Shopify ha 23.000 ingegneri che stanno correndo per automatizzare il 96% del loro codice entro il terzo trimestre di quest'anno.
Eseguono più agenti Claude Code in parallelo, ciascuno che gestisce una parte diversa del codebase mentre gli ingegneri si limitano a revisionare e unire.
Bessemer ha pubblicato il loro playbook completo basato sull'AI.
Ecco la loro configurazione esatta, che puoi copiare in 5 minuti 👇
Il livello infrastrutturale (perché la loro configurazione funziona)
Shopify non si è standardizzato su un unico strumento AI. Hanno standardizzato il livello sottostante.
Hanno costruito un proxy LLM interno che instrada ogni richiesta AI attraverso un unico gateway. Claude Code, GitHub Copilot, Cursor, tutti fluiscono attraverso la stessa infrastruttura.
Questo garantisce un controllo centralizzato dei costi, analisi dell'utilizzo e la possibilità di cambiare modelli senza modificare il flusso di lavoro di nessun ingegnere.
La lezione per i team più piccoli: non scegliere uno strumento e puntare tutto. Costruisci l'infrastruttura in modo da poter sperimentare con più strumenti mantenendo il controllo sui costi e sui dati.
Schema 1: Agenti paralleli, non singola chat
Gli ingegneri senior di Shopify non usano Claude Code come uno strumento a singolo prompt e singola risposta.
Lanciano più agenti simultaneamente che lavorano su diverse parti del codebase.
Un agente rifattorizza il modulo di autenticazione. Un altro scrive test. Un terzo aggiorna la documentazione. L'ingegnere revisiona gli output, scarta ciò che non funziona, unisce ciò che funziona.
Il ruolo dell'ingegnere passa dallo scrivere codice al revisionare e unire gli output degli agenti. Farhan Thawar (VP Engineering) lo chiama "orchestrare sistemi intelligenti."
Schema 2: Cicli di critica estesi
Non tutti i compiti beneficiano del parallelismo. Per decisioni architetturali complesse, gli ingegneri di Shopify eseguono un singolo agente attraverso cicli di critica estesi.
L'agente genera una risposta, la valuta, la rivede e continua a perfezionarla attraverso lunghi cicli di ragionamento.
Invece di accettare il primo output, costringono l'agente a discutere con sé stesso.
Questo produce risultati significativamente migliori rispetto a un singolo prompt, perché Claude coglie i propri errori prima che tu debba farlo.
Schema 3: L'AI Toolkit di Shopify (MCP)
Ad aprile 2026, Shopify ha rilasciato un server MCP open-source che collega Claude Code direttamente alla documentazione di Shopify, agli schemi API GraphQL e alle operazioni live del negozio.
Un comando per installarlo:
Questo fornisce a Claude Code 7 strumenti:
- Cercare nella documentazione corrente di Shopify (non dati di addestramento obsoleti)
- Validare query GraphQL su schemi live
- Eseguire operazioni del negozio tramite Shopify CLI
- Creare prodotti, gestire metafield, modificare temi
- Eseguire operazioni bulk con linguaggio naturale
Senza questo, Claude allucina campi API e inventa pattern di componenti. Con questo, Claude lavora con dati reali della piattaforma.
Schema 4: CLAUDE.md come infrastruttura di team
Shopify non tratta CLAUDE.md come una configurazione personale. È infrastruttura di team, impegnata in git e condivisa tra tutti i 23.000 ingegneri.
Il loro approccio dalla conferenza:
Intuizione chiave dalla conferenza: riempire CLAUDE.md con ogni standard e convenzione peggiora le prestazioni, non le migliora.
Si paga per tutto a ogni giro.
Schema 5: Validazione incentrata sulla strategia
Ecco dove l'approccio di Shopify si differenzia dalla maggior parte dei team.
Nel 2024, gli ingegneri spendevano il 70% del tempo sull'esecuzione e il 30% sulla strategia.
Nel 2026, Shopify ha invertito questo rapporto.
Poiché l'AI gestisce la maggior parte della codifica, gli ingegneri ora spendono il 70% del tempo sulla strategia: mappare i flussi utente, validare la domanda di mercato, scegliere l'architettura giusta. Solo il 30% sull'esecuzione.
Il team di Farhan stima un miglioramento della produttività di circa il 20%. Non derivante dallo scrivere più codice, ma dal testare 10 approcci invece di 2, da un prototyping più veloce e da deliverable di qualità superiore.
Schema 6: Autonomia sicura con protezioni
Shopify non lascia che gli agenti agiscano senza controllo. La loro configurazione di protezioni:
Gli agenti possono leggere, scrivere, testare e fare commit. Non possono fare push su remote, deploy in produzione, cancellare database o leggere segreti.
L'umano rimane nel ciclo per tutto ciò che è irreversibile.
La configurazione che puoi copiare oggi
Non servono 23.000 ingegneri per usare questi schemi. Ecco la versione iniziale:
Passo 1: Standardizza il tuo CLAUDE.md
Passo 2: Imposta agenti paralleli
Passo 3: Installa i server MCP pertinenti
Passo 4: Aggiungi protezioni
Permetti: lettura, scrittura, test, lint, commit
Nega: push, deploy, cancellazione, segreti
Modalità predefinita: acceptEdits
Passo 5: Inverti il rapporto
Smetti di spendere il 70% sull'esecuzione.
Lascia che l'agente scriva il codice.
Spendi il tuo tempo a decidere quale codice dovrebbe esistere.
Il numero che conta
Il guadagno del 20% di produttività di Shopify non deriva dallo scrivere più codice. Deriva dall'esplorare 10 approcci invece di 2, dal prototipare più velocemente e dal cogliere gli errori prima.
I team che ottengono il massimo da Claude Code non sono quelli con i prompt migliori. Sono quelli che hanno costruito l'infrastruttura per far lavorare gli agenti in modo sicuro, in parallelo, su codebase reali.
Codifica autonoma al 90% entro il terzo trimestre del 2026. Non è una dichiarazione di visione. È una scadenza con 23.000 ingegneri che ci stanno lavorando.
Passo 4: Aggiungi protezioni
Permetti: lettura, scrittura, test, lint, commit
Nega: push, deploy, cancellazione, segreti
Modalità predefinita: acceptEdits
Condivido note quotidiane su AI, finanza e vibe coding nel mio canale Telegram: https://t.me/zodchixquant
Ghb
