La nuova funzione usa un flusso agentico per suddividere controlli complessi, coordinare l’analisi del codice e trasformare i risultati in interventi pronti per la revisione.
Devin amplia il proprio raggio d’azione nel coding assistito con Code Scans, una funzione annunciata il 16 settembre 2026 e progettata per trasformare obiettivi ingegneristici ampi in interventi concreti sulla base di codice. Il sistema può esaminare un repository, raccogliere i risultati in un rapporto unitario e arrivare alla preparazione di pull request da sottoporre al team.
L’idea è affrontare attività che richiedono una ricognizione estesa del software. Un responsabile tecnico può chiedere di individuare opportunità per migliorare le prestazioni, controllare le query verso il database o aumentare la copertura dei test. Code Scans organizza il lavoro, distribuisce l’analisi e restituisce una sintesi utilizzabile per decidere quali modifiche applicare.
Questo approccio porta gli agenti di intelligenza artificiale oltre la generazione locale di una funzione o il completamento di poche righe. L’unità di lavoro diventa un obiettivo che può coinvolgere numerosi file e componenti. Il risultato atteso comprende sia l’individuazione delle aree interessate sia la produzione di modifiche verificabili attraverso il normale processo di revisione.
Come funziona Agentic MapReduce
Il flusso descritto da Devin prende il nome di Agentic MapReduce. Code Scans parte da una fase di pianificazione, suddivide il compito in gruppi di lavoro, avvia analisi parallele e riunisce i risultati in un rapporto finale. La struttura consente di affrontare repository estesi evitando che l’intera ricognizione venga trattata come una singola operazione indivisibile.
In termini pratici, la fase iniziale interpreta l’obiettivo assegnato e stabilisce come esplorare la base di codice. Le attività vengono quindi distribuite in batch, ciascuno dedicato a una parte del problema. La sintesi finale deve ricomporre i diversi esiti, eliminare le sovrapposizioni e presentare un quadro coerente degli interventi possibili.
Il termine MapReduce descrive bene la logica di suddivisione e aggregazione. La componente agentica aggiunge la capacità di pianificare il controllo, investigare i risultati e proseguire verso modifiche operative. Nell’applicazione web il flusso può essere richiamato attraverso il comando /scan.
Il confronto utile è con gli strumenti di analisi statica, che in genere applicano regole definite per trovare specifiche categorie di errori o violazioni. Code Scans riceve invece un obiettivo espresso a un livello più ampio e coordina una ricerca contestuale nel repository. Le due modalità possono convivere: i controlli deterministici continuano a fornire verifiche ripetibili, mentre l’agente può collegare indizi distribuiti e formulare proposte di intervento.
Dall’analisi alla pull request
La produzione di pull request distingue Code Scans da un semplice rapporto diagnostico. Una segnalazione descrive dove intervenire; una pull request inserisce la soluzione proposta nel flusso quotidiano degli sviluppatori, insieme alle differenze nel codice e agli strumenti di revisione già utilizzati dal team.
La revisione umana conserva quindi un ruolo operativo preciso. Gli sviluppatori possono controllare la coerenza delle modifiche con l’architettura, verificare gli effetti sul comportamento dell’applicazione e decidere quali interventi integrare. L’agente si occupa della ricognizione e della preparazione delle modifiche, riducendo il lavoro ripetitivo necessario per passare da un obiettivo generale a una serie di interventi circoscritti.
I casi d’uso indicati comprendono la ricerca di codice inutilizzato, le attività di pulizia e il miglioramento della qualità. Altri controlli possono riguardare telemetria, accessibilità e conformità. Devin include inoltre la pianificazione delle migrazioni e la SEO tra gli ambiti affrontabili con questo modello.
La varietà degli esempi mostra una funzione orientata alla manutenzione continua. Molte di queste attività rimangono a lungo nei backlog perché richiedono di esaminare sezioni distanti del repository e coordinare numerose modifiche di dimensioni ridotte. Una scansione agentica può raccogliere questo lavoro in un processo strutturato, offrendo al team una base più ordinata per stabilire priorità e tempi.
I risultati dichiarati nei progetti pilota
Devin riferisce che i team pilota hanno registrato un tasso di merge delle pull request del 96%. L’azienda dichiara inoltre oltre 700 ore di lavoro ingegneristico risparmiate in un test condotto su più repository e cita Philips tra gli esempi di adozione.
Le metriche provengono dal produttore e vanno lette come risultati preliminari ottenuti in contesti selezionati. Il tasso di merge indica che una quota elevata delle modifiche proposte è stata accettata nei progetti osservati; da solo non misura la complessità degli interventi, la qualità a lungo termine del codice o il lavoro richiesto durante la revisione. Anche il risparmio di tempo dipende dalle dimensioni dei repository, dalla maturità dei processi e dal tipo di obiettivo assegnato.
Questi numeri non equivalgono a un benchmark indipendente su larga scala. La verifica più significativa avviene sul repository interessato, confrontando il tempo impiegato dal team, la percentuale di pull request accettate e gli eventuali interventi correttivi richiesti. Un progetto pilota delimitato può fornire indicazioni più utili di una media generale.
Come cambia il lavoro degli sviluppatori
Con Code Scans, la formulazione del compito acquista maggiore importanza. Una richiesta generica può produrre un insieme ampio di osservazioni, mentre un obiettivo circoscritto facilita la valutazione del risultato. Indicazioni come ridurre una specifica inefficienza, aumentare la copertura in un modulo o preparare una migrazione offrono criteri più chiari per esaminare il rapporto e le pull request.
Il team può così dedicare più attenzione alle decisioni che richiedono conoscenza del prodotto e dell’architettura. La ricerca ripetitiva tra file, dipendenze e occorrenze viene affidata all’agente. Agli sviluppatori restano la definizione delle priorità, la valutazione delle conseguenze e l’approvazione delle modifiche.
Per le piccole imprese e per le organizzazioni con gruppi tecnici ridotti, questa modalità può rendere più accessibili alcune attività di manutenzione rimandate nel tempo. Anche una piattaforma editoriale o un servizio digitale può accumulare interventi relativi a prestazioni, accessibilità e SEO. Una scansione coordinata aiuta a trasformare tali esigenze in una coda di modifiche verificabili, senza richiedere una ricognizione manuale iniziale dell’intero repository.
Un’adozione progressiva e misurabile
L’impiego più efficace parte da un obiettivo delimitato e da criteri di valutazione espliciti. Il team può scegliere un repository conosciuto, avviare una scansione e controllare la qualità del rapporto prima di autorizzare interventi più estesi. Le pull request prodotte possono seguire le stesse regole di revisione applicate al codice scritto dagli sviluppatori.
È utile misurare il tempo risparmiato durante la ricognizione, il numero di proposte effettivamente integrate e la quantità di correzioni richieste. Questi indicatori consentono di capire quali attività si adattano meglio al flusso agentico e quali continuano a richiedere un’analisi diretta fin dalle prime fasi.
Code Scans evidenzia una direzione ormai riconoscibile nel coding assistito: gli agenti vengono impiegati per coordinare attività distribuite sull’intera base di codice. Il valore pratico dipenderà dalla qualità della pianificazione, dalla leggibilità dei risultati e dall’integrazione con i processi di revisione. Quando questi elementi sono presenti, la manutenzione del software può diventare più sistematica e una parte consistente del lavoro preparatorio può essere automatizzata.
Fonti
