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

Las revisiones de código, si bien son fundamentales para la calidad, a menudo se convierten en un cuello de botella en el desarrollo acelerado. Optimal AI está cambiando eso. Su misión es "devolverles el tiempo a los ingenieros" usando la IA para automatizar la ingeniería y el cumplimiento. Sus soluciones incluyen Optibot, un revisor de código de IA centrado 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 tenía dificultades con la velocidad y la comprensión contextual necesarias para una revisión de código con IA verdaderamente eficaz. "El mayor desafío fue la comprensión contextual. Necesitábamos un modelo que pudiera analizar los conjuntos de 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 codificación, lo que proporciona comentarios prácticos y reduce drásticamente los tiempos de revisión.
• Información de ingeniería práctica extraída: Los modelos de Gemini analizan datos de GitHub y Jira para identificar cuellos de botella y comprender el rendimiento de la ingeniería, y diferencian de manera eficaz la actividad productiva de la rotación de código.
• Velocidad y sofisticación equilibradas: Optimal AI aprovecha Gemini 2.5 Pro para el análisis complejo y la comprensión detallada del código, mientras que Gemini 2.0 Flash proporciona la velocidad necesaria para 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 detallados, 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 del árbol 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 conjuntos de cambios de código complejos y comprender patrones de ingeniería más amplios.
  • Compatibilidad con varios idiomas: La capacidad mejorada de los modelos de Gemini para controlar varios lenguajes y frameworks de programación fue un logro significativo para Optimal AI.
  • Google AI Studio: El equipo usa Google AI Studio con frecuencia para realizar pruebas rápidas de instrucciones, evaluar modelos y realizar iteraciones. "La capacidad de ver los resultados junto con el código de implementación facilitó mucho los experimentos de nuestros ingenieros", señala Ahmed.

El impacto de la integración de Gemini fue significativo para Optimal AI y sus clientes. Los resultados clave incluyen lo siguiente:

• Reducción del 50% en los tiempos de ciclo de las solicitudes de extracción: Los ingenieros dedican menos tiempo a esperar las revisiones y más tiempo a la codificación.
• Adopción y expansión rápidas por parte de los clientes: Empresas como MongoDB aumentaron significativamente su uso de Optimal AI después de experimentar sus beneficios, pasando de 5 a más de 40 ingenieros.
• Ronda de financiación previa a la semilla exitosa de USD 2.25 millones: Se logró en la versión beta privada, principalmente gracias 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 RP, 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 conjunto de agentes de IA para automatizar aún más tareas repetitivas. Actualmente, están desarrollando "Code Radar", un agente diseñado para supervisar, aplicar parches y proteger bases de código de forma autónoma. Al reflexionar sobre su experiencia con la API de Gemini, Syed Ahmed les ofrece este consejo a otros desarrolladores:

"Ve directamente a Google AI Studio. Tiene mejores herramientas y 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. Proporcionamos a los modelos todo el contexto pertinente posible… Cuanto más contexto proporcionamos, mejor se volvía 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 compilar mejor software con mayor rapidez.

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