los desarrolladores si estos agentes automatizados gestionaran no el 98%, sino el 99% de su trabajo. Wu asegura que durante las pruebas internas y beta, se observaron mejoras significativas en la eficacia.
El núcleo del argumento se sitúa en que la automatización va más allá de la mera escritura de código, y que la coordinación es la siguiente gran área a optimizar. En este sentido, Cognition ha cambiado su estrategia, enfocándose en que sus agentes no sólo reciban tareas puntuales, sino que gestionen objetivos continuos y complejos.
Así lo explica Silas Alberti, miembro fundador de Cognition, quien indica que Devin Bots ya ha logrado reducir semanas de labores investigativas a apenas días. Un ejemplo ilustrativo es el mantenimiento de la paridad funcional entre las versiones de una app para iOS y su equivalente para Android. Mientras que ante el modelo tradicional cada actualización en iOS implicaba crear tareas individuales para Android, ahora Devin Bots asigna automáticamente las tareas correspondientes sin necesidad de intervención humana constante.
Este avance responde a una tendencia creciente donde los agentes de programación actúan no sólo como asistentes, sino como miembros activos dentro de equipos de desarrollo. Devin Bots ha elevado este concepto al permitir que un agente coordine el trabajo general, manejando de forma autónoma distintas partes del proyecto.
Un caso destacado es la creación de la versión de Android de Devin. Sin contar con ingenieros especializados en esta plataforma, Cognition asignó el desarrollo íntegro a un Devin Bot el 28 de septiembre. Durante 44 días, el Bot gestionó 1.134 pull requests, escribió más de 344.000 líneas de código en Kotlin, cerró 1.217 tickets y ejecutó 2.841 pruebas visuales. Sorprendentemente, el ingeniero encargado apenas envió 183 mensajes en total, sin contactar al Bot en 22 jornadas completas.
El proceso consistió en que el Bot generaba tareas y las repartía entre distintas sesiones de Devin, fusionando los cambios tras superarlos controles de integración continua y revisiones automatizadas. El equipo podía monitorizar el avance vía actualizaciones diarias en Slack, que incluso incluían grabaciones de pantalla. Actualmente la app para Android se encuentra en fase de prueba abierta en Google Play, aunque todavía debe alcanzar la paridad funcional con la versión iOS.
Otro agente llamado Layout Bot desempeña un papel crucial al verificar cada tres horas que la app web no presente errores visuales. Esta herramienta recompila el código más reciente y examina la interfaz bajo distintas condiciones de carga, lo que ha llevado a corregir un 70% de los retrasos visuales en tan solo tres semanas, según la compañía.
Además, Cognition opera un estudio de juegos móviles con una red de 20 bots que responden a un agente principal bautizado como Super Jenny. Cuatro veces al día, Super Jenny presenta decisiones para aprobación humana. Gracias a esta estructura, la producción semanal de pull requests del estudio ha pasado de unas 50 a unas 1.900, reflejando un aumento notable en la productividad.
No obstante, existen desafíos para la gestión autónoma. Cuando varios agentes trabajan en paralelo, pueden surgir conflictos por dependencias o errores que afecten al código global. Cognition no ha divulgado en detalle cómo sus bots resuelven estos choques.
Para evitar problemas, los desarrolladores pueden establecer límites en los recursos computacionales y proteger ciertos controles de integración continua. Las tareas que requieren revisión humana se remiten a una bandeja de entrada llamada «Needs You». Sin embargo, la empresa tampoco ha aclarado cómo se determina cuándo un cambio está listo para integrarse o cuándo la persistencia de errores requiere intervención manual.
Otro punto pendiente es la verificación del código cuando los propios bots generan pruebas para validar su trabajo. Actualmente, las solicitudes de extracción realizadas por agentes de IA han comenzado a desafiar los métodos tradicionales de revisión de código, razón por la cual algunos equipos están implementando bucles de verificación independientes diseñados para detectar fallos que el agente original podría pasar por alto.
Desde The New Stack se ha solicitado a Cognition más información sobre cómo coordinan múltiples agentes, cómo valoran el trabajo completado y los criterios para convocar al factor humano. Hasta ahora, la compañía no ha revelado cuánto tiempo de ingeniería se emplea en revisar o corregir los desarrollos realizados por sus bots.