Instacart автоматизирует 97% задач по написанию кода

Instacart задает провокационный вопрос: что, если большую часть работы, которую ваши инженеры выполняют сегодня, на самом деле должны делать машины?

На конференции VB Transform 2026 техдиректор (CTO) Анирбан Кунду (Anirban Kundu) заявил, что команды разработчиков продолжают тратить время на изнурительную, рутинную и объемную работу; ее должны взять на себя ИИ-агенты, чтобы люди могли сосредоточиться на задачах, требующих рассуждений, понимания намерений и обработки исключений.

Фактически в 97% случаев разработчики Instacart больше даже не читают код.

«Раньше тактический уровень заключался в создании кода, — сказал Кунду. — На самом же деле на наиболее тактическом уровне в будущем все будет сводиться к тому: «Как взаимодействовать с системой ИИ, чтобы получить то, что вам нужно?»»

ИИ генерирует код и проводит «весьма серьезные оценки»

Это не значит, что люди никогда не смотрят на код; агенты берут на себя основную часть генерации кода и шаблонных заготовок (boilerplate), особенно в новых проектах, где код генерируется или пересоздается на еженедельной основе.

«Преимущество этого подхода в том, что нас больше не волнует технический долг, — отметил Кунду. — Компоненты, которые не задействованы в данный момент, просто отбрасываются, а затем пересоздаются заново — примерно так, как мы раньше писали код на ассемблере или объектный код».

Так почему же не довести этот показатель до 100%? Оставшиеся 3% приходятся на устаревшие системы, требования комплаенс, чувствительные к задержкам рабочие процессы и системы, а также на «горы кода», который является устаревшим, неактивным или полуактивным. Эти случаи по-прежнему требуют внимательного участия человека.

Тем не менее Instacart постепенно «сглаживает эти шероховатости», разбивая системы на части в рамках проекта с говорящим названием Atoms, а затем воссоздавая их в более чистом, модульном виде. Команда Кунду начала с «монолитов» и переходит на архитектуры на основе удаленного вызова процедур (RPC).

Однако оценка (evaluation) остается одной из главных трудностей. Проверка кода теряет свою актуальность, когда его генерирует искусственный интеллект — как отметил Кунду, «строки кода будут правильными, а синтаксис оправдает ваши ожидания», — поэтому цель состоит в том, чтобы перейти к «модели намерений». Иными словами, обучение разработчиков тому, как правильно формулировать запросы к разным моделям с точки зрения поставленной цели.

Оценки при этом выполняются независимо: ежемесячно запускается около 7 000 автоматических проверок, а система обрабатывает более 8 000 запросов разработчиков в реальном времени с точностью примерно 99,9%.

Выявление «сбоев», которые человеческая интуиция могла пропустить

Параллельно с этим в Instacart создали систему обеспечения надежности сайтов (SRE) на базе агентов, обученную на многолетних данных о внутренних инцидентах компании и анализе их первопричин, а не на абстрактной статистике сбоев. Вместо того чтобы объяснять модели принципы возникновения сбоев в продакшене в теории, команда предоставила ей конкретные сценарии отказов систем Instacart с течением времени, а также способы их диагностики и устранения инженерами.

В результате точность обнаружения и устранения проблем в продакшене выросла примерно с 60% до более чем 90%.

Кунду привел в пример внутренний инструмент Instacart под названием Blueberry. Коллега на базе ИИ-SRE отслеживает около двухсот каналов в Slack, мониторит сигналы и ищет закономерности в человеческих обсуждениях и оповещениях.

Во время одного из инцидентов в шарде базы данных, работающем на базе тома EBS, на некоторое время произошел сбой. Команда специалистов не сразу заподозрила проблемы с дисками AWS и «очевидно, суетилась», пытаясь выяснить, почему этот конкретный шард повел себя некорректно.

Но примерно через 20 минут бот Blueberry написал в Slack, указав на конкретную аномалию и связав ее с системой управления фича-флагами «roulette», которая работала ненадлежащим образом. «Она должна была развертываться по определенному графику, [но] нагрузка оказалась слишком большой», — пояснил Кунду.

Blueberry во всем разобралась, и команда устранила инцидент. «Смог бы человек отреагировать так же быстро? Думаю, проблема в том, что человеческая интуиция нас немного сдерживает», — считает Кунду.

Люди склонны полагаться на знакомые паттерны, а затем прибегать к отладке; Кунду назвал это «эффектом взаимодействия первого и второго мозга». Но агентная SRE-система Instacart «гораздо эффективнее справляется с анализом всего массива данных и может объективно решать, что имеет значение, а что нет».

Переосмысление роли инженера

В перспективе наиболее тактической работой для инженеров станет навигация по системам ИИ: проектирование и надзор за процессами оценки; координация множества одновременных экспериментов и функций; управление ограничениями, такими как ограниченный верхний уровень воронки трафика для тестирования; определение моментов, когда требуется эскалация; выявление граничных случаев (edge cases) и потенциальных точек отказа.

В эпоху ИИ также переосмысляется понятие экспертных знаний в предметной области (domain expertise). Вместо того чтобы создавать узкие места, пропуская изменения через единственную команду-«владельца», которая имеет доступ к коду, Instacart внедряет знания о предметной области в определения и спецификации, доступные любой команде.

«Мы жили в мире, где только эта группа или эта инженерная команда имели доступ к коду и могли вносить изменения, — сказал Кунду. — Мы же пытаемся перейти к миру, где код становится полностью доступным для всех групп».