Cognition presenta Devin, un agente de IA para programar de principio a fin
La startup Cognition ha presentado Devin, un agente de IA que recibe encargos de programación, crea un plan y trabaja con terminal, editor y navegador. La empresa asegura que supera a otros sistemas en el benchmark SWE-bench.
Cognition ha presentado este martes Devin, un agente de inteligencia artificial diseñado para abordar tareas de ingeniería de software de forma autónoma. No se limita a sugerir líneas de código: la compañía le da un entorno informático propio, con terminal, editor de código y navegador, para investigar un problema, escribir una solución, probarla y corregir errores.
La propuesta llega en un momento en que asistentes como GitHub Copilot o ChatGPT ya se han incorporado al trabajo de muchos desarrolladores. La diferencia es de alcance: aquellos suelen responder a peticiones concretas dentro del flujo de trabajo del programador; Devin aspira a encargarse de una tarea completa y devolver el resultado.
Un agente que puede usar herramientas
Cognition describe a Devin como un agente, es decir, un sistema que no solo genera texto o código, sino que decide una secuencia de acciones para alcanzar un objetivo. Ante un encargo, puede elaborar un plan, buscar documentación en internet, abrir archivos de un repositorio, ejecutar comandos y comprobar el comportamiento del programa que está modificando.
El sistema también puede pedir aclaraciones al usuario cuando encuentra una ambigüedad. Esa capacidad es importante en programación: una petición aparentemente sencilla puede ocultar requisitos sobre seguridad, compatibilidad, rendimiento o la forma en que debe usarse una aplicación.
En su demostración, Cognition mostró a Devin aprendiendo tecnologías desconocidas a partir de documentación, corrigiendo errores en proyectos de código abierto y creando una aplicación web. Son tareas habituales en equipos de software, aunque una demostración controlada no equivale al trabajo mantenido sobre un producto real.
La referencia: SWE-bench
Para sostener su anuncio, Cognition utilizó SWE-bench, una prueba basada en incidencias reales de repositorios públicos de GitHub. El reto consiste en resolver errores y solicitudes de cambio a partir de la descripción que dejaron sus mantenedores, y validar después la solución con pruebas automáticas.
La empresa afirma que Devin resolvió sin asistencia el 13,86% de los casos del conjunto de prueba. Como comparación, Cognition indicó que el anterior mejor resultado era del 1,96%.
La cifra merece atención, pero también contexto. Resolver alrededor de uno de cada siete problemas no convierte al sistema en un sustituto general de un ingeniero de software. SWE-bench mide incidencias concretas y verificables; el desarrollo profesional incluye entender necesidades de negocio, negociar prioridades, revisar decisiones de arquitectura y responsabilizarse de un sistema cuando falla.
Aun así, el avance es relevante porque evalúa algo más exigente que completar una función aislada: obliga al modelo a moverse por un proyecto existente, interpretar un fallo y modificar el código sin romper otras partes.
De copiloto a delegación de trabajo
La llegada de Devin refleja un cambio en la carrera por automatizar la programación. Durante los últimos dos años, el producto dominante ha sido el copiloto: una herramienta que acelera al desarrollador proponiendo código, explicando funciones o redactando pruebas. Los agentes plantean otro modelo: delegarles una tarea delimitada y supervisar el resultado.
Eso puede ser útil para corregir incidencias repetitivas, preparar prototipos, actualizar dependencias o investigar fallos con una primera propuesta. También puede reducir el tiempo dedicado a tareas que hoy consumen horas de navegación entre documentación, repositorios y registros de errores.
Pero la autonomía añade riesgos prácticos. Un agente con acceso a una terminal puede instalar paquetes, cambiar configuraciones o introducir dependencias vulnerables si no existe revisión humana. El código que supera una prueba automática tampoco garantiza que sea mantenible, seguro o adecuado para la infraestructura de una empresa.
Cognition, cofundada por el programador competitivo Scott Wu, ha anunciado que ofrecerá acceso temprano a Devin. Su capacidad real se medirá fuera de las demostraciones y los benchmarks: en proyectos con requisitos imprecisos, sistemas antiguos y revisiones de código de profesionales que tendrán que decidir si las soluciones del agente merecen llegar a producción.
