論文の概要: WhatsCode: Large-Scale GenAI Deployment for Developer Efficiency at WhatsApp
- arxiv url: http://arxiv.org/abs/2512.05314v1
- Date: Thu, 04 Dec 2025 23:25:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-13 22:40:56.838973
- Title: WhatsCode: Large-Scale GenAI Deployment for Developer Efficiency at WhatsApp
- Title（参考訳）: WhatsCode:WhatsAppの開発者効率向上のための大規模GenAIデプロイメント
- Authors: Ke Mao, Timotej Kapus, Cons T Åhs, Matteo Marescotti, Daniel Ip, Ákos Hajdu, Sopot Cela, Aparup Banerjee,
- Abstract要約: WhatsAppをサポートするドメイン固有のAI開発システムであるWhatsCodeの産業展開に関するレポート。
WhatsCodeは、ターゲットとするプライバシ自動化から、エンドツーエンドの機能開発とDevOpsプロセスに統合された自律エージェントへと進化した。
システムは692の自動化/修正変更、711のフレームワーク採用、141のフィーチャ開発アシスト、バグトリアージの精度維持にコミットした。
- 参考スコア（独自算出の注目度）: 0.8197659035200293
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The deployment of AI-assisted development tools in compliance-relevant, large-scale industrial environments represents significant gaps in academic literature, despite growing industry adoption. We report on the industrial deployment of WhatsCode, a domain-specific AI development system that supports WhatsApp (serving over 2 billion users) and processes millions of lines of code across multiple platforms. Over 25 months (2023-2025), WhatsCode evolved from targeted privacy automation to autonomous agentic workflows integrated with end-to-end feature development and DevOps processes. WhatsCode achieved substantial quantifiable impact, improving automated privacy verification coverage 3.5x from 15% to 53%, identifying privacy requirements, and generating over 3,000 accepted code changes with acceptance rates ranging from 9% to 100% across different automation domains. The system committed 692 automated refactor/fix changes, 711 framework adoptions, 141 feature development assists and maintained 86% precision in bug triage. Our study identifies two stable human-AI collaboration patterns that emerged from production deployment: one-click rollout for high-confidence changes (60% of cases) and commandeer-revise for complex decisions (40%). We demonstrate that organizational factors, such as ownership models, adoption dynamics, and risk management, are as decisive as technical capabilities for enterprise-scale AI success. The findings provide evidence-based guidance for large-scale AI tool deployment in compliance-relevant environments, showing that effective human-AI collaboration, not full automation, drives sustainable business impact.
- Abstract（参考訳）: コンプライアンス関連、大規模産業環境におけるAI支援開発ツールの展開は、産業の採用が増加しているにもかかわらず、学術文献において大きなギャップを埋めている。
WhatsApp(20億ユーザ以上)をサポートし、複数のプラットフォームで数百万行のコードを処理する、ドメイン固有のAI開発システムであるWhatsCodeの産業展開について報告する。
25ヶ月(2023-2025)にわたって、WhatsCodeは、ターゲットとするプライバシ自動化から、エンドツーエンドの機能開発とDevOpsプロセスに統合された自律エージェントワークフローへと進化した。
WhatsCodeは、相当量の影響力を達成し、自動プライバシ検証カバレッジを15%から53%に改善し、プライバシ要件を特定し、異なる自動化ドメインで9%から100%の受け入れレートで3000以上の受け入れコード変更を生成した。
システムは692の自動リファクタリング/修正変更、711のフレームワーク採用、141のフィーチャ開発アシスト、バグトリアージの精度86%の維持をコミットした。
本研究は,高信頼度変更のためのワンクリックロールアウト(60%)と複雑な意思決定のためのコマンド-リビジョン(40%)の2つの安定した人間とAIのコラボレーションパターンを特定した。
オーナシップモデルや採用ダイナミクス,リスク管理といった組織的要因が,エンタープライズ規模のAI成功の技術的能力と同じくらい決定的であることを実証する。
この調査結果は、コンプライアンス関連環境における大規模なAIツールのデプロイメントに関するエビデンスベースのガイダンスを提供し、完全な自動化ではなく、効果的な人間とAIのコラボレーションが持続可能なビジネスへの影響を促進することを示した。
関連論文リスト
- Beyond Prototyping: Autonomous, Enterprise-Grade Frontend Development from Pixel to Production via a Specialized Multi-Agent Framework [0.01059638456503418]
我々は、エンタープライズグレードのアプリケーションデリバリの厳格な要件を満たすために構築された、自律的なフロントエンド開発エージェントのフレームワークであるAI4UIを紹介する。
高速プロトタイピング用に設計された汎用コードアシスタントとは異なり、AI4UIは、エンタープライズにシームレスに統合されたセキュアでスケーラブルで、準拠し、メンテナンス可能なUIコードを提供する製品の準備性に焦点を当てている。
論文 参考訳（メタデータ） (2025-12-05T09:56:15Z) - Intuition to Evidence: Measuring AI's True Impact on Developer Productivity [30.02516976149379]
本稿では,企業規模でのAI支援ソフトウェア開発ツールの総合的実環境評価について述べる。
1年以上にわたり、複数のチームにわたる300人のエンジニアが、コード生成と自動レビュー機能を組み合わせた社内AIプラットフォーム(DeputyDev)を統合した。
論文 参考訳（メタデータ） (2025-09-24T02:34:11Z) - LIMI: Less is More for Agency [49.63355240818081]
LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。
高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。
マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
論文 参考訳（メタデータ） (2025-09-22T10:59:32Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z) - Co-Saving: Resource Aware Multi-Agent Collaboration for Software Development [65.94639060883475]
本稿では,リソースを意識したマルチエージェントシステムであるCo-Savingを提案する。
私たちの重要なイノベーションは、"ショートカット"の導入です。
最先端のMAS ChatDevと比較して,トークン使用量の平均50.85%の削減を実現している。
論文 参考訳（メタデータ） (2025-05-28T02:23:53Z) - Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳（メタデータ） (2025-02-17T03:05:20Z) - EmbedGenius: Towards Automated Software Development for Generic Embedded IoT Systems [11.524778651869044]
本稿では,汎用IoTシステムのための,最初の完全自動化ソフトウェア開発プラットフォームであるEmbedGeniusを紹介する。
鍵となるアイデアは、Large Language Models(LLM)の推論能力と組み込みシステムの専門知識を活用して、ループ内ハードウェア開発プロセスを自動化することである。
71のモジュールと350以上のIoTタスクを備えた4つのメインストリームの組み込み開発プラットフォームで、EmbedGeniusのパフォーマンスを評価しました。
論文 参考訳（メタデータ） (2024-12-12T08:34:12Z) - Improving Performance of Commercially Available AI Products in a Multi-Agent Configuration [11.626057561212694]
クラウドボティックス PRD AIは、AIを使用してソフトウェア要件を生成するツールである。
GitHub Copilotは、AIペアプログラミングツールである。
PRD AIからビジネス要件を共有することで、GitHub Copilotのコード提案能力を13.8%改善し、開発者のタスク成功率を24.5%改善します。
論文 参考訳（メタデータ） (2024-10-29T15:28:19Z) - AutoGLM: Autonomous Foundation Agents for GUIs [51.276965515952]
我々は、グラフィカルユーザインタフェース(GUI)を介してデジタルデバイスを自律的に制御するための基礎エージェントとして設計された、ChatGLMファミリーの新しいシリーズであるAutoGLMを紹介する。
実世界のGUIインタラクションのための実践的基礎エージェントシステムとしてAutoGLMを開発した。
評価では、AutoGLMが複数のドメインにまたがって有効であることを示す。
論文 参考訳（メタデータ） (2024-10-28T17:05:10Z) - From Today's Code to Tomorrow's Symphony: The AI Transformation of Developer's Routine by 2030 [3.437372707846067]
我々は,2024年におけるAI支援プログラミングの現状と,2030年の予測とを比較分析する。
私たちは、2030人の開発者に包括的なサポートを提供するAIツールであるHyperAssistantを構想しています。
論文 参考訳（メタデータ） (2024-05-21T12:37:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。