Meta software engineers are increasingly leaning on AI coding tools. In addition to using models from Anthropic, OpenAI and Google, staffers can rely on internally developed tools, including Meta’s version of OpenClaw, called MyClaw, and Manus, which Meta recently acquired.

Meta CEO Mark Zuckerberg this year issued what an internal memo described as a “bold ask” for engineering teams: Rewrite Meta’s code bases so AI agents can easily understand and modify them.

Piénsalo: las decisiones de cómo escribes tu código para hacerlo más accesible para los LLMs tienen el mismo efecto en las personas.

La diferencia principal entre organizar un codebase para LLMs y humanos, es que con los LLMs hay una promesa de llegar a un nivel de productividad alto mucho más pronto que con un humano.

Un ingeniero nuevo en un equipo va a depender de sus compañeros para ponerse al día de por qué se tomaron ciertas decisiones de ingeniería. Va a tener que atender muchas juntas, hacer un chingo de preguntas, y hasta levantar cejas de personas con más experiencia de la compañía. 3 meses de onboarding para que puedas comenzar a hacer cosas un poco más complejas.

La realidad es que mucho de ese contexto se lo puedes dar a un LLM en minutos con un codebase bien organizado, acceso a la documentación, y al historial de commits en el repositorio.

Con esta tecnología, las empresas por fin tienen un incentivo de alto impacto a corto plazo para poner orden en sus procesos.