~/blog/gids/delivery
Van code naar productie
De agent schrijft het in een middag. Het in productie krijgen kost nog steeds een week.
Waar deze gids over gaat
Code schrijven werd goedkoop. Reviewen, testen, uitrollen, draaiend houden en om drie uur 's nachts uitleggen wat er misging kosten nog steeds precies wat ze vorig jaar kostten, terwijl er inmiddels veel meer van binnenkomt. Deze cluster gaat over die tweede helft.
Het is ook de helft waar ik zelf het hardst tegenaan loop. Ik beheer mijn eigen servers en doe mijn eigen deploys, dus een snellere agent merk ik vooral aan meer review, meer deploys en meer dingen die overeind moeten blijven.
De bottleneck schoof door
Je 10x-developer zit vast in een 0,1x-pipeline is het stuk waar deze gids omheen gebouwd is. Code werd goedkoop, de pijplijn die code in waarde omzet groeide nooit mee, en dus schoof de bottleneck door naar review, deploy en besluitvorming. Wie er een tweede agent bij zet, verschuift dat probleem alleen naar de wachtrij ervoor.
Daarom staat deze cluster naast de andere vier. De rest van de blog gaat over code maken en beoordelen. Dit gaat over alles wat daarna nog moet gebeuren voordat iemand er iets aan heeft.
Als het antwoord meer controle is
Review is het eerste dat bezweek onder het nieuwe volume, en de schade is gemeten. De bottleneck in je code review loopt de telemetrie van Faros AI bij 22.000 developers na, zet een cijfer recht dat op deze site zelf verkeerd stond, en komt uit bij de bevinding die onder de kop verdween: reviewers zijn de code gaan afmaken in plaats van controleren.
De verleidelijke oplossing voor die druk is er nog een geautomatiseerde controle bij zetten. De bureaucratie van bots laat zien waar dat op uitdraait: een bot die een bot beoordeelt, met aan geen van beide kanten iemand die het uitlegt zodra het misgaat. Controle die niemand kan verantwoorden is geen review, het is een stempel.
Wat je in zo'n review dan wél zoekt, staat in de checklist voor AI-pull requests. De regel eronder blijft nooit code shippen die je niet snapt, en die weegt zwaarder naarmate er meer binnenkomt.
Waar het draait
Uitrollen is de helft. Daarna moet het blijven draaien, op een plek die je begrijpt. Neem de regie over je data terug gaat over waar je stack werkelijk staat en wat dat betekent zodra de regels of de leverancier veranderen. Meer grip op je server is daar de praktische kant van, met Fail2Ban, ModSecurity en AIDE op een machine die ik zelf beheer.
Allebei horen ze ook thuis in de gids over MCP en security. Waar iets draait en wie erbij kan zijn uiteindelijk dezelfde vraag.
Wat hier nog moet komen
Dit is de jongste van de vijf gidsen en dat is te zien. Wat er ontbreekt, weet ik wel: wat een pipeline kost als een agent tien keer per dag pusht, hoe je uitrolt wat niemand gelezen heeft, hoe de oncall eruitziet voor code die een model schreef, en waarom een migratie het enige bestand is waarvoor rollback een belofte is die de database nooit gedaan heeft.
Hieronder eerst drie startpunten, daarna alle stukken uit deze cluster, nieuwste eerst.
Beste startpunten
- Je 10x-developer zit vast in een 0,1x-pipeline
Het stuk waar deze gids omheen gebouwd is. De bottleneck schoof door naar review en deploy, en niemand schoof mee.
- De bureaucratie van bots: waarom we de controleur controleren
Wat er gebeurt als je reviewdruk oplost door er nog een geautomatiseerde controle bij te zetten.
- Pak de regie over je eigen data terug
De vraag onder alle andere: waar draait het eigenlijk, en wat gebeurt er zodra dat verandert.
Alle artikelen in dit onderwerp
De bottleneck zit in je code review: iedereen citeert het verkeerde getal
De mediane reviewtijd van een pull request steeg met 441%. Dat cijfer wordt ten onrechte aan DORA toegeschreven, en het is het minst bruikbare van de drie getallen uit het rapport waar het wél vandaan komt.
Je 10x-developer zit vast in een 0,1x-pipeline
AI heeft code goedkoop gemaakt. Niemand heeft de pipeline geüpgraded die code omzet in waarde. Nu verslindt de bottleneck je senior engineers.
De bureaucratie van bots: waarom we de controleur controleren
Het inzetten van een AI om het werk van een andere AI te controleren levert betere resultaten op. Maar we bouwen onbewust de trage, complexe bedrijfsbureaucratie na die we juist probeerden te vermijden.
Pak de regie over je eigen data terug
De AVG wankelt, AI-regels versoepelen en je data draait nog steeds op Amerikaanse servers. Tijd om zelf de controle te pakken.
Meer grip op je server
Waarom ik besloot om mijn serverbeheer weer in eigen hand te nemen met Fail2Ban, ModSecurity en AIDE.