El equipo de Claude Code de Anthropic está navegando por un cambio significativo en la ingeniería de software: el enorme volumen de código producido por los agentes de IA. En su monorepo interno, los cambios diarios aumentaron de 2,500 en mayo a más de 30,000 en septiembre. Para gestionar esto, el equipo se ha alejado de las revisiones de código manuales línea por línea como puerta principal, adoptando en su lugar un sistema donde las máquinas realizan la mayoría de la 'lectura' y las comprobaciones de rutina. El objetivo es preservar el tiempo humano para desafíos novedosos y problemas de alto riesgo, asegurando al mismo tiempo que la velocidad de producción no provoque un aumento en las reversiones o incidentes.
El equipo emplea una arquitectura de revisión de múltiples capas donde la mayoría de los cambios son verificados por IA antes de que un humano los vea. Esto incluye una capa de 'pre-PR' donde Claude tiene la tarea de ejecutar pruebas, compilaciones o generar capturas de pantalla para verificar su propio trabajo. Si el revisor automatizado señala un problema recurrente, el equipo actualiza las instrucciones subyacentes —como el archivo `CLAUDE.md`, que define las convenciones del proyecto— para solucionar el problema en la fuente. Para cada solicitud de extracción (pull request), un revisor de IA evalúa la diferencia (diff) frente a todo el repositorio para asegurar que el cambio se ajuste a la intención del sistema. Estos hallazgos son luego verificados por un grupo separado de agentes que 'votan' sobre la validez del error antes de que los comentarios se presenten a un autor humano.
El diagrama ilustra la filosofía del equipo sobre cómo los desarrolladores mantienen modelos mentales de una base de código cuando las máquinas realizan la mayoría de la lectura de rutina.
La intervención humana ahora se escala por riesgo en lugar de volumen. Un clasificador determina el nivel de riesgo de un cambio, donde las actualizaciones de bajo riesgo, como la documentación, no requieren aprobación humana si pasan las comprobaciones automatizadas. Los cambios de riesgo medio y alto, como aquellos que afectan el almacenamiento en caché o los prompts del sistema, requieren uno o dos revisores humanos. Para mantener la calidad, el equipo utiliza un conjunto de evaluación 'en vivo' construido a partir de incidentes y reversiones pasadas; cada cambio en el revisor de IA se califica frente a este conjunto para asegurar que detecte errores reales mientras minimiza el ruido. Este enfoque permite al equipo mantener una alta velocidad de fusiones —duplicando el número de solicitudes de extracción fusionadas entre junio y septiembre— mientras reduce simultáneamente la proporción de esos cambios que requirieron una reversión en más del 40 por ciento.