Cómo Anthropic fusiona 30.000 cambios de código al día - Manish Kapur, Sonar y Addy Osmani, Anthropic

하이라이트

• Anthropic fusiona cerca de 30 000 cambios de código todos los días, un aumento significativo frente a los 2 500 cambios diarios registrados en mayo.

• El 76 % de los desarrolladores que generan código mediante inteligencia artificial afirman que este se produce a una velocidad imposible de verificar de forma manual.

• CircleCI analizó 28 millones de flujos de trabajo de integración continua y determinó que tres de cada diez intentos de fusionar código en producción fallan.

• El 84 % de las empresas señala que la inteligencia artificial acelera la entrega de funciones y correcciones a producción.

• Únicamente el 5 % de las empresas opera factorías de software de forma autónoma, aunque la cifra alcanza el 39 % en el sector financiero.

타임라인

1. 00:00 - 03:54

   Contexto de las factorías de software y los bucles a escala

   Las factorías de software operan mediante bucles a escala donde los agentes asumen la planificación, construcción, verificación y envío de código. En una fábrica iluminada, el ser humano mantiene el criterio y el gusto sobre el producto final, mientras que en una fábrica oscura el sistema funciona de manera autónoma y solo requiere intervención ante excepciones mayores.

   • Las fábricas de software se dividen entre modelos iluminados con intervención humana y modelos oscuros totalmente automatizados.
   • CircleCI registró un incremento del 59 % en el rendimiento de los flujos de trabajo, pero el 30 % de las fusiones hacia producción siguen fallando.
2. 03:54 - 08:20

   La escasez de confianza y el escalado masivo en Anthropic

   A pesar de que el problema de generar código está resuelto, la confianza en el mismo es escasa porque la velocidad de producción supera la capacidad de verificación humana. Para solventar este inconveniente, los equipos integran ganchos que evalúan las diferencias de código de forma automática y codifican las mejores prácticas en archivos compartidos como CLAUDE.md.

   • El 85 % de las organizaciones ya utiliza agentes de programación para sus desarrollos diarios.
   • Anthropic escaló su capacidad de fusión desde los 2 500 o 3 000 cambios diarios hasta alcanzar los 30 000 cambios de código al día.
   • El flujo de trabajo de revisión en Anthropic incluye una primera pasada realizada por Claude, pruebas de interfaz en navegadores mediante videos y capturas, y análisis estático.
3. 08:20 - 14:42

   Resultados de la encuesta y estrategias de verificación multicapa

   Los datos de la industria muestran que la inteligencia artificial acelera la entrega de funciones, pero incrementa los riesgos en aplicaciones de misión crítica. Para mitigar esta situación, se implementan tres capas de control: una capa determinista para fallos de seguridad e inyecciones, una revisión agéntica orientada a la intención lógica y una tercera capa centrada en la cadena de suministro y detección de malware.

   • Las solicitudes de extracción son cada vez más grandes y complejas, pero solo un 31 % adicional de código llega a producción sin revisión.
   • Sonar recomienda un modelo de verificación de confianza cero y multicapa que separa los errores deterministas de los problemas lógicos y de seguridad.
4. 14:42 - 18:45

   Preguntas rápidas y conclusiones sobre la autonomía

   La responsabilidad sobre el código desplegado recae siempre sobre el desarrollador que lanza la tarea, independientemente de que haya sido redactado por un agente. El éxito en el desarrollo actual requiere dominar los distintos tipos de pruebas automatizadas y asegurar que cada bucle de la factoría disponga de controles estrictos antes de enviar el software a producción.

   • Los expertos coinciden en que la mayoría de los equipos utilizarán factorías con luz con algunos componentes autónomos hacia finales de 2027.
   • El código escrito por agentes debe etiquetarse temporalmente en las solicitudes de extracción para garantizar la auditabilidad y la responsabilidad humana.