Como a Cognition testa o Devin em escala: lições de sistemas agênticos autônomos

O Devin deixou de ser um experimento para virar uma fábrica de validação em escala. O salto não está só no número de instâncias, 10 a 20 rodando simultaneamente, cada uma com seu servidor isolado, mas na mudança de regime operacional: mais sessões agora são assíncronas do que interativas. Isso significa que o agente não espera instruções passo a passo; ele recebe uma tarefa, executa, testa, repara e reporta sozinho, mesmo sem engenheiro online. O 'harness' com computer-use, integrado desde novembro de 2025, é o verdadeiro gatilho: permite que o Devin abra um navegador, clique em botões, navegue em Figma ou até rode um Photoshop dentro do sandbox, e então valide se sua própria mudança de código surtiu efeito visualmente. É a primeira vez que um agente de codificação consegue fechar o ciclo completo de teste *com interface*, não só com terminal.

Essa capacidade explica por que a verificação pré-merge deixou de ser opcional. Antes, era um 'nice-to-have' para equipes avançadas; hoje, é obrigatória porque o Devin já produz mais linhas de código em produção do que humanos na Cognition (89% dos commits). E o Devin Desktop, lançado em 4 de junho de 2026, não é só um app novo: é uma mudança de arquitetura, transforma o Devin num orquestrador neutro, capaz de gerenciar agentes da OpenAI e Anthropic ao lado do próprio, como se fosse um sistema operacional para engenharia de IA.

A cobertura anterior de 20 de maio mostrava agentes sendo usados com 'supervisão mínima'. Hoje, o Devin opera em modo autônomo contínuo: sessões duram dias, não horas, e a maioria nem inicia com interação humana. Em maio, falávamos de redução de tempo de projeto; agora, o Itaú corrige 70% das vulnerabilidades de segurança automaticamente, e a Mercedes-Benz migrou legado em oito dias, não semanas. A versão 2.2 (fevereiro de 2026) trouxe o Devin Review, que captura 30% mais erros antes da revisão humana; a v3.0 (janeiro de 2026) ampliou a janela de contexto para 10 milhões de tokens e habilitou replanejamento dinâmico. Tudo isso convergiu em junho: o teste end-to-end deixou de ser pontual para ser infraestrutura.

Isso muda o custo de operação de software. Um único engenheiro humano pode supervisionar 15 instâncias do Devin em paralelo, cada uma com ambiente de desenvolvimento completo na nuvem, algo impossível em laptop. A produtividade anualizada da Cognition saltou de US$ 37 mi para US$ 492 mi em 12 meses, e a garantia de produtividade lançada em 4 de junho (com ressarcimento até US$ 10 mi) mostra que a empresa está apostando que a métrica de saída de engenharia, não apenas linhas de código, mas impacto funcional, já é mensurável, confiável e comercializável. Para empresas brasileiras, isso significa que a adoção de agentes autônomos deixou de ser sobre 'teste piloto' e passou para 'replanejamento de orçamento de TI'.