monday.com mette in produzione agenti AI su Amazon Bedrock

monday.com esegue in produzione agenti AI, chiamati “AI Teammates”, su Amazon Bedrock. L’azienda riporta che nove Builder su dieci usano strumenti di coding AI ogni mese. E che il throughput di pull request per ingegnere è salito di oltre la metà. Tutte le cifre arrivano da dati interni di produzione di monday.com¹.

Non è un ambiente appena nato. La base di codice ha dieci anni. La piattaforma serve milioni di utenti paganti. Il sistema conta centinaia di microfrontend e microservizi. L’organizzazione include centinaia di Builder: ingegneri, product manager, analyst e product designer. Ogni PR aperta da un agente entra in un sistema che gli utenti si aspettano operativo anche dopo il prossimo deploy¹.

Gli autori descrivono l’architettura dietro quei numeri. Spiegano i retrofit applicati a un codice maturo. Introducono una “confidence-scored merge play” che riduce il divario verso una maggiore autonomia nel merge¹.

Poche organizzazioni ingegneristiche eseguono agenti simili in produzione a questa scala. La messa in esercizio avviene su Amazon Bedrock. Gli “AI Teammates” sono agenti “agentic AI”. L’obiettivo è farli lavorare in un contesto reale, non in una demo da greenfield¹.

Il post inquadra il percorso in tre livelli di ingegneria AI. Cita il primo: L1, l’assistente. Colloca questo schema dentro i vincoli di un SaaS d’impresa: on-call, clienti, conformità. La prospettiva è quella di un servizio che deve restare in piedi mentre gli agenti intervengono sul codice¹.

I dati interni mostrano due segnali. L’adozione è salita in fretta: da circa metà dei Builder a nove su dieci in circa mezzo anno. La produttività, misurata come PR per ingegnere, è aumentata di oltre la metà. Il post collega questi andamenti a scelte di architettura, a interventi sul legacy e a una strategia di merge che usa un punteggio di confidenza. Tutte le misure citate arrivano dai sistemi in produzione dell’azienda¹.

Il requisito chiave è la continuità del servizio tra un deploy e il successivo. Ogni PR proposta da un agente passa in un ambiente che milioni di utenti si aspettano stabile. Per questo il post marca la distanza tra demo “greenfield” e adozione reale: la complessità aumenta quando si opera in un SaaS usato in produzione, con on-call attivi e requisiti di compliance¹.

Per i team che valutano agenti in produzione, il caso monday.com aggiunge un punto concreto: il post rende pubblici elementi di architettura, interventi su un codice di lunga vita e una pratica di merge con punteggio di confidenza. Sono tasselli rari da osservare a questa scala in un prodotto in produzione¹.