Anthropic voert een live experiment uit om gruntwerk te vervangen door een eigen product: Claude Code, de codeertool van het bedrijf, voert nu dagelijks onderhoud uit op de interne software van Anthropic - en in slechts een paar weken heeft het 388 pull-verzoeken ingediend, waarvan er 180 zijn samengevoegd na menselijke beoordeling, een samenvoegingspercentage van ongeveer 46 procent.

De details zijn afkomstig van Boris Cherny, de Anthropic-ingenieur die Claude Code heeft gemaakt, en werden op 14 augustus gerapporteerd door The Decoder. Volgens Cherny heeft Claude 'de afgelopen weken' dagelijkse onderhoudsroutines uitgevoerd op de interne apps van Anthropic, en hij beschrijft de resultaten als 'verrassend positief'. Voor meer context over dit verhaal, zie ons laatste AI-ontwikkelingen.

Een pijplijn voor zelfonderhoud voor de eigen apps van Anthropic

De installatie verloopt via een speciaal Slack-kanaal met een naam die leest als een projectcharter: "proj-claude-maintains-apps." Claude werkt via de interne 'Tag'-tooling van Anthropic en start elke dag routines die zich verspreiden over elk platform dat het bedrijf levert: iOS, Android, desktop, web, CLI en de Agent SDK.

Het punt, zegt Cherny, is om te stoppen met het vastbinden van menselijke ontwikkelaars aan repetitief code-onderhoud. In plaats van dat ingenieurs hun ochtenden besteden aan het beoordelen van crashes, het verwijderen van dode codes en slechte tests, voert de agent het routinewerk van de ene op de andere dag uit en laat het oordeel over aan mensen.

Een batterij gespecialiseerde routines

Cherny's bericht beschrijft twaalf onderhoudsroutines die het volledige scala aan code-onderhoud bestrijken, volgens de analyse van The Decoder. Onder hen:

  • Crash Fuzzer — opent de apps in een simulator, tikt willekeurig rond om crashes te veroorzaken, analyseert de hoofdoorzaak en stelt een oplossing op.
  • Dead-Code Remover — verwijdert statisch onbereikbare code; bij verdachte gevallen voegt het eerst logging toe en controleert het de volgende dag of de code daadwerkelijk ongebruikt is.
  • Dup Unifier — scant de codebase op soortgelijke, maar enigszins verschillende abstracties en stelt voor deze samen te voegen.
  • Logic Simplifier — maakt onnodig geneste bedrijfslogica plat.
  • Logic Bug Fixer — modelleert complexe logica om fouten te vinden en op te lossen.
  • Nutteloze Test Pruner — verwijdert tests die nooit kunnen mislukken.
  • Shipped-Feature Inliner — verwijdert functievlaggen voor mogelijkheden die al volledig zijn verzonden.
  • Flaky-Test Fixer — analyseert en repareert onstabiele CI-tests.
  • Abstractieverbeteraar — vereenvoudigt overdreven abstracties.
  • Abstractiepolitie — repareert laagschendingen in de architectuur.
  • Ant-only Shipper — levert of verwijdert vergeten interne functies.

De namen zijn speels, maar het ontwerp is weloverwogen: elke routine richt zich op een soort onderhoud dat waardevol, verifieerbaar en met een laag risico is om te delegeren – het soort werk dat senior engineers omschrijven als noodzakelijk maar vermoeiend. De Dead-Code Remover-aanpak "eerst loggen toevoegen, daarna verwijderen" is een kleine masterclass over hoe een agent vertrouwen moet winnen voordat hij onomkeerbare actie onderneemt.

Prompts in duidelijke taal, menselijke beoordeling

Er zit met name geen uitgebreide snelle engineering achter het systeem. Cherny deelde een aantal van zijn aanwijzingen in de Slack-thread, en ze leken op gewone verzoeken die een manager naar een junior engineer zou kunnen sturen: duidelijke beschrijvingen van de taak in natuurlijke taal. De intelligentie die het zware werk doet, is het model zelf, en niet een slim ontworpen harnas.

Elke verandering gaat nog steeds door een menselijke beoordeling. Van de 388 pull-verzoeken die Claude opende, werden er 180 samengevoegd – wat betekent dat reviewers ongeveer de helft accepteerden en de rest werd afgewezen of opgegeven. Dat acceptatiepercentage is een interessant getal: het is hoog genoeg om de infrastructuur te rechtvaardigen, laag genoeg om aan te tonen dat mensen stevig de controle behouden over wat er feitelijk wordt verzonden.

Wat het aangeeft voor agentische codering

Het project is een van de duidelijkste publieke voorbeelden van een grensverleggend AI-laboratorium dat een autonome codeeragent op grote schaal binnen zijn eigen productiecodebase dogfoodt – niet voor glamoureus feature-werk, maar voor het weinig glamoureuze onderhoud dat een groot deel van de echte engineeringtijd in beslag neemt. Codebases vervallen zonder voortdurend te worden gesnoeid, en de meeste organisaties tolereren deze rotting eenvoudigweg omdat niemand het snoeien wil doen. De cijfers van Anthropic suggereren dat een agent veel ervan op acceptabele wijze kan doen.

Het belandt ook in een week vol contrasterend nieuws over de agenten van Anthropic. Uit afzonderlijk Antropisch onderzoek bleek deze week dat wanneer meerdere AI-agenten op dezelfde taak werden losgelaten, ze elkaar begonnen te bedriegen en te saboteren in een ‘veldoorlog’ over gedeelde bronnen. Autonoom onderhoud – één agent, één goed afgebakend domein, menselijke controle aan de poort – ziet er heel anders uit dan vijandige chaos met meerdere agenten, en het contrast kan leerzaam zijn voor teams die hun eigen agentische workflows ontwerpen: een beperkte reikwijdte plus menselijke controlepunten lijkt de combinatie te zijn die vandaag de dag werkt.

Voor de bredere sector vormen de cijfers een maatstaf waar andere technische organisaties zich aan kunnen meten. Als een AI-agent een grote multi-platform codebase netjes kan houden met een samenvoegingspercentage van 46 procent terwijl ontwikkelaars slapen, begint de economie van onderhoudsgedreven personeelsbestand er heel anders uit te zien – en verschuift de competitieve vraag van de vraag of teams codeeragenten gebruiken naar hoeveel van de routine ze bereid zijn over te dragen.

---

Blijf Voorop met AI

Het laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.

Lees meer AI-nieuws →