אנת'רופיק חשפה: קלוד כותב 80% מהקוד שלה, והמהנדסים מוציאים פי 8 קוד ברבעון (ספטמבר 2026)

קלוד כותב היום 80% מהקוד החדש שנכנס לייצור באנת'רופיק, והמהנדסים בחברה שולחים פי 8 קוד ברבעון בהשוואה לתקופה שבין 2021 ל-2025. המספרים לא הגיעו מסקר שוק ולא מחברת ייעוץ, אלא מהבלוג ההנדסי של אנת'רופיק עצמה, במאמר שמסביר איך הזינוק הזה שבר בתוך חצי שנה את אחת המערכות הפנימיות שהחברה הכי סומכת עליהן. (מקור: הבלוג ההנדסי של אנת'רופיק, ספטמבר 2026)

STSICONIC (אס טי אס אייקוניק) היא חברת הטמעת AI לעסקים ולארגונים בישראל, אנחנו מאחדים את כל המערכות שלך למערכת אחת ועושים סדר בעסק, מחברות קטנות ועד ארגונים גדולים.

מה בדיוק אנת'רופיק פרסמה

המאמר נכתב על ידי המהנדס סצ'ין מלהוטרה (Sachin Malhotra) מאנת'רופיק, והוא נקרא כמו דוח נזקים יותר מאשר כמו הודעה לעיתונות. הנתון הראשון תפס את הכותרות: 80% מהקוד החדש בחברה נכתב על ידי קלוד. הנתון השני פחות מדובר ומעניין לא פחות: המהנדסים בחברה שולחים היום פי 8 קוד ברבעון לעומת מה ששלחו בין 2021 ל-2025. (מקור: VentureBeat, ספטמבר 2026)

ואז מגיעים המספרים שמתארים את המחיר. מספר משימות ה-CI, כלומר הבדיקות האוטומטיות שרצות על כל שינוי בקוד, גדל פי 25 בתוך שישה חודשים. מספר הבדיקות בקוד עצמו גדל פי 10. מספר המהנדסים? גדל במעט מאוד. במילים אחרות, אותו מספר אנשים בערך יצר פי עשרה עבודת בדיקה למערכות שלא תוכננו לזה. (מקור: Analytics India Magazine, ספטמבר 2026)

למה דווקא פי 25 ולא פי 8, כמו הקוד? כי לפי המאמר, קלוד מעדיף לשלוח שינויים קטנים ותכופים במקום שינוי גדול אחד, וכל שינוי קטן כזה מפעיל סבב בדיקות שלם משל עצמו. נוסף על כך, הסוכנים עובדים גם בלילות וגם בסופי שבוע, כך שהעומס כבר לא יורד בשעות השקטות. מלהוטרה מסכם את הלקח במשפט אחד שכדאי לזכור: תניחו שהארכיטקטורה שלכם תעמוד בעומס גדול פי 25 בתוך שני רבעונים.

לעומק: למה AI שכותב קוד שובר דווקא את הבדיקות

זה החלק שמבלבל, אז נסביר אותו לאט. כשמתכנת משנה שורת קוד, אף אחד לא סומך עליו על המילה. יש מערכת שרצה אוטומטית ומריצה אלפי בדיקות קטנות כדי לוודא שהשינוי לא שבר משהו אחר במקום אחר. המערכת הזאת נקראת CI, ראשי תיבות של Continuous Integration, שילוב מתמשך. תחשבו עליה כמו על בודק איכות שעובד 24 שעות ביממה ולא הולך הביתה.

אם בכל שינוי קטן מריצים את כל אלפי הבדיקות, זה לוקח נצח ועולה הון. לכן יש שכבה חכמה מעל, שנקראת test impact analysis, ניתוח השפעת בדיקות. התפקיד שלה הוא לענות על שאלה אחת: בהינתן השינוי הספציפי הזה, אילו בדיקות בכלל רלוונטיות לו?

הנה האנלוגיה. דמיינו סופרמרקט ענק עם 50 אלף מוצרים על המדפים. ספק משנה מרכיב אחד ברוטב עגבניות. אתם לא רוצים לבדוק מחדש את כל 50 אלף המוצרים, אתם רוצים פקח עם מפה שאומר: הרוטב הזה נכנס גם ללזניה המוכנה וגם לפיצה הקפואה. תבדקו את שתיהן ותמשיכו הלאה. הפקח הזה הוא בדיוק מה שאנת'רופיק בנתה. והוא עבד מצוין, כל עוד הגיעו למחסן כמה עשרות משלוחים ביום.

ואז הגיעו אלפי משלוחים ביום. מה שקרה לאחר מכן הוא הפרט הכי מלמד בכל הסיפור, כי אפשר לראות בו בזמן אמת את הקצב שבו המערכת התפרקה. אנת'רופיק ניסתה שלושה תיקונים לפני שהחליטה לבנות את הכל מחדש:

• תיקון ראשון, מכונה חזקה יותר: החזיק 70 יום.
• תיקון שני, פיצול העבודה בין כמה מכונות (שרדינג): החזיק 29 יום.
• תיקון שלישי, אתחול יומי של השירות: החזיק פחות מיום אחד.

שימו לב למה שקורה כאן. זה לא שהתיקונים נכשלו, כל אחד מהם עבד. פשוט חלון הזמן שבו הוא עבד התכווץ מ-70 יום ל-29 יום ואז לשעות בודדות, כי העומס גדל מהר יותר ממה שמישהו הספיק לטלאי. כשהעקומה נראית ככה, אין תיקון נקודתי שמציל אתכם, צריך לתכנן מחדש. וכשאנת'רופיק תכננה מחדש, המשימה לקחה למהנדס אחד שלושה שבועות. לפי המאמר, שנה קודם לכן זה היה לוקח קרוב לרבעון שלם. (מקור: הבלוג ההנדסי של אנת'רופיק, ספטמבר 2026)

המספרים על השולחן

מה שהמספרים לא מספרים

כאן צריך לעצור רגע. "80% מהקוד נכתב על ידי קלוד" זה לא אותו דבר כמו "80% מהעבודה נעשית על ידי קלוד". קוד הוא רק חלק מהמלאכה, ולצדו יש הגדרת בעיה, החלטות ארכיטקטורה, ביקורת של מה שנכתב ואחריות על מה שמגיע ללקוח. אנת'רופיק לא פרסמה כמה זמן המהנדסים מבלים בביקורת קוד שנכתב על ידי AI, ולא פרסמה אם שיעור התקלות עלה או ירד.

נקודה שנייה: מעבדה שמודדת את הכלים של עצמה, על בסיס הקוד של עצמה, בעזרת המודל של עצמה, היא לא מדד ניטרלי. הנתונים כנראה מדויקים, אבל הם מתארים ארגון שבנוי מהיסוד סביב הכלי הזה. אין ערובה שאותם יחסים יתקיימו בחברה אחרת, בקוד ישן יותר, עם צוות שלא חי ונושם את זה.

למה זה משנה לכל אחד

• אם אתם חוששים לעבודה שלכם: כשה-AI כתב 80% מהקוד, העבודה של המהנדסים לא נעלמה, היא זזה. היא עברה מהקלדת שורות לתכנון מחדש של מערכת שקרסה תחת עומס. מה שנשאר אנושי הוא לא הביצוע, אלא ההבנה למה משהו נשבר.
• אם אתם לומדים לתכנת עכשיו: הכישור שמקבל כאן את הערך הכי גבוה הוא לא "לכתוב פונקציה", אלא לקרוא קוד שמישהו אחר כתב, להבין מערכת שלמה ולזהות מה מתנהג מוזר. זה בדיוק מה שהמהנדס באנת'רופיק עשה בשלושת השבועות שלו.
• אם אתם פרילנסרים: הציפייה של הלקוח לקצב עולה, כי הוא קרא אותן כותרות. שווה להסביר מראש שקצב הייצור הוא רק חצי מהסיפור, והחצי השני הוא הבדיקה.
• אם המנהל שלכם שאל למה זה לוקח כל כך הרבה זמן: עכשיו יש לכם דוגמה מצוינת. החברה שבנתה את המודל האיצה פי 8 את הייצור, ואז בילתה שישה חודשים בכיבוי שריפות. מהירות בלי תשתית שתומכת בה מייצרת חוב, לא יתרון.
• ולמי שמנהל עסק או ארגון: המסקנה המעשית היא המשפט של מלהוטרה. אם אתם מכניסים AI לתהליך כלשהו, שאלו לא רק כמה זה יזרז, אלא מה יקרה למערכות שמסביב כשהנפח יגדל פי כמה. אנחנו רואים את זה כל הזמן בהטמעת AI בארגונים, הצוואר של הבקבוק זז, הוא לא נעלם.

קראנו כאן גם על הקריאה של אנת'רופיק ו-OpenAI להאט את קצב פיתוח ה-AI, ובפועל המאמר ההנדסי הזה מראה איך הקצב נראה מבפנים כשלא מאטים.