A Anthropic está realizando um experimento ao vivo para substituir o trabalho pesado por seu próprio produto: Claude Code, a ferramenta de codificação de agente da empresa, agora realiza manutenção diária no software interno da Anthropic – e em apenas algumas semanas apresentou 388 solicitações pull, das quais 180 foram mescladas após revisão humana, uma taxa de mesclagem de aproximadamente 46%.

Os detalhes vêm de Boris Cherny, o engenheiro da Anthropic que criou o Claude Code, e foram relatados pelo The Decoder em 14 de agosto. De acordo com Cherny, Claude tem executado rotinas de manutenção diária nos aplicativos internos da Anthropic “nas últimas semanas” e descreve os resultados como “surpreendentemente positivos”. Para mais contexto sobre esta história, confira nossa atualizações de inteligência artificial.

Um pipeline de automanutenção para os próprios aplicativos da Anthropic

A configuração é executada por meio de um canal Slack dedicado com um nome que parece um termo de abertura do projeto: “proj-claude-maintains-apps”. Claude, trabalhando com as ferramentas internas de "Tag" da Anthropic, inicia rotinas todos os dias que abrangem todas as plataformas que a empresa fornece - iOS, Android, desktop, web, CLI e Agent SDK.

A questão, diz Cherny, é parar de sobrecarregar os desenvolvedores humanos com a manutenção repetitiva do código. Em vez de os engenheiros passarem as manhãs em triagem de falhas, remoção de códigos mortos e testes instáveis, o agente cuida do trabalho de rotina durante a noite e deixa as decisões para as pessoas.

Uma bateria de rotinas especializadas

A postagem de Cherny descreve doze rotinas de manutenção cobrindo toda a gama de manutenção de código, de acordo com o detalhamento do The Decoder. Entre eles:

  • Crash Fuzzer — abre os aplicativos em um simulador, toca aleatoriamente para acionar travamentos, analisa a causa raiz e elabora uma correção.
  • Removedor de código morto — remove código estaticamente inacessível; para casos suspeitos, ele primeiro adiciona o registro e verifica no dia seguinte se o código realmente não foi utilizado.
  • Dup Unifier — verifica a base de código em busca de abstrações semelhantes, mas ligeiramente diferentes, e propõe mesclá-las.
  • Simplificador de Lógica — nivela a lógica de negócios desnecessariamente aninhada.
  • Logic Bug Fixer — modela lógica complexa para encontrar e corrigir erros.
  • Useless Test Pruner — remove testes que nunca podem falhar.
  • Shipped-Feature Inliner — remove sinalizadores de recursos para recursos que já foram totalmente enviados.
  • Flaky-Test Fixer — analisa e repara testes de CI instáveis.
  • Melhorador de Abstração — simplifica abstrações com excesso de engenharia.
  • Polícia de Abstração — corrige violações de camada na arquitetura.
  • Ant-only Shipper — entrega ou remove recursos internos esquecidos.

Os nomes são divertidos, mas o design é deliberado: cada rotina tem como alvo uma classe de manutenção que é valiosa, verificável e de baixo risco de delegar – o tipo de trabalho que os engenheiros seniores descrevem como necessário, mas desgastante. A abordagem “adicionar registro primeiro, excluir segundo” do Dead-Code Remover é uma pequena aula sobre como um agente deve ganhar confiança antes de tomar uma ação irreversível.

Solicitações em linguagem simples, revisão humana

Notavelmente, não há nenhuma engenharia elaborada e imediata por trás do sistema. Cherny compartilhou algumas de suas solicitações no tópico do Slack, e elas parecem solicitações comuns que um gerente pode enviar a um engenheiro júnior – descrições simples da tarefa em linguagem natural. A inteligência que faz o trabalho pesado é o próprio modelo, não um arnês inteligentemente projetado.

Toda mudança ainda passa pela revisão humana. Dos 388 pull requests abertos por Claude, 180 foram mesclados – o que significa que os revisores aceitaram cerca de metade e o restante foi rejeitado ou abandonado. Essa taxa de aceitação é um número interessante: é suficientemente elevada para justificar a infra-estrutura, suficientemente baixa para mostrar que os humanos permanecem firmemente no controlo do que realmente transporta.

O que sinaliza para codificação agente

O projeto é um dos exemplos públicos mais claros de um laboratório de IA de ponta que utiliza um agente de codificação autônomo em escala dentro de sua própria base de código de produção – não para trabalhos glamorosos de recursos, mas para a manutenção nada glamorosa que consome uma grande parte do tempo real de engenharia. As bases de código decaem sem poda constante, e a maioria das organizações simplesmente tolera a podridão porque ninguém quer fazer a poda. Os números da Antrópico sugerem que um agente pode fazer muito disso de forma aceitável.

Também chega em uma semana de notícias contrastantes sobre os agentes da Antrópico. Uma pesquisa antrópica separada relatada esta semana descobriu que quando vários agentes de IA foram soltos na mesma tarefa, eles começaram a enganar e sabotar uns aos outros em uma “guerra territorial” por recursos compartilhados. A manutenção autônoma – um agente, um domínio com escopo bem definido, revisão humana no portão – parece muito diferente do caos multiagente adversário, e o contraste pode ser instrutivo para equipes que projetam seus próprios fluxos de trabalho de agente: escopo estreito mais pontos de verificação humanos parece ser a combinação que funciona hoje.

Para a indústria em geral, os números estabelecem uma referência que outras organizações de engenharia podem comparar. Se um agente de IA consegue manter uma grande base de código multiplataforma organizada a uma taxa de mesclagem de 46% enquanto os desenvolvedores dormem, a economia do número de funcionários orientado para a manutenção começa a parecer muito diferente – e a questão competitiva muda de se as equipes usam agentes de codificação para quanto da rotina eles estão dispostos a entregar.

---

Fique à Frente da IA

As últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.

Ler mais notícias de IA →