codificador zenla startup de Silicon Valley que construye agentes de codificación impulsados ​​por IA, lanzó el lunes una aplicación de escritorio gratuita que, según dice, cambiará fundamentalmente la forma en que los ingenieros de software interactúan con la inteligencia sintético, llevando a la industria más allá de la era exento de "codificación de vibraciones" cerca de un enfoque más disciplinado y verificable del incremento asistido por IA.

El producto, llamado Zenflowpresenta lo que la empresa describe como un "Capa de orquestación de IA" que coordina múltiples agentes de IA para planificar, implementar, probar y revisar código en flujos de trabajo estructurados. El impulso es el intento más avaricioso de Zencoder hasta el momento de diferenciarse en un mercado cada vez más concurrido y dominado por herramientas como Cursor, Copiloto de GitHuby agentes de codificación creados directamente por gigantes de la IA antrópico, AbiertoAIy Google.

"Las UI de chat estaban correctamente para los copilotos, pero se estropean cuando intentas progresar." dijo Andrew Filev, director ejecutante de Zencoder, en una entrevista monopolio con VentureBeat. "Los equipos están chocando contra un pared donde la velocidad sin estructura crea deuda técnica. Zenflow reemplaza ‘Prompt Roulette’ con una lista de ensamblaje de ingeniería donde los agentes planifican, implementan y, fundamentalmente, verifican el trabajo de los demás."

El anuncio llega en un momento crítico para el incremento de software empresarial. Empresas de todos los sectores han invertido miles de millones de dólares en herramientas de codificación de IA en los últimos dos primaveras, con la esperanza de acelerar drásticamente su producción de ingeniería. Sin requisa, la revolución de la productividad prometida en gran medida no se ha materializado a escalera.

Por qué las herramientas de codificación de IA no han cumplido su promesa de productividad 10 veces longevo

Filev, quien anteriormente fundó y vendió la empresa de diligencia de proyectos. Wrike a Citrixseñaló una creciente desconexión entre la exageración y la ingenuidad de la codificación de IA. Si correctamente los proveedores han prometido aumentos de productividad diez veces mayores, estudios rigurosos, incluida una investigación de la Universidad de Stanford, muestran consistentemente mejoras cercanas al 20 por ciento.

"Si hablas con líderes de ingeniería reales, no remembranza una sola conversación en la que alguno se haya codificado a sí mismo con una productividad de 2x, 5x o 10x en una producción de ingeniería seria." dijo Filev. "El número peculiar que escucharía sería aproximadamente del 20 por ciento."

El problema, según Filev, no radica en los modelos de IA en sí, sino en cómo los desarrolladores interactúan con ellos. El enfoque habitual de escribir solicitudes en una interfaz de chat y esperar código útil funciona correctamente para tareas simples, pero fracasa en proyectos empresariales complejos.

El equipo de ingeniería interno de Zencoder afirma acontecer ideado un enfoque diferente. Filev dijo que la compañía ahora opera aproximadamente al doble de la velocidad que logró hace 12 meses, no principalmente porque los modelos de IA mejoraron, sino porque el equipo reestructuró sus procesos de incremento.

"Tuvimos que cambiar nuestro proceso y utilizar una variedad de mejores prácticas diferentes," dijo.

Adentro de los cuatro pilares que impulsan la plataforma de orquestación de IA de Zencoder

Zenflow organiza su enfoque en torno a cuatro capacidades centrales que, según Zencoder, cualquier plataforma seria de orquestación de IA debe acoger.

Flujos de trabajo estructurados reemplace las indicaciones a propósito con secuencias repetibles (planificar, implementar, probar, revisar) que los agentes sigan de modo consistente. Filev estableció paralelismos con su experiencia en la creación de Wrike y señaló que las listas de tareas individuales rara vez se amplían entre organizaciones, mientras que los flujos de trabajo definidos crean resultados predecibles.

Progreso impulsado por especificaciones Requiere que los agentes de IA generen primero una determinación técnica, luego creen un plan paso a paso y solo luego escriban el código. El enfoque se volvió tan efectivo que desde entonces los laboratorios de inteligencia sintético de vanguardia, incluidos Anthropic y OpenAI, han entrenado sus modelos para que lo sigan automáticamente. La determinación áncora a los agentes a requisitos claros, evitando lo que Zencoder candela "deriva de iteración," o la tendencia del código generado por IA a desviarse gradualmente de la intención diferente.

Demostración multiagente despliega diferentes modelos de IA para murmurar el trabajo de cada uno. Adecuado a que los modelos de IA de la misma clan tienden a compartir puntos ciegos, Zencoder dirige las tareas de comprobación entre proveedores de modelos y le pide a Claude que revise el código escrito por los modelos de OpenAI, o al revés.

"Piense en ello como una segunda opinión de un médico," Filev dijo a VentureBeat. "Con el proceso correcto, vemos resultados a la par de lo que se esperaría de Claude 5 o GPT-6. Hoy obtienes el beneficio de un maniquí de próxima procreación."

Ejecución paralela permite a los desarrolladores ejecutar múltiples agentes de IA simultáneamente en entornos aislados, evitando que interfieran con el trabajo de los demás. La interfaz proporciona un centro de comando para monitorear esta flota, una desviación significativa de la actos flagrante de mandar múltiples ventanas de terminal.

Cómo la comprobación resuelve el longevo problema de confiabilidad de la codificación AI

El fuerza de Zencoder en la comprobación aborda una de las críticas más persistentes al código generado por IA: su tendencia a producir "agua sucia," o código que parece correcto pero falta en producción o se degrada en iteraciones sucesivas.

La investigación interna de la compañía encontró que los desarrolladores que se saltan la comprobación a menudo caen en lo que Filev llamó un "rizo de asesinato." Un agente de IA completa una tarea con éxito, pero el desarrollador, reacia a revisar código desconocido, sigue delante sin entender lo que estaba escrito. Cuando las tareas posteriores fallan, el desarrollador carece del contexto para solucionar los problemas manualmente y, en cambio, sigue solicitando soluciones a la IA.

"Textualmente pasan más de un día en ese ciclo de asesinato," dijo Filev. "Es por eso que la productividad no es 2x, porque primero estaban funcionando 3x y luego desperdiciaron todo el día."

El comprobación multiagente Este enfoque igualmente le da a Zencoder una preeminencia competitiva inusual sobre los propios laboratorios de IA de vanguardia. Si correctamente Anthropic, OpenAI y Google optimizan cada uno sus propios modelos, Zencoder puede mezclar y combinar proveedores para dominar el sesgo.

"Esta es una situación poco popular en la que tenemos una preeminencia en los laboratorios de frontera," dijo Filev. "La mayoría de las veces tienen preeminencia sobre nosotros, pero este es un caso raro."

Zencoder se enfrenta a una dura competencia por parte de gigantes de la IA y nuevas empresas correctamente financiadas

codificador zen ingresa al mercado de orquestación de IA en un momento de intensa competencia. La empresa se ha posicionado como una plataforma independiente del maniquí y admite a los principales proveedores, incluidos Anthropic, OpenAI y Google Gemini. En septiembre, Zencoder amplió su plataforma para permitir a los desarrolladores utilizar agentes de codificación de lista de comandos de cualquier proveedor interiormente de su interfaz.

Esa logística refleja un agradecimiento pragmático de que los desarrolladores mantienen cada vez más relaciones con múltiples proveedores de IA en espacio de comprometerse exclusivamente con uno. El enfoque de plataforma universal de Zencoder le permite servir como capa de orquestación independientemente de qué modelos subyacentes prefiera una empresa.

La compañía igualmente enfatiza la preparación empresarial, promocionando SOC 2 Tipo II, ISO 27001y ISO 42001 certificaciones inmediato con el cumplimiento de GDPR. Estas credenciales son importantes para industrias reguladas como las de servicios financieros y atención médica, donde los requisitos de cumplimiento pueden estrechar la admisión de herramientas de inteligencia sintético orientadas al consumidor.

Pero codificador zen enfrenta una competencia formidable desde múltiples direcciones. Cursor y Tabla a vela Hemos creado editores de código dedicados a la IA con bases de usuarios dedicados. Copiloto de GitHub se beneficia del poder de distribución de Microsoft y de su profunda integración con el repositorio de código más conspicuo del mundo. Y los laboratorios de inteligencia sintético de vanguardia continúan ampliando sus propias capacidades de codificación.

Filev descartó las preocupaciones sobre la competencia de los laboratorios de inteligencia sintético, argumentando que los actores más pequeños como Zencoder pueden avanzar más rápido en la innovación de la experiencia del beneficiario.

"Estoy seguro de que llegarán a la misma conclusión, y son inteligentes y se mueven rápido, así que estoy seguro de que se pondrán al día con conveniente prontitud." dijo. "Por eso dije que en los próximos seis a 12 meses veremos mucho de esto propagándose por todo el espacio."

El argumento a honra de adoptar la orquestación de IA ahora en espacio de esperar a mejores modelos

Los ejecutivos técnicos que sopesan las inversiones en codificación de IA se enfrentan a una pregunta difícil: ¿deberían adoptar herramientas de orquestación ahora o esperar a que los laboratorios de IA de vanguardia incorporen estas capacidades de forma nativa en sus modelos?

Filev argumentó que esperar conlleva un peligro competitivo significativo.

"En este momento, todo el mundo está bajo presión para ofrecer más en menos tiempo y todo el mundo demora que los líderes de ingeniería obtengan resultados a partir de la IA." dijo. "Como fundador y director ejecutante, no espero el 20 por ciento de mi vicepresidente de ingeniería. Espero 2x."

Asimismo cuestionó si los principales laboratorios de IA darán prioridad a las capacidades de orquestación cuando su negocio principal siga siendo el incremento de modelos.

"En el mundo ideal, los laboratorios fronterizos deberían construir los mejores modelos y competir entre sí, y Zencoders y Cursors deben construir la mejor capa de aplicación UI y UX sobre esos modelos." dijo Filev. "No veo un mundo en el que OpenAI le ofrezca nuestro verificador de código, o al revés."

Zenflow se bichero como un aplicación de escritorio gratuitacon complementos actualizados disponibles para Código de estudio visual y JetBrains entornos de incremento integrados. El producto soporta lo que Zencoder candela "flujos de trabajo dinámicos," lo que significa que el sistema ajusta automáticamente la complejidad del proceso en función de si un humano está monitoreando activamente y de la dificultad de la tarea en cuestión.

Zencoder dijo que las pruebas internas mostraron que reemplazar las indicaciones habitual con la capa de orquestación de Zenflow mejoró la corrección del código en aproximadamente un 20 por ciento en promedio.

Lo que revela la envite de Zencoder por la orquestación sobre el futuro de la codificación con IA

codificador zen marcos Zenflow como el primer producto de lo que demora convertirse en una nueva e importante categoría de software. La compañía cree que todos los proveedores centrados en la codificación de IA eventualmente llegarán a conclusiones similares sobre la exigencia de herramientas de orquestación.

"Creo que los próximos seis a 12 meses se centrarán exclusivamente en la orquestación," —predijo Filev. "Muchas organizaciones finalmente alcanzarán ese doble. No 10x todavía, pero al menos el 2x que prometieron hace un año."

En espacio de competir cara a cara con laboratorios de inteligencia sintético de vanguardia en cuanto a la calidad de los modelos, Zencoder envite a que la capa de aplicación (el software que ayuda a los desarrolladores a utilizar estos modelos de modo efectiva) determinará los ganadores y los perdedores.

Se comercio, sugirió Filev, de un patrón corriente en la historia de la tecnología.

"Esto es muy similar a lo que observé cuando comencé Wrike," dijo. "A medida que el trabajo se volvió digital, la familia dependió del correo electrónico y de las hojas de cálculo para gestionarlo todo, y nadie de los dos podía seguir el ritmo."

La misma dinámica, argumentó, se aplica ahora a la codificación de IA. Las interfaces de chat se diseñaron para conversar, no para orquestar flujos de trabajo de ingeniería complejos. Sigue siendo una cuestión abierta si Zencoder puede establecerse como la capa esencial entre los desarrolladores y los modelos de IA ayer de que los gigantes construyan sus propias soluciones.

Pero Filev parece cómodo con la carrera. La última vez que vio una brecha entre la forma en que trabajaba la familia y las herramientas con las que tenían que trabajar, creó una empresa valorada en más de mil millones de dólares.

Zenflow está habitable inmediatamente como descarga gratuita en zencoder.ai/zenflow.