עברית
שיחת היכרות

סקירת קוד כשסוכני AI כותבים את רוב הקוד

כשסוכני AI כותבים קוד, צוואר הבקבוק עובר מהכתיבה לבדיקה. מפתח אחד יכול לייצר בבוקר כמות שינויים שפעם הייתה עבודה של שבוע, ומישהו צריך לקרוא את כולם. מי שמנסה לבדוק את הכול באותה דרך כמו קודם, נתקע. מי שמוותר על הבדיקה, משלם אחר כך בייצור.

מה הנתונים מראים

דוח DORA של Google Cloud לשנת 2025, שנשען על כ-5,000 אנשי מקצוע, מצא שעם העלייה בשימוש ב-AI ממשיכה לעלות גם חוסר היציבות של מה שנמסר. נתונים מחברות שמוכרות כלים בתחום מצביעים לאותו כיוון, וכדאי לקרוא אותם בהתאם:

  • חברת CodeRabbit ניתחה בדצמבר 2025 כ-470 בקשות מיזוג, ומצאה בבקשות שנכתבו עם AI ממוצע של 10.83 בעיות, לעומת 6.45 בבקשות שכתבו אנשים. בעיות האבטחה היו גבוהות פי 1.57.
  • חברת Faros AI, על בסיס נתונים מכ-22,000 מפתחים ברבעון השני של 2026, מצאה שבצוותים עם שימוש גבוה ב-AI זמן הסקירה החציוני ארוך פי חמישה, בקשות המיזוג גדולות ב-51%, ומספר התקלות בייצור לכל בקשה גבוה בהרבה.
  • לפי Veracode, ביולי 2026 רק 56% מהקוד שמודלי AI כותבים עברו בדיקות אבטחה.

המסקנה היא לא לעצור את הסוכנים. צריך לבנות סביבם תהליך בדיקה שעומד בקצב שלהם.

איך עושים את זה ב-Anthropic

ב-15 באוקטובר 2026 פרסם צוות Claude Code ב-Anthropic תיאור מפורט של תהליך הסקירה שלו. Claude כותב כ-90% מהקוד של Claude Code עצמו. במאגר הקוד הראשי של החברה עלה מספר השינויים שנכנסים ביום מכ-2,500 במאי ליותר מ-30,000 בספטמבר.

כך התהליך בנוי:

  • כל בקשת מיזוג מקבלת סקירה של Claude וסקירת אבטחה נפרדת. ממצא פתוח חוסם את המיזוג.
  • מסווג אוטומטי קובע לכל שינוי דרגת סיכון. שינוי בסיכון נמוך נכנס בלי אישור של אדם, בסיכון בינוני צריך אדם אחד, ובסיכון גבוה שניים.
  • שינויים בקבצי התשתית של הבנייה והפריסה, ובנתיבים שהוגדרו כרגישים, תמיד עוברים אדם. אישור של בוט אף פעם לא מחליף אישור של אדם.
  • מגבילים את מספר הסבבים. אם שינוי לא עובר אחרי שלוש סקירות, חוזרים לחשוב על הגישה במקום להמשיך לתקן.

התוצאות, בין יוני לספטמבר 2026: מספר בקשות המיזוג שנכנסו יותר מהוכפל, ושיעור השינויים שהוחזרו אחורה ירד ביותר מ-40%. שיעור הבקשות שעברו אחרי סבב תיקון אחד עלה מ-65% ל-78%, ושיעור הבקשות שהצריכו חמישה סבבים או יותר ירד מ-8.9% ל-1.5%.

כדאי לזכור ש-Anthropic מוכרת את הכלים שהיא מתארת. ובכל זאת, המבנה עצמו, דרגות סיכון ואדם בנקודות הרגישות, לא תלוי בכלי מסוים.

בדיקה שרצה חזקה מבדיקה שקוראת

סקירה של מודל שקורא קוד ומעיר עליו היא שכבה אחת. השכבה החזקה יותר היא בדיקה שרצה ונכשלת. הסוכן של Vercel לסקירת קוד, למשל, בונה את התיקון שהוא מציע, מריץ אותו בסביבה מבודדת עם הבנייה, הבדיקות וכלי הבדיקה הסטטית של הפרויקט, ומפרסם רק הצעות שעברו.

ב-OpenAI הלכו רחוק יותר. בפברואר 2026 תיאר שם צוות חמישה חודשים של פיתוח שבהם לא נכתבה ידנית אף שורה, כמיליון שורות קוד וכ-1,500 בקשות מיזוג. את הארכיטקטורה אוכפים כלי בדיקה ייעודיים ובדיקות מבנה, וסוכנים בודקים זה את זה. באותו מודל, סקירה של אדם היא אופציונלית, בניגוד לגישה של Anthropic. ההבדל בין שתי הגישות הוא בדיוק השאלה שכל צוות צריך להחליט עליה: איפה אדם חייב להיות.

בוריס צ'רני, שיצר את Claude Code, אמר בינואר 2026 שהטיפ החשוב ביותר שלו הוא לתת לסוכן דרך לבדוק את העבודה של עצמו, ושזה משפר את התוצאה פי שניים עד שלושה. הוא גם תיאר הרגל פשוט: כל טעות של הסוכן נרשמת בקובץ ההנחיות של הפרויקט, כדי שלא תחזור.

מאיפה מתחילים

  • מאגר קוד אחד, לא כל הארגון בבת אחת.
  • קובץ הנחיות קצר לסוכן, וקובץ כללי סקירה שאליו מעבירים כל הערה שחוזרת על עצמה בסקירות.
  • סקירה אוטומטית ובדיקת אבטחה מקומית לפני שפותחים בקשת מיזוג, ושוב באופן אוטומטי על כל בקשה.
  • בדיקות אוטומטיות חובה, שבלעדיהן אין מיזוג.
  • דרגות סיכון: מה נכנס בלי אדם, מה צריך אדם אחד ומה צריך שניים. תשתית, הרשאות ותשלומים תמיד אצל אדם.
  • תבנית לכל בקשת מיזוג: איך נבדק, מה הסיכון, ואיך מחזירים אחורה.
  • חזרה אחורה בצעד אחד, ודגלים שמאפשרים לכבות יכולת חדשה בלי פריסה.
  • כל תקלה בייצור הופכת לבדיקה חדשה.

לפי Anthropic, כדאי להקדיש כמה שבועות לכיוונון כללי הסקירה במאגר הראשון לפני שמרחיבים. זו גם הדרך שבה אנחנו מלווים צוותי פיתוח: צוות אחד ועבודה אמיתית, ורק אחרי שהשיטה רצה מצטרפים צוותים נוספים.

שאלות נפוצות

אם AI בודק קוד שכתב AI, זה לא אומר שהוא בודק את עצמו?
זה סיכון אמיתי, ולכן הסקירה של המודל היא רק שכבה אחת. השכבות האחרות הן בדיקות שרצות ונכשלות, סקירת אבטחה נפרדת, ואדם בשינויים בסיכון בינוני וגבוה. ב-Anthropic אישור של בוט אף פעם לא מחליף אישור של אדם.
כמה עולה סקירה אוטומטית?
במרץ 2026 ציינה Anthropic עלות ממוצעת של 15 עד 25 דולר לסקירה בכלי שלה. כדאי להשוות את זה לשעה של מפתח בכיר שקורא את אותו שינוי, ולתקלה בייצור שהסקירה מונעת.
מי קובע מה נחשב שינוי בסיכון גבוה?
ב-Anthropic מסווג אוטומטי קובע לפי השינוי עצמו, ולנתיבים הרגישים יש בעלים מוגדרים מראש. בצוות שרק מתחיל, רשימה ידנית של תיקיות וקבצים רגישים מספיקה כנקודת פתיחה.

מקורות

רוצים לדבר על זה בהקשר של המערכת שלכם? שיחת היכרות, שעה, ללא עלות.