«شرکت خودران»؛ روایت Replit از شش ماه کار با ایجنت‌ها
هوش مصنوعیClaude Opus 5خلاصهٔ کامل‌تر
تو این پست اومده که طی شش ماه گذشته مهندس‌های ریپلیت خروجی کدشون رو تقریباً سه برابر کردن، ولی هیچ‌کدوم از هزینه‌هایی که انتظارش رو داری اتفاق نیفتاده: زمان ریویو ثابت مونده، نرخ برگشت کد و حادثه‌های محصول بالا نرفته و شاخص‌های کیفیت حتی بهتر شده.
نویسنده می‌گه بخش دیدنی ماجرا کده، ولی چیزی که زیر سطح می‌گذره جالب‌تره: ایجنت‌ها الان حادثه‌های پروداکشن رو بررسی می‌کنن، پول‌ریکوئست ریویو می‌کنن، به سؤال‌ها جواب می‌دن، دادهٔ کسب‌وکار رو تحلیل می‌کنن، تیکت پشتیبانی رو دسته‌بندی می‌کنن و حتی سیستم‌هایی که خود Replit Agent رو می‌سازن بهبود می‌دن. تعریفشون از شرکت خودران هم شرکت بدون آدم نیست؛ آدم‌ها مقصد رو انتخاب می‌کنن، ولی دیگه هر قدم مسیر رو خودشون برنمی‌دارن.
نقطهٔ شروع اواخر سال گذشته بود؛ حس کردن مدل‌ها می‌تونن کار رو تو افق‌های خیلی طولانی‌تر ادامه بدن. تسک‌هایی مثل تریاژ هشدار و ریشه‌یابی خطا که همیشه شکست می‌خوردن، شروع کردن به جواب دادن. برای همین بهمن‌ماه زیرساختی بالا آوردن تا هر مهندس بتونه دسته‌ای از ایجنت‌ها رو موازی هماهنگ کنه، و پشت سیاست‌های دسترسی، پراکسی توکن، لاگ ممیزی و شبکهٔ ZeroTrust قفلش کردن تا بشه با خیال راحت به GitHub، GCP، Linear، Notion، Slack و ZenDesk وصلش کرد.
اعدادی که گزارش کردن قابل‌توجهه: از اوایل ژانویه تا اواخر ژوئن، خطوط کد مشارکتی ۵.۸ برابر شده. اگه اثر استخدام‌های جدید رو حذف کنی و فقط همون گروه ثابت از نویسنده‌ها رو نگه داری، باز ۲.۹ برابر می‌مونه — یعنی نرخ خروجی هر مهندس سه برابر شده، اون هم درحالی‌که تیم دو برابر شده.
سؤال طبیعی اینه که کی این حجم کد رو ریویو می‌کنه. جوابشون اینه که ایجنت خودش سطح ریسک رو ارزیابی می‌کنه و فقط وقتی لازمه ریویوئر انسانی دوم رو صدا می‌زنه؛ نتیجه‌اش صرفه‌جویی ۳۰ درصدی (و روبه‌رشد) تو زمان ریویو انسانی بوده. حادثه‌ها هم با کمک ایجنتی که دنبال علت ریشه‌ای می‌گرده بررسی می‌شن و همین میانگین زمان رفع رو پایین آورده.
بیشترین تغییر جایی رخ داده که مهندس‌ها «حلقه» می‌سازن: یه ناوگان ایجنت رو می‌فرستن سراغ یه کار قابل‌راستی‌آزمایی. هر کارمند به یه ایجنت مدیر دسترسی داره که می‌تونه چند ایجنت دیگه بسازه. با همین روش یه مهاجرت زمین‌مونده تو سیستم CSS تموم شده، بومی‌سازی محصول ممکن شده، نگه‌داری تست‌های فلیکی خودکار شده و CTO شرکت یکی از سخت‌ترین باگ‌های شبکه‌شون رو با یه ازدحام ایجنت حل کرده.
یه پیامد غیرمنتظره هم بحث «بسازیم یا بخریم» بوده. به گفتهٔ نویسنده، ایجنت داخلی‌شون از محصولاتی که پیشروی بازار حساب می‌شن بهتر عمل کرده و یه سرویس SaaS هفت‌رقمی رو کنار گذاشتن چون اپ داخلی ساخته‌شده با خود Replit بهتر بوده. ابزار تخصصی تریاژ هشدار کیفیت مشابه ولی ۱۰ برابر هزینه داشته، و ابزار تست نفوذ خودکار آسیب‌پذیری کمتری پیدا کرده، باز با ۱۰ برابر هزینه.
این موج از مهندسی بیرون زده و به کل شرکت رسیده، عمدتاً به‌خاطر رابط اسلک. تیم داده یه لایهٔ معنایی روی انبار داده ساخته تا ایجنت بدونه کدوم جدول منبع حقیقته و جدول‌ها چه ربطی به هم دارن؛ حالا هر کسی می‌تونه سؤال هوش تجاری بپرسه و نمودار زنده بسازه. تیم فروش ازش برای پیدا کردن و غنی‌سازی سرنخ و آماده شدن برای جلسه استفاده می‌کنه و تیم پشتیبانی سخت‌ترین تیکت‌ها رو ۶۰ درصد سریع‌تر می‌بنده.
جمع‌بندی نویسنده اینه که تو هیچ‌کدوم از این نمونه‌ها آدم‌ها حذف نشدن، بلکه ارتقا گرفتن: «خودران» مجری‌ها رو به هدایتگر تبدیل می‌کنه و کسایی می‌درخشن که به نتیجه فکر می‌کنن و جهت تعیین می‌کنن. قدم بعدی‌شون هم اینه که همین شیوهٔ کار رو با کنترل‌های امنیتی و هزینه‌ای لازم به دست کاربرهاشون برسونن.
نکات کلیدی:
- ۵.۸ برابر شدن خطوط کد؛ با حذف اثر استخدام، ۲.۹ برابر برای همون تیم قبلی
- زمان ریویو، نرخ برگشت PR و تعداد حادثه‌ها با وجود حجم بیشتر کد ثابت مونده
- ۳۰ درصد از زمان ریویو انسانی با ریویوئر ایجنتی آزاد شده
- الگوی «حلقه»: فرستادن ناوگان ایجنت روی کارهای قابل‌راستی‌آزمایی
- ایجنت داخلی جای ابزارهای خریدنی رو گرفته، در یکی دو مورد با یک‌دهم هزینه
- استفاده از مهندسی به داده، فروش، مارکتینگ و پشتیبانی سرایت کرده؛ تیکت‌های سخت ۶۰٪ سریع‌تر بسته می‌شن
