בפוסט שפורסם מטעם Salesforce מתואר תהליך ההרחבה וההטמעה של פיתוח מבוסס סוכני בינה מלאכותית (agentic coding) בקרב 15,000 מהנדסים בארגון. לפי הדיווח, הארגון מנהל פעילות עסקית בהיקף של 40 מיליארד דולר ומשרת מאות אלפי לקוחות, כאשר הטמעת הכלים נבחנה במערכות ייצור פעילות שבהן כל פריסה נוגעת ישירות להכנסות ולאמון הלקוחות.
הנתונים שהוצגו בפוסט מראים כי בחודש יולי נרשמה עלייה של 90.5% משנה לשנה במספר משימות העבודה (work items) שהושלמו לכל מפתח. בנוסף, מספר בקשות המיזוג (pull requests) שמוזגו לכל מפתח עלה ב-88.1%. מדד ה-Effective Output – ציון פרודוקטיביות מבוסס למידת מכונה שפותח בשיתוף עם אוניברסיטת סטנפורד – עלה ב-200.3%. מדד זה מוקצה לכל קומיט (commit) לאחר שמודל למידת מכונה בודק את הקוד באופן אוטומטי בדומה לפאנל מהנדסים בכירים, ומעריך איכות, מורכבות ומאמץ. עם זאת, בפוסט מודגש כי מודל ההפעלה והתרבות הארגונית שעומדים מאחורי המספרים מהווים את מוקד הלמידה המרכזי.
תרבות ארגונית של בנייה עצמית ושיתוף
לפי התיאור בפוסט, עוד בטרם הושק כלי יחיד, התקיימה בארגון תרבות שבה המענה לברירת המחדל למחסור ביכולת טכנולוגית הוא פיתוח עצמי ולאחר מכן שיתוף שלו. כאשר מהנדסים נדרשו לנהל ציי סוכנים (fleets of agents) – כולל מעקב אחר התקדמות, שמירה על מהלך הסשנים האוטונומיים וזיהוי תקלות ללא ניטור מתמיד – אף ספק חיצוני לא הציע מענה מדויק. קבוצת מהנדסים בנתה שכבת ניהול ותיאום (orchestration layer) והפיצה אותה בכלל הארגון ללא הנחיה מלמעלה או תקצוב במסגרת תוכנית ייעודית.
השילוב בין חדשנות מהשטח (bottom-up) לבין אצירה וסטנדרטיזציה ניהולית (top-down) אפשר יצירת כלים והקניית מיומנויות במהירות. מסיבה זו צוותים לא התכנסו סביב כלי יחיד, ואפשרויות כמו AI Expert Suite ו-Dev Bar קיימות משום שמהנדסים נזקקו לגמישות לנוע בין כלים ומודלים בהתאם לצורכי העבודה.
מתווה הפיילוט והתרחבות לכלל הארגון
ההטמעה החלה בפיילוט ממוקד שנמשך 30 ימים בחודש מרץ, ולא בהפעלה מיידית עבור כל 15,000 המהנדסים. הפיילוט כלל כ-44 צוותים מעשרה ענני מוצר שונים ולמעלה מ-200 מהנדסים, שנבחרו כדי לייצג את מלוא המורכבות של מערכות החברה: פרויקטים חדשים (greenfield) לצד מערכות לגאסי מקושרות, צוותי פיתוח מהירים לצד צוותי תחזוקה, ומאמצים מוקדמים לצד ספקנים.
מטרת הפיילוט הייתה לבחון האם ניתן לתת אמון בכלים כמו Claude Code במערכות קריטיות בסביבת אנטרפרייז, וכן לזהות חיכוך בתהליכי עבודה ובהרגלים אנושיים. לאחר הפיילוט התבצעה פעילות הדרכה והטמעה משותפת עם חברת Anthropic. ההנהלה הציגה את השימוש כציפייה תפעולית שוטפת, ובמקביל הוקם מבנה של "מובילים" (champions) שהעבירו ידע באופן רוחבי בין צוותים.
בשלב זה הוצב יעד לכלל צוותי ההנדסה: להגיע לפרודוקטיביות אקספוננציאלית בתוך 90 ימים. היעד נועד לחייב חשיבה מחודשת על אופן בניית תוכנה, ושימש כלי אבחוני שאיתר צווארי בקבוק בתלויות בין-צוותיות ובתהליכי אישור.
מודל הבשלות לפיתוח עם סוכנים
כדי לייצר שפה משותפת לעומק האימוץ, פותח מודל בשלות בן תשעה שלבים (Agent Coding Maturity Curve), הנע מייצור קוד בסיסי ועד לפעולה אוטונומית מהימנה. היעד הארגוני הוגדר כהעברת כלל אוכלוסיית המהנדסים לשלב 6 ומעלה.
לפי הפוסט, מדדי אימוץ בינאריים מראים רק למי יש גישה לכלי, אך אינם משקפים האם השימוש נועד לכתיבת פונקציה בודדת או לתיאום סוכן אוטונומי במיגרציה רב-שירותית. מודל הבשלות שינה גם את אופי השיחות הניהוליות, אשר התמקדו במיקום המהנדס על גבי המודל ובפעולות הנדרשות להתקדמות לשלב הבא, כגון שיפור איכות ההקשר (context), פירוק משימות והאצלת בעלות מלאה על תהליכי עבודה לסוכנים.
משמעת צריכת טוקנים כמתודולוגיה הנדסית
ב-Salesforce התייחסו לאופטימיזציית טוקנים כאל משמעת הנדסית. התובנה המרכזית הייתה שהעמסת יתר של הקשר (over-contexting) פוגעת באיכות ובביצועים ולא רק בתקציב: היא יוצרת עלויות כספיות מיותרות, מגדילה זמני השהיה (latency) ומדללת את הדיוק והמיקוד של המודל.
הארגון הגדיר שישה עקרונות לניהול הקשר:
- היגיינת הקשר: שימוש בפקודות כמו clear, compact או branch בהתאם לרלוונטיות של היסטוריית הסשן, והתייחסות להקשר כאל זיכרון עבודה ולא כאל תמליל.
- ספריות מיומנויות: בניית מיומנויות גלובליות, מקומיות וצוותיות כדי למנוע הגדרה מחדש של הנחיות והקשר בכל פעם.
- בחירת מודל: הגדרת מודלים חסכוניים כברירת מחדל למשימות שגרתיות, ושמירת המודלים המתקדמים ביותר לאתגרים מורכבים.
- כיול מאמץ: שמירת מצבי מאמץ גבוהים למצבי עמימות, מורכבות והחלטות קריטיות.
- בחירת כלים: שימוש בכלי שליפה ממוקדים כמו CodeSearch MCP במקום הזנת כמויות מידע נרחבות היוצרות רעש.
- פירוק משימות: שימוש בתת-סוכנים ובתוכניות ביצוע לפיצול עבודה מורכבת לתהליכים מקבילים בעלי הקשר מוגדר.
דחיסה אוטומטית בלבד – כאשר חלונות הקשר נדחסים אוטומטית ב-200,000 טוקנים – הובילה להפחתה של 24.8% בהוצאות ההנדסה הכוללות, שנשמרה לאורך שלושה שבועות. הגדרת ברירות מחדל חכמות של מודלים חסכה 864,000 דולר בשבוע הראשון. במקרים נבחרים, מצבי פנייה מותאמים (optimized prompting modes) הפחיתו את הטוקנים ב-70% או יותר ללא ירידה מדידה באיכות.
בנוסף, צוין כי גיוון מודלים (model diversification) הפך לסוגיה הנדסית מרכזית, המבוססת על בניית תשתית ניתוב, מיומנויות וניהול הקשר המאפשרת החלפת מודלים בהתאם להתפתחות השוק.
עקרונות הליבה להתרחבות
הפוסט מסכם שורה של עקרונות רציפים לתהליך:
- בניית התשתית לפני ההתרחבות: בסיס קוד מותאם לסוכנים, קובצי CLAUDE.md, ידע ארגוני נגיש, תהליכי עבודה שניתן לנטר וספריית מיומנויות ראשונית לשימוש חוזר.
- הוכחת יכולת במערכות האמיתיות של הארגון במסגרת פיילוט מורכב.
- הצבת יעד אקספוננציאלי כדי לחייב חשיבה מחדש על תהליכים וזיהוי פערים.
- יצירת שפה משותפת לעומק האימוץ באמצעות מודל בשלות.
- התייחסות למשמעת עלויות כאל משמעת הנדסית.
- השקעה מתמשכת בתרבות ארגונית המעודדת בנייה עצמית ושיתוף ידע.