
L'IA dà slancio al nostro sviluppo software
Il team Galaxus Daedalus estrae più di un terzo di tutti i dati dal nostro monolite. Con l'IA ormai va così veloce che un'intera tappa prevista è diventata superflua. A renderlo possibile è la preparazione: il team ne ha posto le basi con agent skill e modelli.
Perché Exodus?
Gran parte di ciò che accade dietro le quinte di Digitec Galaxus si trova in un unico database: Devinite. Ordini dei clienti, fatture e anche i nostri ordini ai fornitori. Per molto tempo questo ha avuto i suoi vantaggi. Un team poteva leggere direttamente i dati di un altro e scriverli nella stessa transazione. Era veloce, semplice e sempre coerente.
Con la crescita, la situazione si capovolge. Una modifica di dati di grandi dimensioni sugli ordini ai fornitori blocca tabelle che servono anche ad altri team. Una modifica dello schema va pianificata con i Database Magicians, il nostro team che si occupa dei database, e a volte eseguita in una finestra di manutenzione in cui il nostro shop online non è raggiungibile. E al contrario, ogni team risente dei problemi che un altro ha con le proprie tabelle. Nessuno è davvero isolato dagli altri.

Per questo il team Daedalus ha avviato il cosiddetto Exodus: gli ordini ai fornitori di cui è responsabile devono uscire da Devinite e passare a un database proprio. Così il team può sviluppare autonomamente il proprio modello di dati, scalare in modo indipendente e archiviare i dati vecchi quando gli conviene. Gli altri team non accedono più direttamente alle tabelle, ma tramite interfacce chiare concordate con il team Daedalus. E Devinite diventa più piccolo e più facile da gestire.
A ottobre ho lavorato con il team Daedalus nell'ambito di un DevXchange. In questo scambio interno si lavora per alcuni sprint in un altro team. In questo articolo ti mostro quanto è grande Exodus e come, grazie a un buon lavoro preparatorio e all'IA, il progetto avanzi così rapidamente che un'intera tappa prevista è diventata superflua.
Quanto è grande Exodus?
Devinite è il database del nostro monolite: 1358 tabelle, circa 21 miliardi di record e 34 team che vi possiedono dati. La nostra visione architetturale prevede di suddividere il monolite passo dopo passo in moduli con database propri. In questo modo ogni ambito di business è chiaramente delimitato e controlla i propri dati.

Con gli ordini ai fornitori, il team Daedalus estrae un pezzo particolarmente grande. Al team appartengono 165 tabelle, più che a qualsiasi altro. Contengono 7,6 miliardi di record, cioè più di un terzo di tutto ciò che si trova in Devinite, anche se il codice corrispondente rappresenta appena un decimo del monolite. La sola tabella con tutte le posizioni di prodotto che abbiamo ordinato presso i fornitori conta oltre 400 milioni di righe.¹
E questi dati non sono mai fermi. Mentre leggi questo paragrafo, da noi sono stati creati circa dieci nuovi ordini ai fornitori. In più, vengono registrate continuamente le consegne e abbinate le fatture. La ristrutturazione avviene quindi a pieno regime. Prima che i dati possano trasferirsi nel nuovo database, ogni accesso da parte di altri team deve passare da interfacce. All'inizio il codice di altri team accedeva direttamente alle tabelle del team Daedalus in 47 punti. Oggi sono zero.

Cinque mesi di lavoro in due settimane
Il team Daedalus conta otto persone e, oltre a Exodus, lavora a diverse altre grandi iniziative. Ciononostante ha portato avanti Exodus con grande passione. In estate ha completato la prima tappa: la creazione e la modifica degli ordini ai fornitori sono state suddivise in transazioni separate. Anche se alla fine il lavoro è stato molto più del previsto a budget, il team ha rispettato tempi e costi e ha concluso il lavoro in quattro sprint. Nel farlo ha classificato ogni caso d'uso e ha impiegato in modo mirato agenti di IA per costruire gli skill e i test che sono la base della grande accelerazione da ottobre.
A ottobre ho implementato insieme a Guillermo del team Daedalus altre story per Exodus, la maggior parte nell'ambito del mio DevXchange. Così Exodus va avanti mentre il team può concentrarsi sulle sue iniziative di business. In poco più di due settimane abbiamo messo online 35 story, in media poco più di tre per giorno lavorativo. Senza IA avrei calcolato circa tre giorni per una story paragonabile, quindi circa cinque mesi per tutte. Su tutto Exodus siamo quindi a 148 story completate su 211, circa il 70 percento. Ormai gli skill e le automazioni sono così avanzati che l'IA amplia e affina da sola le story di Exodus.
Un team affiatato
Se Exodus avanza così rapidamente, non è solo merito dell'IA. Il team Daedalus conosce molto bene i processi di business legati agli acquisti. Per il team è importante che il sapere non dipenda da una sola persona. Per questo dedica molto tempo ai refinement, in cui discute insieme le nuove story. Inoltre segue modelli architetturali piuttosto rigidi: il codice riflette il linguaggio di business degli acquisti, e lettura e scrittura dei dati sono rigorosamente separate, dal punto di ingresso alla logica di business fino al database. Ciò che crea ordine per le persone aiuta anche l'IA. Si orienta rapidamente, perché ogni parte del codice è costruita secondo lo stesso schema.

Questo è il team Daedalus:
- Noël, Teamleader Engineering
- Emanuel, Senior Product Owner
- Guillermo, Software Architect
- Thomas, Senior Software Engineer
- Samuel, Software Engineer
- Gioele, Software Engineer
- Nicolas, Software Engineer
- Alain, Software Engineer
Che cosa fa l'IA
Questo ritmo deve molto al lavoro preparatorio che il team ha svolto ben prima del mio DevXchange.
Le basi
Il team Daedalus lavora soprattutto con Claude Code, uno strumento di IA di Anthropic che legge e scrive codice ed esegue comandi direttamente. Dal modello Opus 5.5 è abbastanza valido da togliere davvero lavoro al team. Da maggio il team usa file CLAUDE.md. Spiegano a Claude com'è strutturata l'architettura e quali regole valgono, per esempio pochi commenti nel codice, nomi coerenti, i modelli architetturali del team e, nel dubbio, controllare come il team ha realizzato da ultimo casi simili. Con il tempo il team ha sviluppato altre procedure fisse per Claude: research, plan, implement, review. Ogni passaggio è uno skill a sé, cioè un insieme di istruzioni su misura per il team che Claude carica proprio per quel passaggio.
Questo ha aiutato soprattutto con Exodus. Il team ha assegnato ogni caso d'uso interessato a uno di tre tipi: uno switch cambia la connessione al database, uno split divide un'operazione di scrittura in due transazioni indipendenti e un async rende asincrono un processo. Per ciascuno di questi tipi Nicolas, il mio omonimo nel team, ha scritto uno skill dedicato. Con questo Claude implementa le story rapidamente e con meno errori. A ciò si aggiungono test automatici che verificano per ogni caso d'uso se la modifica è corretta. Così l'IA si accorge da sola quando ha commesso un errore e può correggerlo.
Come l'IA implementa le story
Faccio leggere a Claude la story e il suo piano di implementazione. Claude individua i punti interessati nel codice e propone un piano conforme alle convenzioni del team. Io verifico e correggo il piano e lo faccio implementare a Claude. Poi guardo il risultato, se necessario sistemo ancora qualcosa e apro la pull request. Poi un'altra persona del team deve fare la review. Sono dovuto intervenire soprattutto quando una pull request diventava troppo grande. Allora l'abbiamo suddivisa in pull request più piccole, perché si potesse ancora revisionare in modo sensato.
La cosa più impressionante è stata la rimozione degli accessi dal codice di altri team. Claude ha testato da solo le viste interessate nell'ERP, il nostro sistema gestionale sviluppato internamente: ha cercato nel database ordini ai fornitori adatti ai test, ha avviato l'ERP in locale, ha confrontato il risultato nel browser con il nostro ambiente di test e ha corretto gli errori passo dopo passo. È stato piuttosto divertente guardare Claude al lavoro.
Dove l'IA sbaglia
Non è infallibile. Dove l'IA sbaglia lo mostrano spesso i commenti di review del team. Una volta Claude aveva inserito negli ordini ai fornitori una logica che in realtà appartiene all'interfaccia di un altro team. Un'altra volta Claude e io volevamo condividere codice tra due ambiti di prodotto. Guillermo, l'architetto del team, ha posto il suo veto. E un altro collega ha trovato un vero bug che era sfuggito a Claude. L'IA non può sostituire questo sapere su come il team costruisce e perché. A volte le manca la visione d'insieme su tutto il codice e la conoscenza approfondita di ogni ambito di prodotto. Il suo contesto, cioè la quantità di informazioni che può elaborare contemporaneamente, non basta (ancora).
Quando i pacchetti di lavoro si restringono
Exodus è pianificato con cura. Il team ha suddiviso il progetto in tappe, ognuna come iniziativa a sé, cioè un progetto di una certa portata che un comitato con la direzione approva in anticipo. Il piano prevedeva da quattro a sei sprint per tappa.
Con l'IA queste stime si sono letteralmente ridotte. La prima tappa aveva classificato ogni caso d'uso, e gli skill e i test erano pronti. Così le story delle tappe successive si sono potute implementare strada facendo. Una tappa è diventata del tutto superflua: quella dedicata alle fatture dei fornitori e agli annullamenti, stimata in quattro sprint, era già conclusa prima ancora di cominciare. A novembre il team ha chiuso l'iniziativa. Un'altra è in gran parte implementata mentre il team la sta ancora elaborando.
È stato possibile solo perché la preparazione era solida. L'IA non ha sostituito né il piano, né la classificazione di ogni caso d'uso, né i refinement del team. Sono proprio loro ad aver reso l'IA così efficace. Nell'era dell'IA, preparazione e refinement diventano quindi più importanti, non meno. Ripagano più volte nell'implementazione.
Il nuovo collo di bottiglia
Il collo di bottiglia si è spostato, e precisamente sulle review. Se due persone insieme consegnano poco più di tre story al giorno, serve qualcuno che legga con attenzione altrettante pull request. Per questo sviluppiamo Tweety, un revisore IA per le pull request, e sperimentiamo approvazioni basate sul rischio sul modello di Anthropic. L'idea: non ogni modifica richiede la stessa attenzione. Quanto attentamente guarda una persona deve dipendere dal rischio della modifica.
Animazione: Claude Opus 5.5, il modello di IA che ci supporta in Exodus. Musica: Suno.
Ci vedo soprattutto un'opportunità. Sviluppatrici e sviluppatori possono impiegare il loro tempo dove serve di più. C'è comunque un rischio: se l'IA scrive la maggior parte del codice, diminuisce la nostra capacità di capire il codice nei dettagli. In compenso possiamo investire più tempo nel requirements engineering, cioè nella domanda su che cosa vada effettivamente costruito.
Come gestire queste opportunità e questi rischi non lo decide ogni team per conto suo. Nella nostra AI Coding Guild sviluppatrici, sviluppatori e Product Owner si scambiano dal 2023 esperienze sull'IA tra un team e l'altro.
Come si prosegue
Circa il 70 percento delle story è online. Ma il pezzo più grosso deve ancora arrivare: i dati stessi. 7,6 miliardi di record devono trasferirsi da Devinite al nuovo database, a pieno regime.
Per questo non posso ancora dire quando Exodus sarà concluso. Di un'altra cosa invece sono sicuro: quando scrivere codice non è più il collo di bottiglia, conta ancora di più ciò che succede prima e dopo. Preparare bene ciò che vogliamo costruire e verificare con cura ciò che è stato costruito.
¹ Con circa 128 GB, questa tabella è la quarta più grande delle 1358 tabelle di Devinite.
Come primo sviluppatore a tempo pieno alla Digitec Galaxus per un po' di tempo, sono stato, tra le altre cose, team leader di Goldfinger e Bender! e capo dell'Architectural Guild (l'A-Team).
Nel frattempo, insieme ai nostri Architetti del Dominio, sono solo il guardiano della torre d'avorio. Sviluppiamo costantemente l'architettura target, lavoriamo a stretto contatto con i team di sviluppo anche durante l'implementazione e formiamo il comitato di revisione dell'architettura.
A causa delle mie richieste di pull piratesche, rotture di build inimmaginabili e deploy di squali il venerdì pomeriggio, mi chiamano anche 🅷🅰🅲🅺🅴🆁🅰🅽.
Novità sulle funzionalità del negozio, informazioni dal marketing o dalla logistica e molto altro ancora.
Visualizza tutti











