Intercom — это 15-летняя частная ирландско-американская B2B SaaS-компания с командой около 1400 человек, рассредоточенной по всему миру от Дублина и Лондона до Сан-Франциско и Сиднея. Исторически Intercom славился своей одержимостью быстрой и итеративной поставкой кода (шиппингом). Однако в эпоху повсеместного внедрения ИИ компания совершила беспрецедентный шаг: она полностью перестроила свои процессы разработки, сделав ставку на ИИ-агентов.
Ниже описан путь Intercom к двукратному увеличению пропускной способности инженерии без расширения штата, а также ключевые принципы, которые позволили совершить этот технологический прорыв.
1. Отказ от «модельной тревожности» и выбор единой платформы
На начальном этапе инженеры Intercom использовали самые разные инструменты: GitHub Copilot, Cursor, Augment и другие решения. Однако к середине прошлого года руководство поняло, что такой фрагментированный подход приносит лишь маргинальные улучшения — работа становилась приятнее, но кардинального скачка в продуктивности не происходило.
Тогда было принято стратегическое решение: отказаться от «модельной тревожности» (model anxiety) и сфокусироваться на одной платформе.
«Это как с мультиоблачностью: вы не получите кумулятивного эффекта от хорошо спроектированной платформы, если будете размазывать свои задачи по разным облачным провайдерам. Намного выгоднее полностью вложиться в один инструмент, оптимизировать его и довести до совершенства».
В качестве единой платформы Intercom выбрал Claude Code. Цель была сформулирована предельно амбициозно: обучить Claude Code действовать как senior-инженер на любой технической задаче внутри компании. Для этого ИИ подключили ко всему локальному окружению разработчиков и интегрировали во внутренние системы.
2. Проект «2x»: Новые правила игры
В июне прошлого года компания запустила проект «2x», целью которого стало удвоение пропускной способности R&D-департамента. В качестве главной метрики было выбрано количество изменений в коде (Pull Requests) на одного сотрудника R&D.
Чтобы сдвинуть культуру компании с мертвой точки, руководство пошло на жесткие, но эффективные организационные меры:
- Ультимативные должностные инструкции: В Intercom обновили требования к позициям. Если дизайнер, продакт-менеджер или инженер не внедряет ИИ в свою повседневную работу — он официально не соответствует ожиданиям компании (бинарная оценка).
- Постоянный фокус: Руководство без устали транслировало идею важности ИИ на всех уровнях и форумах.
- Культура шеринга и поощрения: Были созданы специальные Slack-каналы, где инженеры хвастались автоматизацией задач, делились промптами и техниками. Проводились хакатоны и дни глубокого погружения в ИИ.
- Выделенная команда: Проект «2x» получил полноценное постоянное штатное расписание, состоящее из лучших инженеров компании.
3. Онбординг ИИ и создание долговечных навыков (Skills)
Нельзя просто дать инженеру Claude Code и ждать магии. Любая языковая модель «из коробки» не знает специфики вашего бизнеса. Intercom прошел через полноценный процесс онбординга ИИ: модель обучили конвенциям Ruby on Rails (компания использует величественный Rails-монолит), архитектурным паттернам React, внутренним стандартам тестирования и правилам безопасности.
Вместо того чтобы заставлять инженеров каждый раз писать громоздкие промпты, команда сфокусировалась на создании маленьких, качественных, тестируемых и долговечных навыков (Skills) для Claude Code.
Принцип: Давать агентам проблемы, а не задачи
Инженеров Intercom учат не просто запускать конкретный скрипт или навык, а описывать проблему верхнеуровнево, позволяя агенту самому определить интенты (намерения) и выбрать нужные инструменты.
Реальный кейс: Во время инцидента безопасности (случайная публикация метаданных таблиц Snowflake в публичный GitHub-репозиторий) Брайан открыл Claude Code и просто попросил его подключиться к Slack-каналу инцидента. Он даже не знал, что у компании есть предписанный навык для таких ситуаций. Claude Code самостоятельно скачал файлы, проверил их по внутренним политикам критериев утечки данных, провел полный анализ, сделал вывод о безопасности информации и расписал следующие шаги за 2 минуты. У человека на поиск регламента и аудит ушло бы не менее 20 минут скучной работы.
4. Эволюция инженера: движение вверх по стеку
Переход к «Agent-First» разработке меняет саму суть профессии программиста. В Intercom выделяют несколько уровней зрелости инженера в эпоху ИИ:
| Уровень | Описание |
| Базовый | Использование ИИ для автокомплита и простых ответов на вопросы. |
| Продвинутый | Использование Claude Code для выполнения рутинных технических задач. |
| Создатель | Упаковка своих автоматизаций в переиспользуемые навыки (Skills) для всей компании. |
| Архитектор среды | Оптимизация самой программной архитектуры, документации и подходов для того, чтобы ИИ-агенты работали максимально эффективно. |
Брайан сравнивает эту трансформацию с эволюцией системных администраторов Unix в SRE-инженеров во времена прихода облачных технологий (AWS/GCP). Инженеры не теряют работу — они поднимаются выше по стеку, автоматизируя процессы и увеличивая свою рыночную ценность.
5. Результаты в цифрах
Решение полностью сфокусироваться на Claude Code было принято в декабре, раскатка началась в январе, и результаты превзошли ожидания:
- Цель «2x» достигнута менее чем за год. Пропускная способность PR (Pull Requests) резко пошла вверх.
- Автоматическое ревью кода:17.6% пул-реквестов одобряются агентами автоматически без участия человека. На основе бэктестинга исторических данных и разметки людьми, ИИ научили выявлять безопасные и простые PR и подтверждать их.
- Безопасность и комплаенс: Компания согласовала эти процессы с аудиторами. Для соответствия стандартам SOC 2, ISO 27001 и HIPAA человеку не обязательно находиться внутри цепочки одобрения (human-in-the-loop), если выстроена строгая система логирования, контроля и аудита ИИ-агентов.
- Ликвидация багов (Defect Deflation): Скорость закрытия дефектов и багов взлетела. Команды начали массово «выкашивать» старые бэклоги, закрывая сотни дефектов благодаря автоматизированным навыкам (например, навыку автоматического исправления «мигающих» (flaky) тестов).
- Качество кода: Согласно независимым метрикам исследовательской группы из Стэнфордского университета, которой Intercom предоставляет свой код на анализ, общее качество кодовой базы за время эксперимента выросло.
Заключение
Опыт Intercom показывает, что ИИ в разработке — это не просто продвинутый Т9 в редакторе кода. Это полноценная смена парадигмы. Успех эксперимента держится на трех китах: жесткая воля руководства, выбор единой платформы вместо зоопарка инструментов и инвестиции в создание качественного контекста и навыков для ИИ.
Будущее инженерии уже наступило, и, как резюмирует Брайан Сканлан:
«Если вы не делаете этого сегодня, вам придется делать это в самом ближайшем будущем».
На основе How Building with AI Can Double the Throughput of Your Engineering Team — Brian Scanlan, Intercom