Scale AI y Nvidia con Greptile: dos formas de poner una IA antes de la revisión humana
Scale AI usa Greptile como primer revisor con promoción automática limitada. Nvidia lo autoaloja con Perforce y GitLab. Así difieren ambos casos.
La respuesta corta
Ambas empresas colocan Greptile antes de los revisores humanos, pero de modos distintos. Según la página de clientes de Greptile, Scale AI lo usa como primer revisor para unos 650 ingenieros. La herramienta puntúa y explica cada pull request, y un pequeño conjunto de cambios triviales puede promoverse sin intervención humana.
La página de Nvidia describe un proyecto de otra forma: una instancia autoalojada que revisa código en Perforce y en GitLab, con funciones a medida que Greptile dice haber desarrollado para cada uno. Cada página informa de sus propios resultados, medidos de manera distinta. Este artículo los mantiene separados.
Qué hace Greptile antes de comentar
Greptile dice construir un grafo de los archivos, funciones y dependencias de un repositorio. Después, un enjambre de agentes revisa cada pull request con ese contexto más amplio, evalúa el impacto más allá del diff y señala errores, riesgos de seguridad e infracciones de estilo.
www.greptile.com · www.usedby.ai
Otras dos funciones descritas por el proveedor importan aquí. Greptile afirma aprender los estándares de un equipo a partir de comentarios de revisión anteriores, y aceptar reglas personalizadas escritas en lenguaje natural. El proveedor indica soporte completo para lenguajes como Python, JavaScript, TypeScript, Go, Java, C++ y Rust, y en general ofrece autoalojamiento, incluso en el entorno AWS del cliente.
La página de Nvidia lo resume con claridad: un cambio se revisa frente a los llamadores y contratos que no toca, y no solo sobre las líneas del diff. La misma página cita además un punto sobre independencia: las herramientas que escriben el software no son las que lo revisan.
Scale AI: una primera pasada con puntuación y un atajo estrecho
La página de Scale indica que Greptile lo usan unos 650 ingenieros que trabajan sobre todo en Python, Go, TypeScript y React. Greptile revisa primero. Después, los revisores humanos abren una pull request que ya trae contexto y una puntuación. El VP de Ingeniería de Scale afirma que los revisores tienen más confianza con pull requests ya puntuadas por Greptile, y que la revisión se estaba convirtiendo en un cuello de botella a medida que el desarrollo se aceleraba.
Hay una excepción. Un cambio solo se promueve automáticamente si es de bajo riesgo, queda por debajo de un techo de complejidad y cuenta con la aprobación explícita de Greptile, por ejemplo un archivo de fixtures o la edición de una línea de registro. La página dice que hoy solo una parte pequeña de los cambios cumple esas condiciones y que Scale podría ampliarla a medida que maduren su monitorización en producción y sus pruebas. Casi todas las pull requests siguen recibiendo revisión humana.
La adopción fue inusual. Scale empezó por los repositorios más grandes y después la extendió a los equipos que la pidieron. Al principio, los ingenieros describieron la herramienta como ruidosa y molesta. Scale la mantuvo varias semanas y luego la desactivó durante uno o dos días. Los ingenieros pidieron recuperarla, y la página presenta esa reacción como la señal de valor más clara.
El VP informa de que la empresa fusiona y entrega más rápido, sobre todo en cambios sencillos, con más confianza entre los revisores. La cifra principal es de más de 100 000 errores detectados. Son cifras comunicadas por Scale. La página, tal como se leyó, no explica cómo se contó cada error ni desglosa el total por gravedad.
Nvidia: un primer revisor autoalojado sobre Perforce y GitLab
La página de Nvidia describe una instancia autoalojada de Greptile que trabaja con Perforce y GitLab, sobre un código que incluye C++, Python y CUDA. Greptile dice haber entregado 35 funciones a medida para Perforce y 55 para GitLab. Es mucho trabajo específico y la señal más clara de que no fue una instalación estándar.
La página informa de unas 395 000 pull requests revisadas, con unas 880 000 ejecuciones de revisión y unos 930 000 comentarios. Son cifras de volumen. Muestran cuánto tráfico pasa por el revisor, no cuántos comentarios fueron correctos o útiles.
En cuanto a resultados, la cifra de tiempo corresponde a un solo equipo. Según la página, su tiempo medio de fusión pasó de más de 24 horas a seis. El despliegue abarca varios equipos y productos de Nvidia, así que esa cifra no debe leerse como un promedio de toda la empresa.
Qué difiere y qué no se puede comparar
Los despliegues difieren en varios aspectos. El de Nvidia está autoalojado y abarca dos sistemas de control de versiones, con una amplia integración a medida. La página de Scale describe un despliegue para un gran grupo de ingenieros con Python, Go, TypeScript y React, y no describe su modelo de alojamiento. Scale también detalla un límite estrecho de promoción automática, mientras que la página de Nvidia, tal como se leyó, presenta a Greptile como primer revisor sin una vía equivalente.
www.greptile.com · www.greptile.com
Los resultados también difieren. Scale informa de un número de errores detectados. Nvidia informa del volumen total de revisiones y del cambio en el tiempo de fusión de un equipo. Son páginas de clientes alojadas por el proveedor, con poblaciones y métricas distintas, así que no pueden leerse como una prueba comparativa. Ninguna explica por qué la empresa eligió Greptile.
www.greptile.com · www.greptile.com
Lecciones para otros equipos
Estas son conclusiones editoriales basadas en las dos páginas, no afirmaciones del proveedor. Primero, trate la herramienta como una primera pasada que facilita la revisión humana, como hace Scale, y no como un sustituto. Segundo, si permite alguna promoción automática, escriba antes los criterios. La combinación de Scale entre bajo riesgo y techo de complejidad es un buen modelo.
Tercero, es una inferencia editorial a partir del caso de Scale: la molestia inicial no lo dice todo. Los ingenieros de Scale encontraron la herramienta ruidosa, pero la pidieron de vuelta cuando se desactivó. Preguntar si la gente la echa de menos es una forma de evaluarla. Cuarto, Nvidia muestra otro camino: el autoalojamiento sobre Perforce y GitLab vino acompañado de un trabajo de integración considerable, como sugiere el número de funciones a medida. Los equipos con control de versiones poco común o requisitos de alojamiento especiales deberían esperar un esfuerzo similar. Quienes tengan configuraciones habituales quizá necesiten menos.
www.greptile.com · www.greptile.com
Método y límites
2026-10-15
Esta instantánea fechada cuenta empresas distintas con pruebas públicas de clientes. CONFIRMED indica un caso de estudio, testimonio identificado o fuente de prensa; OBSERVED, una lista de clientes del proveedor; SIGNAL, una oferta de empleo. Los tres niveles cuentan, con distinta solidez. Se excluyen las líneas retiradas o sin nivel. Los ejemplos son una selección limitada verificada en los últimos 90 días. Los datos del proveedor tienen fuentes comprobadas en los últimos 60 días. La cobertura es desigual y la ausencia de pruebas es desconocida. Las cifras no miden cuota de mercado ni rendimiento; las fechas de captura no son fechas de adopción.
Fuentes
- www.greptile.comgreptile.com
- www.greptile.comgreptile.com
- www.greptile.comgreptile.com
Preguntas
¿Scale AI deja que Greptile promueva cambios sin una persona?
Solo en una categoría pequeña. La página de Scale indica que la promoción automática se aplica a cambios de bajo riesgo por debajo de un techo de complejidad, como archivos de fixtures o ediciones de líneas de registro. Casi todas las pull requests siguen teniendo revisión humana.
¿Está autoalojado el despliegue de Greptile en Nvidia?
Sí, según la página de cliente de Nvidia, que describe una instancia autoalojada que trabaja con Perforce y GitLab. Greptile dice haber creado 35 funciones a medida para Perforce y 55 para GitLab.
¿Qué informa Nvidia sobre los tiempos de fusión con Greptile?
La página de Nvidia dice que el tiempo medio de fusión de un equipo pasó de más de 24 horas a seis. Es el resultado de un solo equipo, publicado en una página alojada por el proveedor, no un promedio de toda Nvidia.
¿Cómo revisa Greptile el código más allá del diff?
Greptile dice construir un grafo de archivos, funciones y dependencias y usar un enjambre de agentes para revisar cada pull request. También afirma aprender los estándares del equipo a partir de comentarios anteriores y aceptar reglas en lenguaje natural.
¿Se pueden comparar directamente los resultados de Scale AI y Nvidia?
No. Scale informa de errores detectados, y Nvidia del volumen de revisiones y del tiempo de fusión de un equipo. Las poblaciones y métricas difieren, y ambos datos proceden de páginas de clientes alojadas por el proveedor.
Herramientas citadas en este artículo
Explorar los datos
Quién usa qué herramienta de IA, y cómo se encontró cada línea.