Dispatch from the Future: building an AI-native Company (Рубрика AI)
Посмотерл претенциозный доклад Dan Shipper, сооснователя и CEO Every. Он запустил Every в 2020 году вместе с Nathan Baschez, а сегодня Every — это команда из 15 человек, которая управляет 6 бизнес-юнитами и 4 продуктами, публикует ежедневную рассылку об AI и консалтит.
Как по мне масштаб компании небольшой, но тезисы амбициозные и интересные, поэтому я привел их здесь
1️⃣ Квантовый скачок при 100% adoption Разница между организацией, где 90% инженеров используют AI, и организацией со 100% adoption — это не 10%, а 10x. Если хотя бы 10% команды использует традиционные методы разработки, вся организация откатывается к старым процессам. Физика разработки меняется только при полном переходе.
2️⃣ 2. Один разработчик = продакшн-приложение В Every каждый из четырех продуктов построен одним инженером. Это не игрушки: Cora (AI email assistant) обрабатывает тысячи почтовых ящиков, Monologue (speech-to-text) используют для написания миллионов слов в неделю, Spiral (AI writing partner) генерирует контент с миллионами показов. 99% кода написано AI-агентами — никто не пишет код руками.
3️⃣ От code editor к делегированию агентнам Ключевое изменение — переход от редактора кода к terminal-based workflow с Claude Code, который убирает традиционный code editor и позволяет делегировать задачи агентам. Это открывает возможность параллельного выполнения: разработчики запускают 4 окна с агентами одновременно, работая над разными фичами.
4️⃣ Demo culture vs Memo culture Когда код становится дешевым, компании переходят от "memo culture" (писать документы и убеждать коллег) к "demo culture" — можно за пару часов сделать прототип и показать. Это позволяет делать более странные и интересные вещи, которые сложно описать словами, но легко почувствовать.
5️⃣ Compounding Engineering Every разработала методологию Compounding Engineering: каждая фича делает следующую фичу проще, а не сложнее. Цикл состоит из 4 этапов: - Plan (40%): агенты изучают кодовую базу и создают детальные планы - Work (20%): агенты пишут код и тесты - Review (20%): оценка качества через тесты, код-ревью, субагентов - Compound (20%): кодификация всех learnings в промпты, субагентов, slash-команды
6️⃣ Вторичные эффекты Полный AI-adoption разблокирует неочевидные преимущества: - Tacit code sharing: агенты могут читать репо соседних проектов и переносить паттерны в другой стек без явных библиотек - Новички продуктивны с первого дня: вся организационная база знаний закодирована в claude.md файлах - Cross-app commits: разработчики фиксят баги в чужих продуктах, потому что это просто - Polyglot stack: каждый продукт может использовать свой язык и фреймворк — AI справляется с трансляцией - Менеджеры коммитят код: даже CEO может коммитить production code между встречами
7️⃣ Fractured Attention Programming AI позволяет работать с "раздробленным вниманием", когда раньше нужен был 3-4 часовой фокус-блок. Теперь: вышел из встречи → дал задачу агенту → пошел на другую встречу → вернулся к готовому результату → сделал PR.
Это влечет за собой следующие изменения для разработки 1) Изменения экономики разработки - Параллелизм вместо последовательности: с агентами разработчик работает с 3-4 задачами одновременно в разных worktrees, а не с одной, как было раньше - Снижение стоимости старта: prototype-first подход становится доминирующим - Инверсия роли разработчика: код пишут агенты, разработчики становятся "оркестраторами"
**2) Трансформация процессов
- Новые примитивы**: появляются agents.md файлы с контекстом проекта, кастомные субагенты для специфичных задач и т.д (это способ кодификации знаний организации) - Сдвиг от документации к артефактам: агенты читают код и другие примитивы напрямую - Изменение hiring: больше не нужны недели на онбординг и не так важно знание конкретного стека
#Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps #Architecture #Culture #Engineering #ML #SystemDesign