Greptile amplía la detección de errores con GPT‑6 Astra

Greptile⁠(se abre en una ventana nueva) crea agentes de IA que revisan y prueban cambios en el código con todo el contexto de la base de código. «Nos dedicamos a reducir los errores y a hacer que el software de todo el mundo sea más fiable», afirma Daksh Gupta, cofundador y CEO.

Para Daksh, esa misión exige poner a prueba el comportamiento de una aplicación, además de leer su código. La capacidad de GPT‑6 Astra de usar un ordenador permite a Greptile automatizar las pruebas a gran escala.

Validar una pull request implica comprobar si la lógica del código es correcta, si hace lo que pretendía el desarrollador, si es seguro y si mantiene intactas las funciones existentes. Para algunas de esas pruebas, tienes que ejecutar la aplicación, porque leer el código puede no bastar para detectar el problema.

Daksh pone como ejemplo un botón que desaparece al ver un sitio web en un iPhone. Con GPT‑6 Astra, Greptile puede iniciar un servidor de desarrollo para una pull request, ajustar el área visible del navegador al tamaño de la pantalla de un iPhone y simular a un usuario navegando por la aplicación. La comprensión visual del modelo le permite inspeccionar la pantalla y detectar el botón oculto.

«Que una empresa de control de calidad pruebe todos tus cambios resulta demasiado lento para ser viable, teniendo en cuenta lo rápido que podemos publicar código con estos modelos», explica. Con GPT‑6 Astra, Greptile puede automatizar este tipo de pruebas de aplicaciones a gran escala.

Daksh señala que los modelos más potentes también facilitan que los atacantes aprovechen las vulnerabilidades de las aplicaciones, lo que pone en riesgo a las empresas, incluso a las que antes no solían ser su objetivo.

«Queremos que incluso una startup pueda proteger sus sistemas con mucha facilidad», afirma Daksh. «Con Daybreak, podemos hacerlo de forma muy segura y garantizar que nuestros clientes cuenten con mecanismos de defensa más sofisticados que los mecanismos de ataque de sus adversarios».

La base de conocimientos de Greptile indexa la base de código de una empresa y documenta cómo funciona en un formato que pueden leer tanto las personas como los agentes. La empresa pone esa documentación a disposición de Codex a través de un servidor del protocolo de contexto de modelos (MCP).

Esto permite a Codex escribir código que sigue los patrones que ya utiliza el cliente. Según Daksh, miles de clientes han conectado Codex a la base de conocimientos de Greptile.

Para medir el impacto, el equipo registra con qué frecuencia se revierten los cambios de código generados por IA. «Cuando proporcionamos contexto a los agentes, se revierten menos cambios y los clientes ahorran tiempo y recursos de inferencia», explica Daksh. Los clientes pueden dedicar ese ahorro a nuevas tareas, en lugar de rehacer los mismos cambios.

Greptile también utiliza Codex para desarrollar su propio software y sus agentes. «Usamos Codex muchísimo», afirma Daksh. «Lo utilizamos de forma intensiva en todas las áreas, especialmente en ingeniería».

Para Greptile, explica Daksh, el único cuello de botella real es la rapidez con la que el equipo puede convertir las ideas en software que funcione. Afirma que la inteligencia de los modelos ya es suficiente para muchas tareas, por lo que ve Ultrafast como una forma de acelerar el desarrollo.

Su objetivo a más largo plazo es que modificar y lanzar software empresarial crítico sea tan fácil como lanzar un proyecto personal, con la ayuda de OpenAI para que Greptile desarrolle los procesos de validación necesarios.