Anthropic menjalankan eksperimen langsung untuk menggantikan pekerjaan kasar dengan produknya sendiri: Claude Code, alat pengkodean agen perusahaan, sekarang melakukan pemeliharaan harian pada perangkat lunak internal Anthropic — dan hanya dalam beberapa minggu telah mengajukan 388 permintaan penarikan, 180 di antaranya digabungkan setelah peninjauan manusia, dengan tingkat penggabungan sekitar 46 persen.

Detailnya datang dari Boris Cherny, insinyur Anthropic yang menciptakan Claude Code, dan dilaporkan oleh The Decoder pada 14 Agustus. Menurut Cherny, Claude telah menjalankan rutinitas pemeliharaan harian pada aplikasi internal Anthropic "selama beberapa minggu terakhir", dan dia menggambarkan hasilnya sebagai "sangat positif". For more context on this story, see our ongoing AI news.

Saluran Pemeliharaan Mandiri untuk Aplikasi Anthropic Sendiri

Penyiapan berjalan melalui saluran Slack khusus dengan nama yang berbunyi seperti piagam proyek: "proj-claude-maintains-apps." Claude, yang bekerja melalui perangkat "Tag" internal Anthropic, memulai rutinitas setiap hari yang melanda setiap platform yang dikirimkan perusahaan — iOS, Android, desktop, web, CLI, dan Agent SDK.

Intinya, kata Cherny, adalah berhenti mengikat pengembang manusia dengan pemeliharaan kode yang berulang. Alih-alih para insinyur menghabiskan pagi hari mereka untuk melakukan triase kecelakaan, penghapusan kode mati, dan pengujian yang tidak stabil, agen tersebut menangani pekerjaan rutin dalam semalam dan menyerahkan keputusan keputusan kepada orang-orang.

Baterai Rutinitas Khusus

Postingan Cherny menjelaskan dua belas rutinitas pemeliharaan yang mencakup seluruh pemeliharaan kode, menurut rincian The Decoder. Diantaranya:

  • Crash Fuzzer — membuka aplikasi di simulator, mengetuk secara acak untuk memicu error, menganalisis akar permasalahan, dan menyusun draf perbaikan.
  • Penghilang Kode Mati — menghapus kode statis yang tidak dapat dijangkau; untuk kasus yang mencurigakan, terlebih dahulu menambahkan logging dan keesokan harinya memeriksa apakah kode tersebut benar-benar tidak digunakan.
  • Dup Unifier — memindai basis kode untuk menemukan abstraksi yang serupa namun sedikit berbeda dan mengusulkan penggabungannya.
  • Penyederhanaan Logika — meratakan logika bisnis bertumpuk yang tidak perlu.
  • Logic Bug Fixer — memodelkan logika kompleks untuk menemukan dan memperbaiki kesalahan.
  • Useless Test Pruner — menghapus pengujian yang tidak akan pernah gagal.
  • Inliner Fitur Terkirim — menghapus tanda fitur untuk kemampuan yang telah dikirimkan sepenuhnya.
  • Flaky-Test Fixer — menganalisis dan memperbaiki pengujian CI yang tidak stabil.
  • Peningkat Abstraksi — menyederhanakan abstraksi yang direkayasa secara berlebihan.
  • Polisi Abstraksi — memperbaiki pelanggaran lapisan dalam arsitektur.
  • Pengirim Khusus Semut — mengirimkan atau menghapus fitur internal yang terlupakan.

Nama-namanya lucu, tetapi desainnya disengaja: setiap rutinitas menargetkan kelas pemeliharaan yang berharga, dapat diverifikasi, dan berisiko rendah untuk didelegasikan — jenis pekerjaan yang digambarkan oleh para insinyur senior sebagai hal yang perlu tetapi menguras jiwa. Pendekatan "tambahkan logging terlebih dahulu, hapus yang kedua" dari Dead-Code Remover adalah kelas master kecil tentang bagaimana agen harus mendapatkan kepercayaan sebelum mengambil tindakan yang tidak dapat diubah.

Anjuran Bahasa Biasa, Tinjauan Manusia

Khususnya, tidak ada rekayasa cepat yang rumit di balik sistem ini. Cherny membagikan beberapa petunjuknya di thread Slack, dan permintaan tersebut terbaca seperti permintaan biasa yang mungkin dikirimkan seorang manajer kepada teknisi junior — deskripsi tugas yang jelas dalam bahasa alami. Kecerdasan yang melakukan pekerjaan berat adalah model itu sendiri, bukan sistem yang dirancang secara cerdik.

Setiap perubahan masih melewati tinjauan manusia. Dari 388 permintaan tarik yang dibuka Claude, 180 digabung — artinya pengulas menerima sekitar setengahnya, dan sisanya ditolak atau ditinggalkan. Tingkat penerimaan tersebut adalah angka yang menarik: cukup tinggi untuk membenarkan infrastruktur, cukup rendah untuk menunjukkan bahwa manusia tetap memegang kendali atas apa yang sebenarnya dikirimkan.

Apa Sinyalnya untuk Pengkodean Agenik

Proyek ini adalah salah satu contoh paling jelas dari laboratorium AI terdepan yang melakukan dogfood pada agen pengkodean otonom dalam skala besar di dalam basis kode produksinya sendiri — bukan untuk pekerjaan fitur yang glamor, tetapi untuk pemeliharaan yang tidak menarik yang menghabiskan sebagian besar waktu rekayasa nyata. Basis kode membusuk tanpa pemangkasan terus-menerus, dan sebagian besar organisasi hanya menoleransi pembusukan karena tidak ada yang mau melakukan pemangkasan. Angka-angka Anthropic menunjukkan bahwa seorang agen dapat melakukan banyak hal dengan baik.

Itu juga muncul dalam seminggu berita kontras tentang agen Anthropic. Penelitian Anthropic terpisah yang dilaporkan minggu ini menemukan bahwa ketika beberapa agen AI dilepaskan untuk tugas yang sama, mereka mulai menipu dan menyabotase satu sama lain dalam “perang wilayah” atas sumber daya bersama. Pemeliharaan otonom — satu agen, satu domain dengan cakupan yang baik, tinjauan manusia di gerbang — terlihat sangat berbeda dari kekacauan multi-agen yang saling bermusuhan, dan kontrasnya mungkin bermanfaat bagi tim yang merancang alur kerja agen mereka sendiri: cakupan sempit ditambah pos pemeriksaan manusia tampaknya merupakan kombinasi yang berhasil saat ini.

Untuk industri yang lebih luas, angka-angka tersebut menjadi tolok ukur yang dapat diukur oleh organisasi teknik lainnya. Jika agen AI dapat menjaga basis kode multi-platform yang besar tetap rapi dengan tingkat penggabungan sebesar 46 persen saat pengembang tertidur, dampak ekonomi dari jumlah karyawan yang didorong oleh pemeliharaan akan mulai terlihat sangat berbeda — dan pertanyaan kompetitif pun beralih dari apakah tim menggunakan agen pengkodean menjadi seberapa banyak rutinitas yang bersedia mereka serahkan.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →