Os 23.000 engenheiros da Shopify estão correndo para automatizar 96% do seu código até o terceiro trimestre deste ano.
Eles executam vários agentes do Claude Code em paralelo, cada um cuidando de uma parte diferente do código, enquanto os engenheiros apenas revisam e fazem merge.
A Bessemer publicou seu playbook completo de IA-first.
Aqui está a configuração exata deles, e você pode copiá-la em 5 minutos 👇
A camada de infraestrutura (por que a configuração deles funciona)
A Shopify não padronizou uma única ferramenta de IA. Eles padronizaram a camada abaixo dela.
Eles construíram um proxy LLM interno que roteia cada requisição de IA por um gateway. Claude Code, GitHub Copilot, Cursor — todos passam pela mesma infraestrutura.
Isso lhes dá controle centralizado de custos, análises de uso e a capacidade de trocar modelos sem alterar o fluxo de trabalho de nenhum engenheiro.
A lição para equipes menores: não escolha uma única ferramenta e foque tudo nela. Construa a infraestrutura para que você possa experimentar várias ferramentas mantendo o controle de custos e dados.
Padrão 1: Agentes em paralelo, não um único chat
Os engenheiros seniores da Shopify não usam o Claude Code como uma ferramenta de um prompt, uma resposta.
Eles lançam vários agentes simultaneamente, trabalhando em diferentes partes do código.
Um agente refatora o módulo de autenticação. Outro escreve testes. Um terceiro atualiza a documentação. O engenheiro revisa as saídas, descarta o que não funciona e faz merge do que funciona.
O trabalho do engenheiro muda de escrever código para revisar e mesclar as saídas dos agentes. Farhan Thawar (VP de Engenharia) chama isso de "orquestrar sistemas inteligentes".
Padrão 2: Ciclos de crítica estendidos
Nem toda tarefa se beneficia do paralelismo. Para decisões arquiteturais complexas, os engenheiros da Shopify executam um único agente através de ciclos de crítica estendidos.
O agente gera uma resposta, avalia, revisa e continua refinando ao longo de ciclos de raciocínio longos.
Em vez de aceitar a primeira saída, eles forçam o agente a argumentar consigo mesmo.
Isso produz resultados drasticamente melhores do que um único prompt, porque o Claude detecta seus próprios erros antes que você precise.
Padrão 3: O Shopify AI Toolkit (MCP)
Em abril de 2026, a Shopify lançou um servidor MCP de código aberto que conecta o Claude Code diretamente à documentação da Shopify, esquemas de API GraphQL e operações ao vivo das lojas.
Um comando para instalar:
npx @shopify/mcp-server-cli install
Isso dá ao Claude Code 7 ferramentas:
- Pesquisar a documentação atual da Shopify (não dados de treinamento desatualizados)
- Validar consultas GraphQL contra esquemas ao vivo
- Executar operações da loja através do Shopify CLI
- Criar produtos, gerenciar metafields, modificar temas
- Executar operações em lote com linguagem natural
Sem isso, o Claude alucina campos de API e inventa padrões de componentes. Com isso, o Claude trabalha com dados reais da plataforma.
Padrão 4: CLAUDE.md como infraestrutura da equipe
A Shopify não trata o CLAUDE.md como uma configuração pessoal. É infraestrutura da equipe, commitada no git e compartilhada entre todos os 23.000 engenheiros.
A abordagem deles, segundo a conferência:
Principais aprendizados da conferência: encher o CLAUDE.md com todos os padrões e convenções piora o desempenho, não melhora.
Você paga por tudo isso a cada turno.
Padrão 5: Validação orientada por estratégia
Aqui é onde a abordagem da Shopify diverge da maioria das equipes.
Em 2024, os engenheiros gastavam 70% do tempo em execução e 30% em estratégia.
Em 2026, a Shopify inverteu essa proporção.
Como a IA cuida da maior parte da codificação, os engenheiros agora gastam 70% do tempo em estratégia: mapear fluxos de usuário, validar demanda de mercado, escolher a arquitetura certa. Apenas 30% em execução.
A equipe do Farhan estima um ganho de produtividade de aproximadamente 20%. Não por escrever mais código, mas por testar 10 abordagens em vez de 2, prototipagem mais rápida e entregas de maior fidelidade.
Padrão 6: Autonomia segura com barreiras de proteção
A Shopify não deixa os agentes agirem sem controle. A configuração de barreiras deles:
Os agentes podem ler, escrever, testar e commitar. Eles não podem fazer push para remoto, implantar em produção, deletar bancos de dados ou ler segredos.
O humano permanece no loop para qualquer coisa irreversível.
A configuração que você pode copiar hoje
Você não precisa de 23.000 engenheiros para usar esses padrões. Aqui está a versão inicial:
Passo 1: Padronize seu CLAUDE.md
Passo 2: Configure agentes em paralelo
Passo 3: Instale servidores MCP relevantes
Passo 4: Adicione barreiras de proteção
Permitir: ler, escrever, testar, lintar, commitar
Negar: push, deploy, deletar, segredos
Modo padrão: acceptEdits
Passo 5: Inverta a proporção
Pare de gastar 70% em execução.
Deixe o agente escrever o código.
Gaste seu tempo decidindo qual código deve existir.
O número que importa
O ganho de produtividade de 20% da Shopify não vem de escrever mais código. Vem de explorar 10 abordagens em vez de 2, prototipar mais rápido e detectar erros mais cedo.
As equipes que mais tiram proveito do Claude Code não são as que têm os melhores prompts. São as que construíram a infraestrutura para que os agentes trabalhem com segurança, em paralelo, em bases de código reais.
90% de codificação autônoma até o Q3 de 2026. Isso não é uma declaração de visão. É um prazo com 23.000 engenheiros trabalhando para isso.
Passo 4: Adicione barreiras de proteção
Permitir: ler, escrever, testar, lintar, commitar
Negar: push, deploy, deletar, segredos
Modo padrão: acceptEdits
Compartilho notas diárias sobre IA, finanças e vibe coding no meu canal do Telegram: https://t.me/zodchixquant
Ghb
