General Motors утрои приетите промени в кода си чрез агенти с изкуствен интелект
Отделът за автономни превозни средства на General Motors отчита впечатляващ ръст в продуктивността след преструктуриране на инженерните си работни процеси. Компанията е постигнала трикратно увеличение на успешно интегрираните промени в кода (merged pull requests), благодарение на мащабното внедряване на AI агенти [1].
Според Rashed Haq, вицепрезидент по автономни превозни средства в GM, традиционните AI асистенти за програмиране решават само малка част от проблема. По време на конференцията VB Transform 2026, той подчерта, че инженерите прекарват едва 15% от времето си в писане на код [1].
Останалите 85% от времето се изразходват за анализ на телеметрия, отстраняване на грешки (debugging), провеждане на симулации и тестване на решения.
За да автоматизира тези процеси, GM е разработила собствен Agent Control Plane (контролен панел за агенти). Този стек за комуникация между машини (M2M) поема рутинните и не-кодиращи задачи в жизнения цикъл на разработката.
Авторско изображение
За да свърже агентите с петабайтите телеметрични данни от превозните средства, екипът е създал персонализирани сървъри по стандарта Model Context Protocol (MCP) [1].
Тези сървъри осигуряват на AI агентите достъп до вътрешни инструменти като WebViz – платформата на GM за визуализация на телеметрия, както и до други специфични API-та.
В допълнение, компанията е внедрила библиотека от "умения" (skills) с контрол на версиите. Тези структурирани инструкции ръководят агентите при изпълнението на конкретни задачи, като първичен преглед (triage) на проблеми или анализ на данни [1].
Резултатите от тази трансформация включват не само 300% ръст в приетите промени в кода, но и значително намаляване на времето от откриването на бъг до отстраняването му в реални условия (bug-to-road latency) [1]. Освен това, системата е довела до по-малък брой дефекти, достигащи до късните етапи на тестване.
Източници: