A medida que las herramientas de codificación basadas en IA inundan el mercado, ha surgido una debilidad crítica: de forma predeterminada, como ocurre con la mayoría de las sesiones de chat de LLM, son temporales: tan pronto como cierras una sesión y comienzas una nueva, la herramienta olvida todo en lo que estabas trabajando.
Los desarrolladores solucionaron esto haciendo que las herramientas de codificación y los agentes guardaran su estado en archivos de texto y de rebajas, pero esta solución es, en el mejor de los casos, pirateada.
ExcavaciónLa startup de revisión de códigos de IA cree que tiene una solución con el lanzamiento de lo que llama el primer sistema de reglas inteligentes de la industria para la gobernanza de la IA, un marco que proporciona a los revisores de códigos de IA una memoria organizacional persistente.
El nuevo sistema, anunciado hoy como parte de Qodo 2.1, reemplaza los archivos de reglas estáticos mantenidos manualmente con una capa de gobernanza inteligente. Genera automáticamente reglas a partir de patrones de código reales y decisiones de revisión anteriores, mantiene continuamente la integridad de las reglas, aplica estándares en cada revisión de código y mide el impacto en el mundo real.
Para Itamar Friedman, director ejecutivo y cofundador de Qodo, el lanzamiento representa un momento crucial no sólo para su empresa, sino para todo el espacio de herramientas de desarrollo de IA.
“Creo firmemente que este anuncio nuestro es el más importante que hemos hecho jamás”, dijo Friedman en una entrevista con VentureBeat.
El problema del ‘Recuerdo’
Para explicar la limitación de las herramientas de codificación de IA actuales, Friedman invoca la película de Christopher Nolan de 2000. Memoriaen el que el protagonista sufre pérdida de memoria a corto plazo y debe tatuarse notas en su cuerpo para recordar información crucial.
“Cada vez que los llamas, es una máquina que se despierta desde cero”, dijo Friedman sobre los asistentes de codificación de IA actuales. “Así que todo lo que puede hacer es, antes de entrar en suspensión y reiniciarse, escribir todo lo que hizo en un archivo”.
Este enfoque (guardar contexto en archivos de rebajas como agentes.md o servilleta.md) se ha convertido en una solución alternativa común entre los desarrolladores que utilizan herramientas como Claude Code y Cursor. Pero Friedman sostiene que este método fracasa a escala empresarial.
“Piense en un software pesado en el que ahora tiene, digamos, 100.000 de estas notas adhesivas”, dijo. “Algunos de ellos son post-it. Algunos de ellos son excelentes explicaciones. Algunos de ellos son historias. Te despiertas y te asignan una tarea. Lo primero que piensas [the AI] Lo que estás haciendo es estadísticamente empezar a buscar los memorandos correctos… Es mucho mejor que no tenerlos. Pero es muy aleatorio”.
De apátrida a estatal
La evolución de las herramientas de desarrollo de IA ha seguido una trayectoria clara, según Friedman: desde el autocompletado (GitHub Copilot) hasta preguntas y respuestas (ChatGPT), pasando por agentes de codificación dentro del IDE (Cursor) y capacidades de agentes en todas partes (Claude Code). Pero afirma que todos ellos siguen siendo fundamentalmente apátridas.
“Para que el desarrollo de software revolucione verdaderamente la forma en que desarrollamos software para el mundo real, debe ser una máquina con estado”, dijo Friedman.
El principal desafío, explicó, es que la calidad del código es inherentemente subjetiva. Diferentes organizaciones tienen estándares diferentes e incluso los equipos dentro de la misma empresa pueden abordar los problemas de manera diferente.
“Para lograr realmente un alto nivel de automatización, es necesario poder personalizarlo según los requisitos específicos de su empresa”, afirmó Friedman. “Es necesario poder entregar código de alta calidad. Pero la calidad es subjetiva”.
La respuesta de Qodo es lo que Friedman describe como “memoria que se acumula durante mucho tiempo y es accesible para los agentes codificadores, y luego pueden husmear y comprobar si lo que realmente están haciendo está en línea con las necesidades subjetivas de la empresa”.
Cómo funciona el sistema de reglas Qodo
El sistema de reglas Qodo establece lo que la empresa llama una fuente unificada de verdad para los estándares de codificación organizacional. El sistema incluye varios componentes principales:
Descubrimiento automático de reglas: Un agente de descubrimiento de reglas genera patrones a partir de bases de código y recibe comentarios de las solicitudes, lo que elimina la creación manual de archivos de reglas.
Mantenimiento inteligente: Un agente experto en reglas identifica continuamente conflictos, duplicados y patrones obsoletos para evitar lo que la empresa llama “deterioro de las reglas”.
Aplicación escalable: Las reglas se aplican automáticamente durante la revisión del código de solicitud de extracción y se proporcionan correcciones recomendadas a los desarrolladores.
Análisis del mundo real: Las organizaciones pueden realizar un seguimiento de las tasas de adopción, las tendencias de infracciones y las métricas de mejora para demostrar que se están siguiendo los estándares.
Friedman enfatizó que esto representa un cambio fundamental en la forma en que operan las herramientas de revisión de código de IA. “Esta es la primera vez que la herramienta de revisión de código de IA pasa de reactiva a proactiva”, dijo.
El sistema presenta reglas basadas en estándares de código, mejores prácticas y su propia biblioteca, y luego las presenta a los líderes técnicos para su aprobación. Una vez aceptadas, las organizaciones reciben estadísticas sobre la adopción de reglas y las violaciones en su base de código.
Una conexión más estrecha entre la memoria y los agentes
Lo que distingue el enfoque de Qodo, según Friedman, es la forma en que el sistema de reglas se integra con los propios agentes de IA, en lugar de tratar la memoria como un recurso externo a través del cual la IA debe buscar.
“En Qodo, esa memoria y los agentes están mucho más conectados, como lo tenemos en nuestro cerebro”, dijo Friedman. “Hay mucha más estructura… donde las diferentes partes están muy conectadas y no separadas”.
Friedman señaló que Qodo aplica técnicas de aprendizaje de refuerzo y ajuste fino a este sistema integrado, lo que atribuye a la empresa el logro de una mejora del 11 % en precisión y recuperación con respecto a otras plataformas, identificando con éxito 580 defectos en 100 relaciones públicas de producción del mundo real.
Friedman ofreció una predicción para la industria: “Cuando mires un año hacia adelante, quedará muy claro que cuando comencemos 2026, estaremos en máquinas sin estado que están tratando de piratear la forma en que interactúan con la memoria. Y tendremos una forma muy acoplada para fines de 2026, y Qodo 2.1 es el primer modelo de cómo hacerlo”.
Implementación empresarial y precios
Qodo se posiciona como una empresa que da prioridad a la empresa y ofrece diversas opciones de implementación. Las organizaciones pueden implementar el sistema completamente dentro de su propia infraestructura a través de la nube o VPN, usar una opción SaaS de inquilino único donde Qodo aloja una instancia aislada u optar por SaaS de autoservicio tradicional.
Las reglas y los archivos de memoria pueden residir dondequiera que la empresa lo requiera (en su propia infraestructura de nube o alojados en Qodo), abordando las preocupaciones de gobernanza de datos que los clientes empresariales suelen plantear.
En cuanto a precios, Qodo mantiene su modelo actual basado en asientos con cuotas de uso. Actualmente la empresa ofrece tres niveles de precios: Un plan de desarrollador gratuito para individuos con 30 pruebas de PR por mes, un plan de equipos de $38 por usuario por mes (con un ahorro del 21% disponible para la facturación anual) que incluye 20 PR por usuario mensualmente y 2500 créditos IDE/CLI, y un plan empresarial personalizado con precios de contacto que agrega características como conocimiento del contexto de múltiples repositorios, opciones de implementación local, SSO y soporte prioritario.
Friedman reconoció el debate en curso en la industria sobre si los precios basados en asientos tienen sentido en una era de agentes de IA, pero dijo que la compañía planea abordar este tema de manera más integral a finales de este año.
“Si obtienes más valor, pagas más”, dijo Friedman. “Si no lo haces, entonces todos estaremos bien”.
Respuesta temprana del cliente
Ofer Morag Brin de la empresa de tecnología de recursos humanos Hibob, una de las primeras en adoptar el Sistema de Reglas, informó resultados positivos en un comunicado de prensa que Qodo compartió con VentureBeat antes del lanzamiento.
“El Sistema de Reglas Qodo no sólo sacó a la luz los patrones que teníamos en diferentes lugares; los puso en práctica”, dijo Brin. “El sistema refuerza continuamente la forma en que nuestros equipos revisan y escriben código, y estamos viendo una mayor coherencia, una integración más rápida y mejoras mensurables en la calidad de la revisión entre los equipos”.
Fundada en 2018, Qodo ha recaudado 50 millones de dólares de inversores como TLV Partners, Vine Ventures, Susa Ventures y Square Peg, con inversores ángeles de OpenAI, Shopify y Snyk.
