Spotify сообщает, что его ведущие разработчики не писали ни одной строки кода с декабря 2025 года. Это связано не с выгоранием или снижением бюджета, а с внедрением инструментов искусственного интеллекта.
Во время телефонной конференции по результатам четвертого квартала 2025 года, прошедшей 10 февраля 2026 года, со‑генеральный директор Густав Сёдерстрём рассказал, что внутренние команды всё чаще используют генеративный ИИ, в частности Claude Code, чтобы выпускать готовые к продакшену обновления при минимальном участии человека.
Компания разработала собственную систему развёртывания под названием Honk, которая позволяет инженерам исправлять ошибки и добавлять функции прямо через Slack с телефона, без необходимости работать на ноутбуке. По словам руководства, это даёт возможность оперативно проверять и внедрять изменения в реальном времени.
В материале рассматривается, как переход к ИИ меняет инженерные процессы в Spotify, как это влияет на скорость выпуска продуктов и какие последствия несёт для маркетологов, работающих с платформой.
Spotify утверждает, что в 2025 году компания выпустила более 50 обновлений приложения, включающих новые функции и форматы взаимодействия с пользователями. Такой объём релизов свидетельствует о росте темпа экспериментов и изменении приоритетов в рабочем процессе.
По словам представителей компании, ИИ уже работает на масштабе и с надёжностью, сопоставимой или превосходящей традиционные подходы к разработке в рамках их продуктовой экосистемы. Хотя инструменты вроде GitHub Copilot и Amazon CodeWhisperer набирают популярность, Honk отражает более глубокую интеграцию ИИ в стек развёртывания и операционные процессы Spotify.
Honk реализует полный цикл: от запроса и генерации кода до развёртывания и вывода результатов в среде коммуникации команды. Система построена поверх Claude Code — модели, адаптированной для разработки ПО, и оптимизирована под внутреннюю инфраструктуру и процедуры релизов Spotify.
Проще говоря, Honk не столько помогает разработчикам писать код, сколько позволяет обходиться без ручного написания кода в ряде задач. Сёдерстрём также отметил стремление Spotify выступать в роли исследовательской и разработческой площадки для аудиоиндустрии и подчеркнул ценность собственных наборов данных о поведении пользователей, которые трудно воспроизвести сторонним моделям.
Перемены в инженерных процессах Spotify имеют значение для маркетологов и команд по продукту. Ниже — ключевые последствия, на которые стоит обратить внимание.
Во‑первых, растёт скорость продуктовых экспериментов. Увеличение числа функций, ускорение A/B‑тестов и сокращение циклов обратной связи позволяют тестировать пользовательские сценарии в большем объёме и с большей частотой, что влияет на сроки вывода маркетинговых активностей.
Во‑вторых, первая партия поведенческих данных остаётся критически важной. Spotify использует уникальные данные о предпочтениях и вовлечённости слушателей — региональные жанровые предпочтения, поведение в плейлистах и другие сигналы — чтобы обучать собственные модели и получать таргетинговые инсайты, которых нет в открытых источниках.
В‑третьих, меняются ожидания от martech‑стека. Если инженерные команды могут обходиться без ручного кодирования в течение недель, то от маркетологов могут требовать более оперативной работы с кампаниями, креативом и сегментацией без длительного привлечения разработчиков, что повышает планку автоматизации и внутренних компетенций.
Для руководителей маркетинга пример Spotify служит демонстрацией того, как сочетание внутренних инструментов, специализированных наборов данных и генеративного ИИ может стать источником конкурентного преимущества на рынке.
Комментариев