Devin, AI-mjukvaruingenjören, har precis fått sin prestationsbedömning för 2025! Under de senaste arton månaderna har tusentals företag anlitat Devin, inklusive Goldman Sachs, Citi, Santander och Nubank. Med hjälp av verkliga exempel och kundmått tittade vi på var Devin glänser och var det har svårt. Du kan tycka att detta är intressant om du funderar på att använda kodningsagenter i verkliga livet. Läs hela recensionen här: Viktiga slutsatser: 🧵

1/ Det första sättet att tänka på Devin är som en oändlig flotta av junioringenjörer. Det är utmärkt för väl avgränsade uppgifter som skulle ta 4–8 timmars arbete.

2/ Under det senaste året har Devin blivit mycket smartare som junioringenjör – dess PR-sammanslagningsfrekvens har fördubblats i takt med att de fått bättre förståelse för kodbasen.

3/ Det är utmärkt på kritiskt men tråkigt arbete som att migrera repos, åtgärda sårbarheter som statiska analysverktyg som SonarQube och Veracode, skriva enhetstester och fylla i små ärenden.

4/ Mänskliga utvecklare tog i genomsnitt 30 minuter per SonarQube-sårbarhet; Devin spelar i genomsnitt 1,5 minuter. Devin migrerade repos till en ny version av Java på 14 gånger kortare tid än en mänsklig ingenjör.

5/ Ett annat sätt som Devin har utvecklats under det senaste året är i kodbasens förståelse. Det är som att ha en senior ingenjör på begäran som har varit på ditt företag i många år.

6/ När Devin börjar med en kodbas genererar han dokumentation med diagram – även i storleksordningen hundratusentals repos.

7/ När ingenjörer startar nya projekt kan de prata med Devin för att väga designbeslut.

8/ Devin har svårt att självständigt genomföra tvetydiga krav. Det krävs tydligt definierade krav i förväg.

9/ Och Devin har inte direkt mjuka färdigheter – det är ju trots allt en AI. Den kan inte hantera rapporter, hantera meningsskiljaktigheter eller handleda ingenjörer.

10/ Om du är intresserad av att anställa Devin kan du prata med försäljning: