Optimal AI usa la API de Gemini para reducir los tiempos de revisión de código en un 50%

Si bien las revisiones de código son fundamentales para la calidad, a menudo se convierten en un cuello de botella en el desarrollo acelerado. La IA óptima está cambiando eso. Su misión: “devolverles a los ingenieros su tiempo” con IA para automatizar la ingeniería y el cumplimiento. Sus soluciones incluyen Optibot, un revisor de código de IA enfocado en la seguridad y el cumplimiento, y una plataforma de estadísticas potenciada por la API de Gemini que optimiza la velocidad de desarrollo.

Anteriormente, Optimal AI tuvo desafíos con la velocidad y la comprensión contextual necesarias para una revisión de código de IA verdaderamente eficaz. “El mayor desafío fue la comprensión contextual. Necesitábamos un modelo que pudiera analizar los cambios de código y contextualizarlos”, explica Syed Ahmed, cofundador y CTO.

Con la integración de la API de Gemini, Optimal AI mejoró significativamente sus ofertas:

• Mayor velocidad y precisión en la revisión de código: Optibot, potenciado por la API de Gemini, revisa automáticamente las solicitudes de extracción en busca de vulnerabilidades de seguridad, riesgos de cumplimiento y patrones de programación, lo que proporciona comentarios prácticos y reduce drásticamente los tiempos de revisión.
• Extracción de estadísticas prácticas de ingeniería: Los modelos de Gemini analizan datos de GitHub y Jira para identificar cuellos de botella y comprender el rendimiento de la ingeniería, y diferenciar de manera eficaz entre la actividad productiva y la rotación de código.
• Velocidad y sofisticación equilibradas: La IA óptima aprovecha Gemini 2.5 Pro para realizar análisis complejos y comprender el código en profundidad, mientras que Gemini 2.0 Flash proporciona la velocidad necesaria para las tareas de baja latencia, como los resúmenes rápidos.

La implementación de Optimal AI muestra la flexibilidad de la API de Gemini:

• Modelos utilizados::
  • Gemini 2.5 Pro: Para análisis de código detallado, verificaciones de seguridad, comentarios contextuales sobre solicitudes de extracción y la identificación de patrones de ingeniería complejos para obtener estadísticas de rendimiento.
  • Gemini 2.0 Flash: Para tareas de baja latencia, como el análisis de árboles de archivos y la generación de resúmenes rápidos.
• Funciones clave y su implementación::
  • Comprensión contextual: La gran ventana de contexto de los modelos de Gemini es fundamental para interpretar cambios complejos de código y comprender patrones de ingeniería más amplios.
  • Compatibilidad con varios idiomas: La capacidad mejorada de los modelos de Gemini para controlar varios lenguajes de programación y frameworks fue una victoria significativa para Optimal AI.
  • Google AI Studio: El equipo usa mucho Google AI Studio para realizar pruebas rápidas de instrucciones, evaluación de modelos y iteración. "La capacidad de ver los resultados junto con el código de implementación facilitó mucho la experimentación de nuestros ingenieros", señala Ahmed.

El impacto de la integración de Gemini ha sido significativo para Optimal AI y sus clientes. Entre los resultados clave, se incluyen los siguientes:

• Reducción del 50% en los tiempos del ciclo de solicitudes de extracción: Los ingenieros dedican menos tiempo a esperar las revisiones y más tiempo a codificar.
• Adopción y expansión rápidas de los clientes: Empresas como MongoDB aumentaron significativamente el uso de Optimal AI después de experimentar sus beneficios, pasando de 5 a más de 40 ingenieros.
• Logró una ronda de financiación previa a la inversión semilla por un total de USD 2.25 millones: Esto se logró en la versión beta privada, en gran parte debido a la tracción y los resultados demostrados con las funciones potenciadas por la API de Gemini.

“A los equipos les encanta que Optibot los ayude a reducir a la mitad los tiempos de revisión de las PR, lo que permite que los ingenieros dediquen más tiempo a la programación en lugar de esperar aprobaciones”, comparte Ahmed.

Optimal AI se enfoca en expandir su paquete de agentes de IA para automatizar aún más tareas repetitivas. Actualmente, están desarrollando "Code Radar", un agente diseñado para supervisar, parchear y proteger bases de código de forma autónoma. Reflexionando sobre su recorrido con la API de Gemini, Syed Ahmed ofrece este consejo a sus colegas desarrolladores:

"Ve directamente a Google AI Studio, ya que tiene mejores herramientas, mejor documentación y hace que la experimentación sea mucho más eficiente". También enfatiza lo siguiente: "Aprovecha al máximo la ventana de contexto del modelo de Gemini. Proporciona a los modelos todo el contexto relevante posible… Cuanto más contexto proporcionamos, mejor fue el razonamiento de la IA".

El éxito de Optimal AI demuestra cómo la API de Gemini puede transformar el desarrollo de software, lo que permite a los equipos crear software mejor y más rápido.

¿Todo listo para compilar? Explora la documentación de la API de Gemini y comienza a usar Google AI Studio hoy mismo.