Un ingegnere ha realizzato un prodotto SaaS di produzione in un’ora: ecco il sistema di governance che lo ha reso possibile

Ogni chief tecnico che osservi l’ondata di codifica degli agenti prima o poi dovrà affrontare la stessa domanda: se l’intelligenza artificiale può generare codice di qualità produttiva più velocemente di qualsiasi crew, come appare la governance quando l’essere umano non scrive più il codice?

La maggior parte delle squadre non ha ancora una buona risposta. Dati del tesorouna piattaforma di dati dei clienti supportata da SoftBank che serve più di 450 marchi globali, ora ne ha una, anche se alcune parti l’hanno imparata nel modo più duro.

L’azienda oggi annunciato ufficialmente Treasure Codeuna nuova interfaccia a riga di comando nativa dell’intelligenza artificiale che consente agli ingegneri dei dati e ai crew della piattaforma di gestire l’intero CDP attraverso il linguaggio naturale, con Claude Code che gestisce la creazione e l’iterazione sottostante. È stato costruito da un singolo ingegnere.

L’azienda afferma che la codifica stessa ha richiesto circa 60 minuti. Ma quel numero è quasi irrilevante. La storia più importante è cosa doveva essere vero prima che quei 60 minuti fossero possibili, e cosa si è rotto dopo.

“Dal punto di vista della pianificazione, dobbiamo ancora pianificare per ridurre il rischio del enterprise, e ci sono volute un paio di settimane”, ha detto a VentureBeat Rafa Flores, Chief Product Officer di Treasure Information. “Dal punto di vista dell’ideazione e dell’esecuzione, è lì che unisci le due cose e vai, vai, vai. E non si tratta solo di prototipare, si tratta di mettere le cose in produzione in modo sicuro.”

Costruisci prima il livello di governance

Prima ancora che fosse scritta una singola riga di codice, Treasure Information ha dovuto rispondere a una domanda più difficile: cosa è necessario vietare al sistema di fare e come farlo rispettare a livello di piattaforma invece di sperare che il codice lo rispetti?

I guardrail Treasure Information sono stati costruiti in diretta a monte del codice stesso. Quando un utente si connette al CDP tramite Treasure Code, il controllo degli accessi e la gestione dei permessi vengono ereditati direttamente dalla piattaforma. Gli utenti possono raggiungere solo le risorse per le quali hanno già l’autorizzazione. Le PII non possono essere esposte. Non è possibile rendere visibili le chiavi API. Il sistema non può parlare in modo sprezzante di un marchio o di un concorrente.

“Dovevamo coinvolgere i CISO. Sono stato coinvolto anch’io. I nostri CTO, capi dell’ingegneria, solo per assicurarci che questa cosa non diventasse un canaglia”, ha detto Flores.

Questa base ha reso possibile il passo successivo: consentire all’intelligenza artificiale di generare il 100% della base di codice, con una pipeline di qualità a tre livelli che applica gli customary di produzione ovunque.

La pipeline a tre livelli per la generazione di codice AI

Il primo livello è un revisore di codice basato sull’intelligenza artificiale che utilizza anche Claude Code. Il revisore del codice si trova nella fase di richiesta pull ed esegue una lista di controllo di revisione strutturata per ogni fusione proposta, controllando l’allineamento dell’architettura, la conformità della sicurezza, la corretta gestione degli errori, la copertura dei check e la qualità della documentazione. Quando tutti i criteri sono soddisfatti, è possibile unirli automaticamente. Quando non lo sono, segnala l’intervento umano.

Il fatto che Treasure Information abbia creato il revisore del codice in Claude Code non è casuale. Ciò significa che lo strumento che convalida il codice generato dall’intelligenza artificiale è stato esso stesso generato dall’intelligenza artificiale, un punto di prova del fatto che il flusso di lavoro si auto-rafforza piuttosto che dipendere da un livello di qualità separato scritto dall’uomo.

Il secondo livello è una pipeline CI/CD customary che esegue check automatizzati di unità, integrazione e end-to-end, analisi statica, linting e controlli di sicurezza rispetto a ogni modifica. Il terzo è la revisione umana, necessaria ogniqualvolta i sistemi automatizzati segnalano un rischio o la politica aziendale richiede l’approvazione.

Il principio interno Treasure Information opera in base al quale l’intelligenza artificiale scrive il codice, ma l’intelligenza artificiale non lo invia.

Perché questo non è solo il cursore puntato su un database

La domanda ovvia per qualsiasi crew di ingegneri è: perché non puntare semplicemente uno strumento esistente come Cursor sulla propria piattaforma dati o esporlo come server MCP e lasciare che Claude Code lo interroghi direttamente.

Flores sostiene che la differenza sta nella profondità della governance. Una connessione generica ti dà accesso ai dati in linguaggio naturale ma non eredita nessuna delle strutture di autorizzazione esistenti della piattaforma, il che significa che ogni question viene eseguita con qualunque accesso consentito dalla chiave API.

Treasure Code eredita il controllo completo degli accessi e il livello di autorizzazione di Treasure Information, quindi ciò che un utente può fare attraverso il linguaggio naturale è limitato da ciò che è già autorizzato a fare nella piattaforma.

La seconda distinzione è l’orchestrazione. Poiché Treasure Code si collega direttamente all’AI Agent Foundry di Treasure Information, può coordinare sub-agenti e competenze su tutta la piattaforma anziché eseguire singole attività in isolamento: la differenza tra dire a un’IA di eseguire un’analisi e farle orchestrare story analisi attraverso l’attivazione, la segmentazione e il reporting multicanale simultaneamente.

Cosa si è rotto comunque

Anche con l’architettura di governance in atto, il lancio non è andato in modo pulito e Flores è stato sincero al riguardo.

Treasure Information inizialmente ha reso Treasure Code disponibile ai clienti senza un piano di go-to-market. Il presupposto period che la cosa sarebbe rimasta silenziosa mentre il crew avrebbe capito i passi successivi. I clienti l’hanno trovato comunque. Più di 100 clienti e quasi 1.000 utenti lo hanno adottato in due settimane, interamente attraverso la scoperta organica.

“Non abbiamo messo in atto alcuna mossa per l’immissione sul mercato. Non pensavamo che la gente l’avrebbe trovato. Ebbene, lo hanno fatto”, ha detto Flores. “Siamo rimasti indecisi su come realizziamo effettivamente i movimenti di go-to-market? Facciamo anche una beta, dato che tecnicamente è stay?”

L’adozione non pianificata ha inoltre creato un divario di conformità. Treasure Information è ancora in fase di certificazione formale di Treasure Code nell’ambito del suo programma di conformità Belief AI, una certificazione che non aveva completato prima che il prodotto raggiungesse i clienti.

Un secondo problema è emerso quando Treasure Information ha aperto lo sviluppo delle competenze a crew non ingegneristici. I CSM e i direttori degli account hanno iniziato a sviluppare e inviare competenze senza capire cosa sarebbe stato approvato e unito, creando un notevole spreco di sforzi e un arretrato di invii che non riuscivano a cancellare le politiche di accesso del repository.

Convalida aziendale e cosa manca ancora

Thomson Reuters è tra i primi advert adottarlo. Flores ha affermato che la società ha tentato di costruire una piattaforma interna di agenti IA e ha faticato a muoversi abbastanza velocemente. Si è collegato all’AI Agent Foundry di Treasure Information per accelerare il lavoro di segmentazione del pubblico, quindi è stato esteso a Treasure Code per personalizzare e iterare più rapidamente.

Il suggestions, ha affermato Flores, si è concentrato sull’estensibilità e sulla flessibilità e sul fatto che l’approvvigionamento period già stato effettuato, rimuovendo un significativo ostacolo aziendale all’adozione.

Il divario che Thomson Reuters ha segnalato, e che Flores riconosce che il prodotto non è ancora stato colmato, è l’orientamento sulla maturità dell’IA. Treasure Code non cube agli utenti chi dovrebbe usarlo, cosa affrontare per primo o come strutturare l’accesso tra diversi livelli di competenza all’interno di un’organizzazione.

“L’intelligenza artificiale che ti consente di sfruttare la leva finanziaria, ma ti cube anche come sfruttarla, penso che sia molto differenziato”, ha detto Flores. Lo vede come il prossimo livello significativo da costruire.

Cosa dovrebbero trarre da questo i chief dell’ingegneria

Flores ha avuto il tempo di riflettere su ciò che l’esperienza gli ha effettivamente insegnato ed è stato diretto su ciò che avrebbe cambiato. La prossima volta, ha detto, il rilascio resterà innanzitutto interno.

“Lo pubblicheremo solo internamente. Non lo rilascerò a nessuno al di fuori dell’organizzazione”, ha detto. “Sarà più un rilascio controllato in modo che possiamo effettivamente imparare a cosa siamo effettivamente esposti con un rischio minore.”

Per quanto riguarda lo sviluppo delle competenze, la lezione è stata quella di stabilire criteri chiari per ciò che viene approvato e unito prima di aprire il processo a crew esterni all’ingegneria, non dopo.

Il filo conduttore di entrambe le lezioni è lo stesso che ha modellato l’architettura di governance e la pipeline a tre livelli: la velocità è un vantaggio solo se la struttura attorno advert essa regge. Per i chief ingegneristici che valutano se la codifica advert agenti è pronta per la produzione, l’esperienza di Treasure Information si traduce in tre conclusioni pratiche.

1. L’infrastruttura di governance deve precedere il codice, non seguirlo. I controlli di accesso a livello di piattaforma e l’ereditarietà delle autorizzazioni sono stati ciò che ha reso sicuro consentire all’intelligenza artificiale di generare liberamente. Senza queste basi, il vantaggio in termini di velocità scompare perché ogni output richiede un’esauriente revisione manuale.

2. Un cancello di qualità che non dipenda interamente dagli esseri umani non è un optionally available su larga scala. Costruisci un cancello di qualità che non dipenda interamente dagli esseri umani. L’intelligenza artificiale può esaminare ogni richiesta pull in modo coerente, senza fatica, e verificare sistematicamente la conformità alle coverage nell’intera base di codice. La revisione umana rimane essenziale, ma come controllo finale piuttosto che come meccanismo primario di qualità.

3. Piano per l’adozione biologica. Se il prodotto funziona, le persone lo troveranno prima che tu sia pronto. Le lacune di conformità e di go-to-market che Treasure Information sta ancora colmando sono il risultato diretto della sottovalutazione di ciò.

“Sì, la codifica delle vibrazioni può funzionare se eseguita in modo sicuro e sono presenti barriere di protezione adeguate”, ha affermato Flores. “Accettalo in modo da trovare il modo di non sostituire il buon lavoro che svolgi, ma il lavoro noioso che probabilmente puoi automatizzare.”