Salesforce перевела всю команду разработки на agentic-процессы — формат, в котором разработчики управляют созданием ПО через ИИ-агентов, а не пишут код вручную построчно. Об этом сообщил руководитель инженерного направления компании Сринивас Таллапрагада.
По его словам, Salesforce развернула Anthropic Claude Code по всей компании как основной ИИ-инструмент и дала каждому разработчику неограниченный доступ к токенам для работы с ним.
Компания приводит внутренние показатели за апрель 2026 года по сравнению с тем же месяцем годом ранее. Число завершённых задач на одного разработчика выросло на 50,8%, а количество слитых pull request на одного сотрудника — на 79%.
Также Salesforce заявила о росте на 151,3% по метрике Effective Output Score — это ML-система оценки фактической ценности выпущенного кода. При этом приведённые данные не подтверждены внешней проверкой.
На вопрос о качестве Таллапрагада ссылается на внутреннюю платформу мониторинга Engineering 360. По его словам, несмотря на рост числа pull request, количество инцидентов снизилось на 5%, а механизмы контроля и стандарты качества встроены прямо в новый процесс разработки.
«Если agentic-инструменты применяются правильно, качество не падает из-за скорости. Оно выигрывает от неё», — пишет Таллапрагада. В материале отмечается, что Salesforce не подкрепила этот тезис внешними аудитами или независимыми измерениями.
По словам топ-менеджера, инженеры в компании теперь создают собственные agentic-процессы, а не ограничиваются готовыми инструментами. Так называемые Claude Code skills стали новым типом инженерных артефактов: это повторно используемые возможности, в которых зафиксированы контекст команды, правила именования и шаблоны работы.
Salesforce также собрала общую библиотеку AI Expert Suite и Salesforce Foundation Plugins. Она используется как единая база для всех разработчиков.
Ещё одно изменение — использование субагентов и команд агентов, то есть специализированных ИИ-систем для параллельной работы над частями одной задачи. Вместо переключения между несколькими системами разработчик задаёт желаемый результат, а согласованные агенты выполняют отдельные шаги.
В качестве примера Таллапрагада приводит перенос 33 API-эндпоинтов на новую cloud-native архитектуру. По оценке компании, при обычном подходе это заняло бы около 231 человеко-дня.
С помощью правил, построенных поверх Claude, Markdown-файлов и эталонных реализаций миграцию выполнили за 13 дней, то есть в 18 раз быстрее. После каждого раунда обратной связи по pull request правила обновлялись, за счёт чего повышалась точность.
Компания пишет, что автономные циклы LLM со сборкой, исправлением и проверкой работали без ручного участия, а миграции шли параллельно в изолированных средах. Итогом стали пять pull request, при этом самый крупный из них включал 21 эндпоинт с полным тестовым покрытием.
«Самый важный навык сегодня — понимать, как структурировать задачу для agentic-системы, когда делегировать, а когда оставаться в процессе, и как строить повторно используемые шаблоны, на которые сможет опираться команда», — пишет Таллапрагада.
При этом он признаёт, что часть проблем пока не решена. В их числе — управление контекстом в длинных agentic-сессиях, разное качество файлов CLAUDE.md, которые задают постоянный контекст для работы Claude с кодовой базой, а также вопросы безопасности.
Таллапрагада отмечает, что риск ошибок растёт, когда агент не просто предлагает вариант, а напрямую действует в системах. Он также поднимает вопрос о подготовке кадров: если ИИ берёт на себя значительную часть стартовой инженерной работы, как junior-специалисты будут расти до senior-уровня.
Кроме того, Salesforce экспериментирует с командами из одного или трёх человек вместо традиционных Scrum-групп. По словам Таллапрагадa, у компании пока нет чётких ответов на то, как изменятся роли дизайнеров и продакт-менеджеров в такой модели.
Противоположную позицию недавно высказал программист Джордж Хотц. Он считает, что использование ИИ-агентов в разработке может стать одной из самых дорогих ошибок индустрии.
По мнению Хотца, большие языковые модели — это «сложные статистические модели», которые имитируют распределение программирования, но не способны по-настоящему программировать. Он полагает, что крупные компании особенно уязвимы, потому что слабые разработчики могут не заметить ошибочный результат.
Даже Андрей Карпаты, который сейчас поддерживает agentic-кодинг, тоже указывал на проблемы качества. По его словам, код, созданный агентами, не всегда получается очень хорошим: он может быть раздутым, с большим количеством копирования и неудобными абстракциями, хотя и остаётся рабочим.
В то же время Карпаты не отказался от этого подхода и недавно присоединился к Anthropic. На этом фоне продолжается и более широкий спор о том, насколько затраты на ИИ соответствуют реальной пользе в повседневной работе.
Источник: The Decoder, пост Сриниваса Таллапрагады в Salesforce.
