Devin lanza Code Scans: de objetivo a PRs con IA

Devin lanza Code Scans: el agente que convierte objetivos de ingeniería en PRs

Devin, el agente de software autónomo de Cognition, presentó este 18 de septiembre su nueva funcionalidad Code Scans: una forma de traducir objetivos abstractos de ingeniería —"mejorar el SEO", "reducir deuda técnica", "acelerar la compilación"— en mejoras concretas repartidas por todo el código. El usuario define la meta, Devin investiga qué hay que cambiar, prioriza los hallazgos y los entrega listos para abrir pull requests (PRs).

El anuncio llega en un momento clave para Cognition. La compañía acaba de cerrar el 8 de septiembre una Serie E de más de US$2.000 millones a una valoración de US$48.000 millones, según reportó American Bazaar. El run-rate de ingresos pasó de US$492 millones en mayo a casi US$900 millones en septiembre, de acuerdo con cifras de la propia empresa recogidas por PYMNTS. Code Scans se apoya en la misma arquitectura que el producto anterior de la casa, Devin Security Swarm, extendiendo la idea de "enjambre de agentes" desde la seguridad hacia cualquier objetivo de ingeniería.

¿Qué problema resuelve Code Scans?

Según la nota de Cognition, muchos tickets de ingeniería empiezan con un objetivo, no con un cambio puntual. Identificar dónde está el problema en todo el repositorio ya es un proyecto en sí; implementar las mejoras, otro. Code Scans ataca las dos mitades: investigar a fondo y ejecutar.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El caso que Cognition usa para mostrar el rendimiento es la reducción del tiempo de compilación de Dioxus, el framework open-source de Rust que el equipo de Jonathan Kelley acaba de unir a Cognition, según Unite.ai. En esa prueba, el clean debug build pasó de 58,6 a 21,0 segundos: una reducción del 64% en los 22 crates del espacio de trabajo, al hacer opcionales por defecto features pesadas de la CLI.

Para SEO, Cognition aplicó el scan a sus propios sitios devin.ai y cognition.com y obtuvo 44 hallazgos. Tras aplicar los arreglos, los datos de Ahrefs que cita el blog muestran:

El health score de Ahrefs en devin.ai subió de 87 a 92.
Las páginas lentas en devin.ai bajaron un 73%.
El missing image alt text se eliminó por completo en cognition.com.

Cómo funciona la arquitectura Agentic MapReduce

El motor detrás de Code Scans es Agentic MapReduce, la misma arquitectura de Devin Security Swarm. Opera en cuatro fases:

Plan: Devin estudia el repositorio y define reglas para identificar el código relevante al objetivo.
Shard: Esas reglas barren el código y dividen los hallazgos coincidentes en lotes enfocados.
Map: Varios agentes Devin en paralelo investigan cada lote, leyendo código circundante y reportando hallazgos.
Reduce: Un agente final consolida los hallazgos, elimina duplicados y los prioriza en un único reporte.

Esa división mantiene el contexto de cada agente acotado y, según Cognition, garantiza completitud: todo lote seleccionado debe procesarse. Es el mismo principio que aplicaron a seguridad, ahora abierto a cualquier objetivo que el equipo defina.

Qué tipos de análisis se pueden lanzar

Cognition listó en su blog doce categorías de scan listas para usar, más una abierta. Cada una es un objetivo que el equipo formula en lenguaje natural y que Devin traduce a un plan de investigación:

Rendimiento: rutas lentas, cómputo redundante, oportunidades de caché perdidas.
Consultas a base de datos: patrones N+1, viajes innecesarios, lecturas sin límite.
Cobertura de tests: flujos importantes, casos borde y caminos de fallo sin testear.
Código muerto: funciones, módulos, dependencias y feature flags obsoletos.
Calidad de código: lógica duplicada, complejidad innecesaria, violaciones de estándares internos.
Limpieza: abstracciones redundantes, boilerplate excesivo.
Telemetría: huecos en logs, métricas y tracing que dificultan diagnosticar fallos.
Accesibilidad: etiquetas faltantes, interacciones de teclado rotas, brechas contra los criterios WCAG que defina el equipo.
Compliance: manejo de datos sensibles, auditoría, retención contra políticas internas.
Planificación de migraciones: dependencias, flujos end-to-end y lógica de negocio a reescribir.
SEO: metadatos faltantes, canonicals incorrectos, directivas de indexación, sitemaps y datos estructurados.
El propio: cualquier patrón que el equipo quiera que Devin rastree en el código.

Code Scans y el nuevo mapa competitivo de la IA para programar

El lanzamiento se inscribe en una categoría que se reconfiguró por completo en los últimos meses. Según el ranking de Memeburn, las herramientas líderes de 2026 son GitHub Copilot, Cursor, Claude Code, Devin Desktop (el antiguo Windsurf, ahora bajo Cognition), Amazon Q Developer, Tabnine, Cline, Gemini Code Assist y Codeium. El 84% de los desarrolladores ya usa o planea usar herramientas de IA, y cerca del 70% dice que los agentes les reducen tiempo en tareas específicas, de acuerdo con la misma fuente.

La capa de agentes autónomos es la que más se recalentó en 2026. Cursor fue adquirida por SpaceX por US$60.000 millones en agosto, según GCN. Cognition respondió con esta Serie E de US$48.000 millones y, además, incorporó al equipo completo de Dioxus (liderado por Jonathan Kelley) el 10 de septiembre, reportó Unite.ai, para reforzar la máquina virtual, las habilidades de computer use y el testing de Devin. En julio de 2025, Goldman Sachs incorporó a Devin como su "primer ingeniero de software de IA", según Yahoo Finance, y Cognizant selló en enero de 2026 una alianza para integrar Devin y Windsurf en su plataforma Flowsource, donde ya reporta un 30% de código generado por IA, con meta de llegar al 50%.

¿Qué significa esto para tu startup?

El cambio de mentalidad es el verdadero punto. Hasta ahora la mayoría de founders usaba agentes para tickets puntuales: "arregla este bug", "añade esta función". Code Scans apunta a otra escala: delegar al agente una pregunta sobre todo el código y recibir, además del diagnóstico, las pull requests listas. Para un equipo técnico pequeño eso significa externalizar trabajo de auditoría que normalmente nunca entra al roadmap.

Acciones concretas que podés aplicar esta semana:

Elegí un objetivo que tu equipo viene postergando — SEO, tech debt, performance, cobertura de tests — y probá /scan en tu sesión de Devin. Empezá con un scan acotado (un solo objetivo, repositorio pequeño) para calibrar calidad de hallazgos antes de escalar.
Definí criterios verificables antes de lanzar el scan — igual que Cognition lo hizo con Dioxus ("excluir archivos generados y test fixtures, chequear referencias indirectas"). Sin criterio explícito, los hallazgos van a ser genéricos y vas a perder el tiempo filtrándolos.
Reservá un bloque de revisión humana — la herramienta entrega PRs, no código perfecto. Tu rol pasa a ser decidir cuáles se mergean, cuáles se ajustan y cuáles se descartan. Si tu equipo no tiene ese bloque agendado, los PRs se acumulan y la promesa de productividad se invierte.