Anthropic опросили больше десятка быстрорастущих компаний о том, как те работают с агентами в разработке, и выпустили гайд. Читал я его не ради принципов, а ради цифр: обещаний про ИИ хватает, а измеренных результатов почти нет.
Цифры, которые я выписал
В ClickHouse выпускают на 30% больше функций, а два агента, которые чинят падающие тесты, стали вторым и третьим контрибьюторами репозитория. Не помощниками при живых людях, а именно вторым и третьим по объёму вклада.
В Artemis Security через агентов проходит больше 6000 пул-реквестов в неделю. В Clay полностью, все 100%, автоматизировали разбор входящих багов. В Commure один инженер ведёт инициативу из 13 задач, раздавая их параллельным агентам.
Отдельно отмечу цифру, которая мне понравилась больше всех остальных: потолок - 2-3 одновременные сессии на инженера. Не двадцать, не «неограниченно». Человек физически не удерживает больше трёх параллельных контекстов, и это ограничение никакая модель не снимает.
Что на самом деле изменилось
По сути агенты забирают механические 80% работы, а человеку остаются 20%, где нужно решение. Разбор багов, починка тестов, снятие старых фича-флагов, миграции - всё это работа, которую раньше делали люди, потому что больше было некому.
Роль инженера при этом смещается с исполнения на постановку и проверку. В гайде это описано прямо: узким местом стал не код, а скорость, с которой человек успевает проверить и одобрить сделанное.
Для меня это история не про хайп, а про смену структуры затрат. Если 80% механики уходит агенту, вопрос «нанимать ли ещё одного» превращается в вопрос «а есть ли у нас кому проверять то, что уже делается».
Чего в анонсах обычно не пишут
Автоматизировать можно только то, что умеешь надёжно проверить. Это в гайде отдельный принцип, и на нём держится всё остальное. Компании, у которых получилось, сначала построили проверку, и только потом отпустили агентов работать.
Основатель Zingage написал документ на 567 строк под названием «как думает эта команда» - это не техническая инструкция, а зафиксированный способ принимать решения. В Cainex правки, которые вносят живые специалисты, возвращаются в инструкции агента, и формулировка там точная: чинят принципы, а не отдельные примеры.
Практика, которую я забрал себе: набор из 20-50 реальных задач с известным правильным результатом, который прогоняется каждый раз при изменении настроек агента. Плюс правило, что каждый разбор инцидента добавляет в этот набор ещё одну проверку. Через полгода такой набор стоит дороже, чем сам агент.
Принцип, который зацепил больше всего
Отдельным пунктом в гайде идёт мысль, что любое решение стоит считать временным. Формулировка из Clay: строишь, потом строишь заново, потом ещё раз, и примерно на четвёртый раз получается правильно. Раньше такое назвали бы плохим планированием.
Меня как человека, который считает деньги, тут смущает привычка. Софт мы обычно держим в голове как актив с длинным сроком службы: вложились один раз и амортизируем годами. Если возможности моделей меняются каждые 2-3 месяца, срок жизни архитектурного решения падает до тех же месяцев. Но и стоимость переделки падает быстрее: в Commure снятие старых фича-флагов, которое раньше съедало недели, стало занимать часы.
По сути меняется не техника, а горизонт планирования. Заложить переделку в план заранее дешевле, чем каждый раз объяснять, почему опять переписываем.
Что я поменял у себя
Первое: план работы теперь пишется в файл и попадает в git до того, как написана первая строка кода. Раньше он жил в переписке и умирал вместе с ней. Это две минуты работы и полная прослеживаемость потом.
Второе: разделил роли по правам. Тот, кто проверяет работу, физически не может её править - у него просто нет такой возможности. Это не просьба «не редактируй», а отсутствие рук. За два прогона такая связка нашла 21 дефект в коде, который до этого проходил все написанные к нему тесты.
Третье, и самое важное: правило «доказательство вместо утверждения». Фраза «всё работает» не считается сделанной работой, пока рядом нет вывода команды. Звучит занудно, но именно это отличает результат от его имитации.
Вывод
Гайд полезен не принципами, а тем, что в нём есть измеренные числа и честный потолок. 30% прироста, 6000 пул-реквестов, 100% автоматизации триажа - это уже не презентация, а отчётность.
Практический вывод у меня один. Прежде чем считать, сколько агенты сэкономят, стоит посчитать, есть ли чем проверить их работу. Без проверки экономии не будет, будет только более быстрое производство того, что потом придётся переделывать.
Источник: The Claude Code guide for startups, блог Anthropic.