Cognition llega a Latinoamérica: Devin ya trabaja en Itaú y Nubank

Cognition, creadora del ingeniero autónomo de IA Devin, ha anunciado su expansión en Latinoamérica. El anuncio tuvo lugar la semana pasada en el museo MASP de São Paulo, ante directivos de grandes empresas, organismos públicos y firmas tecnológicas. El principal argumento de la compañía son los casos de sus clientes. En el banco Itaú, más del 75% de los equipos tecnológicos usa Devin, y en Nubank la migración de un monolito de varios millones de líneas llevó semanas en lugar de años y costó más de 20 veces menos. Todas las cifras las proporciona la propia Cognition y no han sido verificadas de forma independiente.

Por qué precisamente esta región

Cognition describe Latinoamérica como uno de los mercados más mobile-first del mundo. WhatsApp, los bancos digitales y los nuevos productos financieros se han extendido allí muy rápido, mientras que los sistemas que los sustentan se han quedado atrás. Un cliente en Brasil paga el almuerzo con un código QR, pero el banco que procesa el pago sigue funcionando con COBOL.

Además, el mercado de desarrolladores es enorme: 15,8 millones de cuentas en GitHub, casi cinco veces más que en 2020. Es la tercera mayor comunidad después de la de Estados Unidos y la de India. Sin embargo, según la lógica de Cognition, el problema no se resuelve solo con contrataciones. Hace falta otra forma de escribir, modernizar y mantener el código, y Devin se posiciona precisamente como esa herramienta.

Qué muestran los casos de clientes

Entre los clientes de Devin en la región, la compañía menciona a Itaú, Nubank, Santander, Natura y EBANX. Las cifras más detalladas corresponden a dos bancos:

• Itaú: más del 75% de los equipos tecnológicos usa Devin;
• se han documentado más de 300 000 repositorios;
• la migración de servicios heredados de .NET a Java va 6 veces más rápido;
• aproximadamente el 70% de las vulnerabilidades de seguridad se corrige de forma automática;
• en el conjunto del banco, la capacidad de ingeniería ha aumentado entre un 20 y un 30%;
• Nubank (unos 140 millones de clientes): la migración de un monolito de varios millones de líneas pasó de años a semanas, y el coste cayó más de 20 veces.

Todas estas tareas (documentación, migraciones, corrección de vulnerabilidades) tienen un alcance acotado y se pueden verificar: hay tests y criterios de finalización. En este tipo de tareas es donde los agentes autónomos ofrecen mejores resultados. La metodología con la que se mide la «capacidad de ingeniería» no se ha revelado, como tampoco el nivel de referencia con el que se compara. La cifra del 20–30% para el banco parece verosímil, pero es más correcto considerarla una estimación del cliente y del proveedor.

Los planes de Cognition en la región

El equipo de São Paulo trabajará con clientes de toda Latinoamérica e invertirá en el ecosistema local de desarrolladores. La compañía está contratando en la región, incluidos deployed engineers: ingenieros que se integran en los equipos de los clientes. Para implantar un agente en un entorno regulado, este es un elemento clave: sin personas junto al código base de un banco o de un organismo público, el piloto suele atascarse en los accesos, los procesos de revisión y los requisitos de seguridad.

El mensaje de Cognition se dirige a los bancos, operadores de telecomunicaciones, minoristas y gobiernos locales: para qué importar software escrito en otro lugar si en la región hay desarrolladores, mercado y, ahora, herramientas.

Por dónde empezar si su equipo está valorando agentes

Si usted es responsable de ingeniería en una empresa con mucho código heredado, lo que conviene retener no son los lemas, sino la elección de tareas. Empiece por una migración, la documentación o el cierre de vulnerabilidades, donde el resultado se verifica de forma automática. Antes del piloto, fije las métricas de referencia: tiempo por tarea, proporción de cambios aceptados y coste de cada pull request fusionado.

Compruebe la cobertura de tests: sin ella, el agente no tiene ninguna señal de que no ha roto nada. Acuerde de antemano con el equipo de seguridad los accesos, el almacenamiento de datos y las reglas de revisión de código. Y calcule la economía sobre el ciclo completo, incluido el tiempo de las personas que revisan el resultado: ahí suele esconderse la diferencia entre el efecto declarado y el real.