במשך עשרות שנים התבסס פיתוח תוכנה על תהליך עבודה מוכר למדי: מתכנת כותב קוד, בודק אותו, מעביר אותו לביקורת של עמיתים, ולאחר שהשינוי אושר הוא משולב בגרסה המרכזית של התוכנה. סביב התהליך הזה צמחה תעשייה שלמה של כלים לניהול גרסאות, בדיקות אוטומטיות, בקרת איכות ושיתוף פעולה בין צוותי פיתוח. אלא שבחברת אנטרופיק (Anthropic), המפתחת את מודל הבינה המלאכותית Claude, התהליך הזה עובר כעת שינוי יסודי. הסיבה פשוטה: את מרבית הקוד כבר לא כותבים בני אדם.
בשני מאמרים טכנולוגיים שפרסמה החברה באוקטובר, היא מספקת הצצה לאופן שבו נראה פיתוח תוכנה כאשר סוכני AI הופכים לכוח העבודה העיקרי. לפי אנטרופיק, קלוד כותב כיום כ־90% מהקוד בצוות Claude Code. אולם ההשלכות חורגות הרבה מעבר לחיסכון בזמן התכנות: החברה נאלצה לבנות מחדש חלקים מתשתית ניהול הקוד שלה, לפתח מערכות ביקורת רב־סוכניות ולהגדיר מחדש את המקומות שבהם נדרשת התערבות אנושית.
כשהקוד זורם מהר יותר מהתשתית
כדי להבין את גודל השינוי, צריך להכיר את Git, מערכת ניהול הגרסאות שעליה נשען חלק גדול מעולם פיתוח התוכנה. Git מאפשרת למתכנתים לעבוד במקביל על ענפים שונים של פרויקט, לתעד כל שינוי בקוד (Commit), להשוות בין גרסאות ולמזג שינויים לאחר שנבדקו ואושרו. אחד מעקרונותיה המרכזיים הוא ניהול מבוזר: כל מפתח יכול להחזיק עותק מקומי של מאגר הקוד, לרבות היסטוריית השינויים שלו, ולעבוד עליו באופן עצמאי.
הגישה הזו משרתת היטב צוותים אנושיים, אבל באנטרופיק התברר שקצב העבודה של הסוכנים יוצר עומסים מסוג אחר לגמרי. בין מאי לספטמבר 2026 זינק מספר השינויים היומי במאגר המרכזי שלה מכ־2,500 ליותר מ־30 אלף — גידול של פי 12 בתוך ארבעה חודשים. מדובר בממוצע של יותר מ־20 שינויים בדקה, מסביב לשעון. במקביל, היסטוריית הענף המרכזי של Git התנפחה לכמעט 100 גיגה־בייט, ומערכות הבדיקות נדרשו לבצע כ־25 מיליון פעולות שליפת קוד ביום.
הבעיה לא הייתה רק נפח האחסון. כל משימת פיתוח או בדיקה עשויה לדרוש הכנת סביבת עבודה, שליפת גרסה מסוימת, השוואת קבצים וחישוב היחסים בין שינויים. אנטרופיק הפעילה מאות שרתי Git פנימיים כדי להתמודד עם העומס, אך התשתית הפכה יקרה ומסורבלת.
הפתרון היה Scion, מערכת ניהול גרסאות חדשה שפיתחה החברה. בניגוד למודל המבוזר של Git, שבו פעולות רבות מתבצעות במחשב המקומי, Scion בנויה כשירות מרכזי המאפשר לסוכנים ולמערכות בדיקה לגשת למידע הדרוש להם באמצעות בקשות לשרת. חישובי גרסאות, השוואות ומיזוגים יכולים להתבצע בצד השרת, בלי שכל משימה תידרש להחזיק ולעבד את מלוא היסטוריית המאגר.
המערכת כוללת כמה שכבות של זיכרון מטמון, החל מהמחשב שמריץ את הסוכן ועד לשרתי המטמון והשירות המרכזי. כך, כאשר אלפי משימות מבקשות את אותם קבצים, אין צורך לשלוף אותם מחדש בכל פעם. לפי אנטרופיק, שיעור הפגיעה במטמון עולה על 99%, והמעבר ל־Scion צמצם פי 200 את צריכת משאבי המעבד והזיכרון של תשתית ניהול הגרסאות, בהשוואה למערך שרתי המראה הקודם. פעולות שליפת קוד מסוימות, שנמשכו דקות, מתקצרות כעת לשניות.
מי בודק את הקוד שכותבת המכונה?
אולם ניהול הגרסאות היה רק חלק מהאתגר. כאשר סוכני AI כותבים קוד בקצב כזה, גם תהליך ביקורת הקוד (Code Review) עלול להפוך לצוואר בקבוק. באופן מסורתי, מתכנת מגיש בקשה לשילוב שינוי (Pull Request), ומהנדס אחר בוחן את הקוד, מחפש באגים, בעיות אבטחה או פגיעה ברכיבים קיימים ומחליט אם לאשר אותו.
אנטרופיק פיתחה לשם כך מערכת ביקורת בשם Antique, המבוססת על כמה שכבות של סוכני AI. כבר בשלב כתיבת הקוד נדרש הסוכן לבצע בדיקות ולאמת שהתוצאה אכן פועלת. סוכן משנה, הפועל עם הקשר נפרד מזה של הסוכן הכותב, יכול לבחון את השינוי לפני הגשתו. ההפרדה הזו נועדה לצמצם את הסיכון שהבודק יאמץ את אותן הנחות שגויות שהובילו לטעות מלכתחילה.
לאחר הגשת השינוי מופעלת ביקורת רב־סוכנית: כמה סוכנים בוחנים את הקוד במקביל ומנסים לזהות בעיות. אולם גם הבודקים עצמם עלולים לטעות, ולכן קבוצה נוספת של סוכנים בוחנת את הממצאים ומסננת התרעות שווא. זהו מנגנון חשוב במיוחד: כאשר סוכן AI מדווח על באג שאינו קיים, סוכן אחר עלול לנסות לתקן אותו ולהכניס לקוד תקלה חדשה.
לצד הביקורת הסוכנית פועלות בדיקות תוכנה רגילות, ובהן בדיקות תקינות, בדיקות טיפוסים, בדיקות אוטומטיות וסריקות אבטחה. אנטרופיק אינה מסתמכת אפוא רק על שיקול הדעת של מודלי השפה, אלא משלבת אותו עם מנגנוני אימות דטרמיניסטיים.
ומה נותר לבני האדם? כאן נכנס לתמונה עקרון ה־Human in the Loop, כלומר השארת האדם במעגל הבקרה. אנטרופיק מפעילה מנגנון סיווג סיכונים הקובע את רמת הפיקוח הנדרשת: שינויים בסיכון נמוך יכולים להתקדם ללא אישור אנושי נוסף, שינויים ברמת סיכון בינונית דורשים אישור של מהנדס אחד, ושינויים רגישים במיוחד דורשים שני מאשרים אנושיים. כך החברה מנסה למקד את תשומת הלב האנושית במקומות שבהם היא בעלת הערך הגדול ביותר.
לפי נתוני החברה, לאחר הכנסת מערכת הביקורת החדשה עלה שיעור בקשות המיזוג שקיבלו הערות ביקורת מהותיות מ־16% ל־54%. בבדיקה בדיעבד התברר גם שהמערכת הייתה מסוגלת לזהות כשליש מהבאגים שהובילו בעבר לתקריות בשירות claude.ai.
שבעה מהנדסים, חמישה חודשים ותפקיד אנושי חדש
אחת האנקדוטות המעניינות ביותר היא שלפי אנטרופיק, צוות של שבעה מהנדסים בלבד פיתח את Scion, את Antique ומערכות נוספות, והשלים את המעבר בתוך כחמישה חודשים. המהנדסים עצמם מעריכים שקלוד כבר כותב קוד טוב מהם בחלק גדול מהמשימות, אבל אין פירוש הדבר שהאדם הפך למיותר.
תפקידם של המהנדסים עובר בהדרגה מכתיבת שורות קוד לקבלת החלטות ארכיטקטוניות, הגדרת אילוצים, זיהוי פתרונות שגויים וניהול סיכונים. באחד המקרים שתיארה החברה, סוכנים ניסו שוב ושוב לאתר מידע על שינויים באמצעות סריקה יקרה של היסטוריית הקוד, במקום להשתמש בשירות ייעודי ויעיל יותר. הקוד שכתבו יכול היה לעבוד, אך הבחירה ההנדסית הייתה שגויה. לעיתים, כפי שמתארים באנטרופיק, תפקידו החשוב ביותר של המהנדס היה פשוט לומר לקלוד "לא".
הניסיון של אנטרופיק עשוי לספק הצצה לעתיד פיתוח התוכנה, אך אין פירוש הדבר שכל ארגון צריך להחליף את Git או לאמץ מיד מערכות ביקורת רב־סוכניות. Git היא מערכת בשלה, אמינה וגמישה, המספקת יתרונות משמעותיים של עבודה מקומית, עצמאות ותאימות לאקוסיסטם עצום של כלי פיתוח. Scion, לעומתה, נבנתה לצרכים חריגים של ארגון שבו כמויות עצומות של קוד נוצרות ונבדקות באופן אוטומטי, והתשתית מחוברת לרשת באופן רציף.
ובכל זאת, הכיוון ברור: ככל שסוכני AI יכתבו יותר קוד, צוואר הבקבוק של פיתוח התוכנה עשוי לעבור מהכתיבה עצמה לניהול השינויים, לאימותם ולהבטחת אמינותם. באנטרופיק כבר לא מדובר רק במתכנתים שמשתמשים בבינה מלאכותית, אלא במערכת פיתוח שבה מכונות כותבות קוד, מכונות אחרות מבקרות אותו, ובני האדם מתכננים את המערכת, מגדירים את גבולות האוטונומיה ונושאים באחריות לתוצאה.