Технический директор Instacart утверждает, что искусственный интеллект помог компании перестать беспокоиться о технологическом долге.

Тарин Пламб

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

На конференции VB Transform 2026 технический директор Анирбан Кунду заявил, что команды разработчиков продолжают тратить время на изнурительную, повторяющуюся и объемную работу; это должно быть взято на себя агентами ИИ, чтобы люди могли сосредоточиться на проблемах, требующих рассудительности, анализа намерений и обработки исключений.

Фактически, в 97% случаев сборщики Instacart уже даже не читают код.

«В прошлом тактический уровень заключался в создании кода, — сказал Кунду. — В будущем на самом тактическом уровне речь пойдет о том, как обойти систему искусственного интеллекта, чтобы получить желаемый результат».

Искусственный интеллект генерирует код и проводит «довольно серьезные оценки».

Это не значит, что люди никогда не заглядывают в код; основную часть генерации кода и шаблонного кода обрабатывают агенты, особенно в новых проектах, где код генерируется или перегенерируется еженедельно.

«Преимущество этого подхода в том, что нас больше не волнует технический долг», — сказал Кунду. «Неактивные компоненты просто удаляются, а затем проект восстанавливается, примерно так же, как раньше мы создавали ассемблерный или объектный код».

Так почему бы не 100%? Оставшиеся 3% приходятся на устаревшие системы и рабочие процессы, системы, чувствительные к соблюдению нормативных требований и задержкам, или же на «огромный объем кода», который не используется, неактивен или используется лишь частично. В таких случаях по-прежнему требуется тщательное внимание со стороны человека.

Однако Instacart постепенно «сглаживает эти части», разбивая системы на части в рамках проекта с метким названием Atoms, а затем собирая их заново в более чистой и модульной форме. Команда Кунду начала с «монолитов» и переходит к архитектурам, основанным на удаленных вызовах процедур (RPC).

Однако оценка остается одной из главных проблем. Проверка кода не так важна, когда код генерирует ИИ — как отметил Кунду, «строки кода будут правильными, синтаксис будет соответствовать вашим ожиданиям», — поэтому цель состоит в переходе к «модели намерений». То есть, в обучении разработчиков задавать различным моделям правильные вопросы с точки зрения намерений.

Затем проводятся независимые оценки: ежемесячно выполняется около 7000 автоматических оценок, и система отвечает на более чем 8000 запросов разработчиков в режиме реального времени с точностью около 99,9%.

Выявление «сбоев», которые могла упустить человеческая интуиция.

В соответствии с этим, Instacart разработала агентную систему обеспечения надежности работы сайта (SRE), обученную на основе многолетнего опыта компании, включая анализ инцидентов и первопричин, а не на общих данных о сбоях. Вместо того чтобы обучать модель абстрактному принципу работы сбоев в производственной среде, команда загрузила в нее конкретные примеры сбоев в системах Instacart за прошедшее время, а также способы диагностики и устранения этих проблем людьми.

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

Кунду привёл в пример внутренний инструмент Instacart — Blueberry. Этот специалист по SRE-инженерии, использующий искусственный интеллект, отслеживает около 200 каналов Slack, анализирует сигналы и ищет закономерности в разговорах людей и оповещениях.

В одном из инцидентов сегмент базы данных, поддерживаемый томом EBS, на некоторое время дал сбой. Команда специалистов не сразу заподозрила проблемы с дисками AWS и «очевидно, в спешке» пыталась выяснить, почему этот конкретный сегмент работал некорректно.

Но примерно через 20 минут Блюберри написал в Slack, указав на конкретную проблему и связав её с системой, похожей на «рулетку», которая оказалась неэффективной. «Предполагалось, что обновления будут внедряться с определённой периодичностью, [но] их оказалось слишком много», — сказал Кунду.

Блюберри разобрался в ситуации, и команда урегулировала инцидент. «Смог бы человек действовать так же быстро? Думаю, проблема в том, что человеческая интуиция нас немного сдерживает», — сказал Кунду.

Люди склонны по умолчанию использовать уже знакомые шаблоны, а затем прибегать к отладке; Кунду назвал это «эффектом первого мозга и второго мозга». Но агентная система SRE от Instacart на самом деле «более всесторонняя в своей способности анализировать все аспекты и затем решать, что важно, а что нет».

Переосмысление работы инженера

В перспективе наиболее тактической задачей для инженеров станет работа с системами искусственного интеллекта: разработка и контроль процессов оценки; координация множества одновременных экспериментов и функций; управление ограничениями, такими как ограниченный трафик на верхнем уровне воронки продаж для тестирования; определение моментов, когда следует эскалировать проблему; выявление граничных случаев и мест, где могут возникнуть сбои.

В эпоху ИИ экспертные знания в предметной области также переосмысливаются. Вместо того чтобы ограничивать внесение изменений одной командой «владельцев», работающей с кодом, Instacart внедряет знания в предметной области в определения и спецификации, которые может использовать любая команда.

«Мы жили в мире, где только определенная группа или инженерная команда могла вносить изменения в код, — сказал Кунду. — Мы же стремимся к миру, где код станет полностью доступным для всех групп».

Источник: venturebeat.com