99% kódu napísaného AI: Ako Every prevádzkuje 4 produkty s 15 ľuďmi

Perspektíva

Dan Shipper vedie Every, mediálnu a softvérovú spoločnosť so šiestimi obchodnými jednotkami, štyrmi produkčnými softvérovými produktmi, 7 000+ platiacimi predplatiteľmi a dvojciferným MRR rastom šesť po sebe idúcich mesiacov - to všetko s len 15 ľuďmi. Pozoruhodná časť: 99% ich kódu je napísaných AI agentmi. Táto prednáška z AI Engineer NYC ponúka konkrétny playbook pre to, ako AI-native organizácie skutočne vyzerajú.

O 10x rozdiele: “There’s a 10x difference between an org where 90% of the engineers are using AI versus an org where 100% of the engineers are using AI. It’s totally different.” Prahový efekt záleží, pretože aj 10% používajúcich tradičné metódy núti celú organizáciu prispôsobiť sa tomuto workflow - bráni dokončeniu paradigmatického posunu.

O produktoch s jedným inžinierom: “Each one of our apps is built by a single developer… and these are not little apps. Thousands of users. It’s not simple. It’s complicated.” Kora (email AI), Monologue (speech-to-text) a Spiral sú všetko produkčné aplikácie udržiavané jednou osobou. Toto nie je o kvalite prototypu - sú to aplikácie s platiacimi zákazníkmi.

O core loope: “In traditional engineering, each feature makes the next feature harder to build. In compounding engineering, your goal is to make sure each feature makes the next feature easier to build.” Ich štvorstupňový proces: Plan → Delegate → Assess → Codify. Krok “codify” - premena tacitných znalostí na prompty - je tam, kde sa deje compounding.

O paralelnej práci: “I know engineers… who are productively using four panes of agents at the same time.” Toto nie je Twitter meme vibe coderov predstierajúcich prácu - je to skutočná paralelná práca na funkciách a bugoch, ktorá umožňuje produkty s jedným inžinierom.

O manažéroch commitujúcich kód: “Managers can commit code. If you’re technical, even the CEO can… AI allows engineers to work with fractured attention.” Shipper sám commituje produkčný kód napriek tomu, že vedie 15-člennú spoločnosť so štyrmi produktmi. Náklady na začatie kódovania klesli natoľko, že context-switching exekutívi môžu prispievať.

Kľúčové poznatky

• 100% AI adopcia je kvalitatívne odlišná - Pri 90% adopcii organizácia stále prispôsobuje tradičné workflows; pri 100% sa stávajú možnými úplne nové operačné modely
• Jednotliví inžinieri prevádzkujú produkčné produkty - Aplikácie Every s tisíckami platiacich používateľov sú každá udržiavaná jedným vývojárom plus príležitostnými kontraktormi
• Compounding engineering prevracia obvyklú dynamiku - Namiesto funkcií pridávajúcich komplexitu, každá funkcia uľahčuje ďalšiu cez kodifikované prompty a naučené vzory
• Tacitné zdieľanie kódu sa stáva zadarmo - Nasmerujte Clauda na repo kolegu, naučte sa ich implementačný prístup a reimplementujte vo vlastnom stacku - nie je potrebná abstrakcia knižnice
• Noví zamestnanci sú produktívni od prvého dňa - Všetko nastavenie prostredia a PR štandardy žijú v CLAUDE.md súboroch; agent zvláda onboarding
• Štandardizácia tech stacku je voliteľná - AI zvláda preklad medzi jazykmi a frameworkmi, takže tímy môžu používať, čo preferujú

Veľký obraz

Model Every - 15 ľudí, štyri produkty, 99% AI kód - predznamenáva organizačnú štruktúru AI-native spoločností. Kľúčový pohľad nie je, že AI píše kód rýchlejšie; je to, že 100% adopcia umožňuje kvalitatívne odlišné operácie: produkty s jedným inžinierom, manažéri-prispievatelia, beztrecie zdieľanie kódu naprieč repozitármi. Pre spoločnosti debatujúce o úrovniach AI adopcie je správa binárna: čiastočná adopcia stále vyžaduje prispôsobenie starému paradigmatu, zatiaľ čo plná adopcia odomyká nový.