Компанія Harness випустила два нові продукти — Code Repository та AI Code Review, — призначені для контролю якості коду, який дедалі частіше пишуть AI-агенти, а не люди. За даними SiliconANGLE AI, рішення мають допомогти інженерним командам впоратися зі зростаючим обсягом agent-generated коду, який класичні процеси рев'ю просто не встигають обробляти.

Показовий тут не сам факт релізу, а те, під що саме Harness будує окремий продукт. Ще недавно code review означав одне: людина відкриває pull request іншої людини й перевіряє логіку, стиль, тести. Зараз по інший бік дедалі частіше стоїть агент, який за хвилини видає сотні рядків коду — і команді треба або довіряти йому наосліп, або знайти спосіб масштабувати перевірку так само швидко, як масштабується генерація.

Harness — далеко не єдина компанія, яка це помітила, але вихід окремих брендованих продуктів під конкретну задачу «перевірка коду від агентів» — сигнал, що ринок перестав ставитися до цього як до тимчасової проблеми і почав будувати під неї постійну інфраструктуру.

Що саме випустила Harness?

Code Repository та AI Code Review — два окремі продукти, які Harness випустив одночасно як єдиний комплект під одну задачу: контроль якості коду, що потрапляє в репозиторії від AI-агентів, а не від людей-розробників. Судячи з назв, Code Repository, ймовірно, відповідає за сам репозиторій і зберігання коду, а AI Code Review — за автоматизовану перевірку його якості, хоч детальний розподіл функцій між двома продуктами джерело не розкриває.

Це відрізняє позиціонування продукту від звичайних інструментів статичного аналізу чи лінтерів, які роками стоять у CI/CD-пайплайнах незалежно від того, хто написав код. Harness натомість прямо називає цільову аудиторію — команди, які отримують потік коду від AI-агентів і не мають механізму пропустити його через таку саму пильну перевірку, яку зазвичай проходить код від штатного розробника.

Чим перевірка агентного коду відрізняється від звичного рев'ю?

Головна відмінність — не в самому коді, а в обсязі та швидкості його появи. Один агент здатен відкрити десятки pull request-ів за день, і жоден тімлід фізично не встигає читати кожен рядок так само уважно, як робив би це раніше для одного-двох PR колеги. Рев'юер стає вузьким місцем не через брак кваліфікації, а через арифметику: генерація коду прискорилася на порядок, а швидкість людського читання — ні.

Друга відмінність — характер помилок. Агент може написати синтаксично бездоганний код, який водночас тягне неіснуючу залежність, обходить перевірку прав доступу або повторює вразливий патерн із навчальних даних. Такі дефекти важче зловити побіжним переглядом — вони не «пахнуть» помилкою, поки хтось спеціально не поставить питання «а чи має цей код взагалі право це робити». Ми вже писали, чому AI-агенти для коду стали ризиком для корпоративних мереж, і кейс, коли хакери Aur0ra зламали сім компаній кодом від Cursor AI, показує, що це не гіпотетичний, а вже реалізований сценарій.

Тому інструменти на кшталт AI Code Review претендують не просто прискорити перевірку, а змінити її фокус: з «чи гарно написано» на «чи безпечно й доречно те, що взагалі згенеровано».

Кому і навіщо це знадобиться вже зараз?

Найпершими користувачами таких продуктів стають команди, які вже впровадили AI-агентів у щоденний цикл розробки і зіткнулися з тим, що черга pull request-ів на рев'ю росте швидше, ніж команда встигає її розбирати. Це насамперед платформні та інженерні команди в компаніях середнього й великого розміру, де кількість агентних змін вимірюється не десятками, а сотнями на тиждень.

Практична цінність для таких команд — не в тому, щоб повністю прибрати людину з процесу, а в тому, щоб відсіяти очевидно проблемний код ще до того, як він доходить до людського рев'юера. Це:

Висновок AiiN

За нашою оцінкою, поява окремих брендів на кшталт Code Repository та AI Code Review означає, що вузьким місцем розробки стає вже не написання коду, а довіра до нього. Коли писати код стало дешево й швидко, дорогим ресурсом лишилася увага людини, яка має підтвердити, що цей код можна пускати в продакшн, — і саме за право володіти цим «шаром довіри» зараз змагаються постачальники dev-інструментів.

Для команд, які вже використовують агентів у продакшн-циклі, практичний висновок простий: варто окремо вимірювати, скільки часу забирає саме рев'ю агентного коду, і якщо ця цифра росте швидше за продуктивність команди — оцінювати спеціалізовані інструменти для перевірки, а не покладатися на старі лінтери й ручний перегляд.

Що таке Code Repository і AI Code Review від Harness?

Це два продукти в лінійці компанії Harness: Code Repository відповідає за зберігання коду, а AI Code Review — за автоматизовану перевірку якості коду, який дедалі частіше генерують AI-агенти, а не люди.

Чи означає це кінець ручного code review?

Ні. Мета таких інструментів — відфільтрувати очевидні проблеми до того, як код потрапить до людини, а не повністю прибрати людський рев'ю з процесу розробки.

Чи стосується це лише великих компаній?

Найбільше цю проблему зараз відчувають команди із високою часткою агентного коду в щоденних комітах, але з поширенням AI-агентів у розробці попит на подібні інструменти, ймовірно, зростатиме і серед менших команд.