Anthropic menyerahkan tugas on-call lini depan untuk pipeline CI/CD internalnya kepada Claude, yang secara internal disebut Claude Tag. Dalam pengumuman yang dipublikasikan 18 Agustus, ada dua angka yang paling menjelaskan situasinya: setelah tiket insiden dibuka, Claude biasanya mengeluarkan analisis pertama berbasis bukti dengan median waktu 14 menit. Saat kondisi mulus, akar masalah bahkan bisa ditunjukkan dalam laporan awal hanya dalam 4 menit.
Latar belakangnya ditulis cukup terus terang — output kode per engineer per kuartal telah naik menjadi delapan kali lipat dari sebelumnya. Ketika output naik, jumlah absolut kegagalan build, tes yang tidak stabil, dan rollback deployment ikut naik, dan setiap investigasi biasanya menyita lebih dari satu jam, sering kali di luar jam kerja.
Akses apa saja yang dipegang Claude
Sistem ini berjalan berkat konfigurasi akses, bukan karena model yang lebih pintar. Claude terhubung lewat konektor MCP ke sejumlah alat: Grafana dan penyimpanan log untuk melihat metrik dan stack trace, Datadog untuk monitoring tambahan, GitHub untuk membaca commit dan diff serta membuka pull request, Kubernetes untuk memberi saran penanganan di level cluster, serta PagerDuty dan beberapa channel Slack untuk menerima alert dan memposting kesimpulan. Claude beroperasi dengan akun layanan sendiri, dan tindakannya bisa diaudit.
Apakah sebuah alert perlu membangunkan manusia ditentukan oleh aturan yang ditulis dalam bahasa alami. Contoh yang diberikan: error rate di atas 2% yang bertahan lebih dari 5 menit, di luar jendela deployment yang sudah diketahui, akan memicu panggilan on-call. Ambang batas seperti ini dulunya tersimpan di file konfigurasi sistem monitoring dan perlu melalui proses rilis untuk diubah; setelah ditulis sebagai aturan yang bisa dibaca Claude, biaya untuk mengubahnya turun jadi sekadar menyunting satu baris teks. Selain alert otomatis, anggota tim dan halaman insiden internal juga bisa memicunya secara manual.
Tahap triase berjalan paralel
Ketika sebuah insiden masuk, Claude menjalankan agen orkestrator, yang kemudian mengirim beberapa sub-agen secara paralel untuk memeriksa dependensi yang berbeda-beda — satu membaca log, satu membandingkan commit terbaru, satu lagi mengamati kurva metrik. “Alur kerja dinamis” inilah yang menghasilkan analisis 14 menit tadi.
Penilaiannya didukung oleh dua jenis berkas. Satu adalah kumpulan skill file yang ditulis sebagai panduan investigasi berdasarkan jenis insiden; salah satunya, yang khusus membahas satu jenis bug yang cukup membandel, panjangnya mencapai 617 baris. Yang lain adalah file lessons.md, yang ditambahkan sendiri oleh Claude setiap kali sebuah insiden selesai ditangani, dan menjadi rujukan pertama saat pola serupa muncul lagi. Kedua jenis berkas ini disimpan di GitHub dan melewati proses review yang sama seperti kode.
Perbaikan tetap di tangan manusia
Tahap perbaikan masih menyisakan ruang untuk manusia. Hasil paling umum adalah sebuah pull request, yang direview oleh engineer sebelum diputuskan untuk di-deploy atau tidak; peluncurannya dikontrol lewat feature flag. Untuk masalah yang menyangkut cluster, Claude memberi saran seperti draining, isolasi, atau scaling, tapi eksekusinya tetap keputusan manusia. Setelah perbaikan diterapkan, Claude memverifikasinya lagi memakai perangkat yang sama.
Anthropic secara eksplisit tetap menyerahkan beberapa hal kepada manusia: perbaikan arsitektur jangka menengah-panjang; melengkapi asumsi bersama Claude dalam mode kolaboratif, karena Claude tidak selalu benar sejak percobaan pertama dan butuh intuisi manusia untuk meluruskannya; gerbang review pull request; serta nada komunikasi — format laporan status butuh beberapa kali penyesuaian sebelum sesuai selera tim, bagian yang belum berhasil diotomatisasi.
Serah terima juga sudah dijadikan produk tersendiri. Ada laporan ringkasan mingguan, ringkasan harian, dan agen terpisah bernama ci-weather yang merangkum beberapa insiden menjadi laporan status yang bisa dilihat pihak eksternal.
Angka delapan kali lipat yang gampang terlewat
Angka delapan kali lipat ini punya makna yang sedikit berbeda tergantung dari sisi mana dilihat — kenapa sistem ini dibuat, dan bagaimana hasilnya. Di satu sisi, ini adalah sumber tekanan: dengan ukuran tim yang sama, kenaikan volume rilis delapan kali lipat tidak mungkin membuat jumlah tiket insiden tetap datar. Di sisi lain, ini juga jadi prasyarat agar sistem on-call ini masuk akal — kalau kode masih diketik manusia baris demi baris, bentuk, frekuensi, dan tingkat keterbacaan insiden akan tetap dekat dengan intuisi engineer, dan manfaat marjinal dari triase AI tidak akan sejelas ini. Setelah AI mengambil porsi besar dalam menulis kode, menyerahkan tahap triase pertama ke AI jadi langkah yang nyambung dengan rantai itu.
Syarat penerapannya juga ditulis jelas: dibutuhkan paket Claude Team atau Enterprise, dan menghubungkan alat serta mengatur izin akses butuh beberapa jam di awal. Bagi kebanyakan tim, bagian tersulit kemungkinan besar bukan soal menyambungkan alat, melainkan keberanian menyerahkan akun layanan yang bisa membuka pull request dan mengatur cluster.
Sumber: blog resmi Anthropic, CocoLoop; waktu triase median 14 menit, identifikasi akar masalah tercepat 4 menit, kenaikan volume rilis kuartalan delapan kali lipat, dan panjang skill file 617 baris semuanya sesuai pernyataan publik perusahaan.