Топ-інженери Spotify припинили писати будь-який код у грудні — ось як штучний інтелект зробив це можливим

Коли співвиконавчий директор Spotify Густав Сёдерстрьом під час останнього звіту про прибутки компанії повідомив, що їхня елітна команда інженерів з грудня не писала код вручну, це стало глибоким зрушенням у тому, як насправді працює сучасна розробка програмного забезпечення. Гігант стрімінгу музики не просто впровадив штучний інтелект як корисний інструмент — він кардинально перепроектував весь процес розробки навколо штучного інтелекту, доводячи, що майбутнє кодування може й не передбачати написання коду взагалі.

Ця трансформація була вражаючою. Протягом 2025 року Spotify випустив понад 50 оновлень і нових функцій, серед яких останні релізи — AI-управляемі плейлисти Prompted Playlists, Page Match для аудіокниг і About This Song. Що робить такий швидкий темп можливим? Внутрішня платформа AI під назвою Honk, яка переосмислює щоденну роботу інженерів.

Народження Honk: AI захоплює клавіатуру

У центрі революції Spotify знаходиться Honk — внутрішня платформа, побудована на генеративному AI, зокрема Claude Code від Anthropic. Це не просто інструмент для підказок коду; це повністю новий підхід до робочого процесу розробки.

Сёдерстрьом яскраво описав, як це працює на практиці. Уявіть інженера Spotify, який їде до офісу вранці. Замість чекати, коли він сяде за стіл, він відкриває Slack на телефоні і вводить команду для Claude: «Виправ цей баг у iOS додатку» або «Додай цю функцію до нашої платформи». Штучний інтелект не просто пропонує код — він фактично його пише, тестує і розгортає. За кілька хвилин інженер отримує повідомлення у Slack із повністю готовою версією додатку, яку можна об’єднати у продакшн. Вони можуть затвердити і випустити функцію ще до того, як дійдуть до офісу.

Ця можливість віддаленого, реального часу розгортання суттєво скорочує терміни розробки. Те, що раніше займало дні ручного кодування, тестування і налагодження, тепер відбувається за години або навіть хвилини.

Коли інженери перестають писати код, що вони насправді роблять?

Це питання цілком логічне: якщо найкращі програмісти Spotify більше не пишуть код, то що вони роблять? Відповідь відкриває важливу перспективу щодо майбутнього ролей інженерів. Замість набору команд у IDE, ці інженери стають архітекторами, рецензентами і приймачами рішень. Вони визначають високорівневі вимоги, перевіряють рішення, згенеровані AI, і забезпечують відповідність стандартам якості.

Звісно, вигоди від підвищення ефективності очевидні. Інженерні команди Spotify тепер можуть швидше ітеративно тестувати більше варіантів і швидше запускати нові функції — те, що раніше здавалося неможливим без AI. Роль не зникла — вона еволюціонувала.

Секретна зброя Spotify: власні музичні дані у великому масштабі

Поки інші компанії покладаються на стандартні набори даних, зібрані з Wikipedia і публічних джерел для тренування мовних моделей, Spotify створив щось набагато цінніше — величезний, власний набір даних, орієнтований саме на музику. Це не просто конкурентна перевага — це своєрідна фортеця Spotify проти великих AI-конкурентів.

Музичні рекомендації не підкоряються універсальним правилам. Запитайте тисячу людей, що найкраще для тренувальної музики, і отримаєте тисячу різних відповідей. Американці можуть віддати перевагу хіп-хопу, інші — дэт-металу. Європейці схиляються до EDM для тренувань, а скандинави постійно обирають важкий метал. Регіональні вподобання, культурні нюанси і особисті смаки мають величезне значення.

Набір даних Spotify охоплює всі ці нюанси у масштабі, який не має жодна інша AI-компанія. Платформа обробля мільйони взаємодій користувачів щодня, і її AI-моделі стають розумнішими у контексті музики — чого не може зробити звичайний LLM. «Ми розробляємо набір даних у масштабі, якого немає у інших, і він постійно покращується з кожним пере тренуванням наших моделей», — пояснив Сёдерстрьом.

Управління питанням AI-генерованої музики

Оскільки AI починає створювати музику самостійно, Spotify визнав під час звіту, що він досліджує нову територію. Компанія тепер дозволяє артистам і лейблам вказувати у метаданих треку, чи була музика згенерована AI, забезпечуючи прозорість для слухачів. Одночасно Spotify підтримує активні системи моніторингу, щоб запобігти спаму і низькоякісному AI-згенерованому контенту, що може засмітити платформу.

Такий збалансований підхід — дозволити інновації і водночас захистити екосистему творців — сигналізує про намір Spotify вести за собою, а не просто реагувати на тренди AI-генерованої музики.

Що це означає для галузі

Зупинка ручного кодування інженерами Spotify не є дистопічним сценарієм, коли люди стають непотрібними. Це скоріше ознака зрілості того, як технологічні компанії можуть використовувати AI для підсилення людських можливостей. Найкращі інженери Spotify не замінені — їх звільнили від рутинних механічних завдань, щоб вони могли зосередитися на стратегії, архітектурі і контролі якості.

Питання не в тому, чи підуть інші технологічні компанії цим шляхом. Вони, ймовірно, вже йдуть. Питання у тому, чи матимуть вони інфраструктуру, таланти і стратегічне бачення, щоб зробити це на масштабі Spotify. На даний момент команда інженерів Spotify стала прикладом того, що можливо, коли перестаєш питати «Чи може AI писати код?» і починаєш ставити питання «Як побудувати систему навколо того, що AI пише код?».