Case study | Claude Code

Doctolib accelera la produttività dei team di sviluppo con Claude Code

Settore:
Sanità
Dimensioni azienda:
Grande
Prodotto:
Claude Code
Area geografica:
Europa

Il 47% di pull request in più per ogni membro del team di sviluppo

gestite in media tra gennaio e settembre 2026

Lead time delle modifiche ridotto del 25%

in tutto il team di sviluppo di Doctolib nello stesso periodo

Dal 2013 Doctolib continua a trasformare il settore sanitario in tutta Europa, al servizio di 580.000 professionisti sanitari e 90 milioni di pazienti. La piattaforma offre agli operatori sanitari un sistema operativo che organizza i flussi di lavoro grazie a cartelle cliniche elettroniche, supporto diagnostico, gestione delle prescrizioni e soluzioni cliniche basate sull'IA. Gli strumenti di gestione dei pazienti consentono di pianificare gli appuntamenti, effettuare teleconsulti e organizzare le attività dello studio. Per i pazienti, Doctolib facilita l'accesso alle cure con una gestione della salute sicura e proattiva.

Con Claude, Doctolib:

  • Ha aumentato in media del 47% il numero di pull request gestite da ogni membro del team di sviluppo tra gennaio e settembre 2026
  • Ha ridotto del 25% il lead time delle modifiche nello stesso periodo
  • Registra un utilizzo quotidiano di Claude da parte di circa il 90% del personale tecnico e di prodotto, che conta grossomodo 900 dipendenti
  • Gestisce i propri agenti di programmazione remoti, basati su Claude Code e alimentati da Claude Opus 5.5, che attualmente aprono il 10% di tutte le pull request
  • Ha riscontrato, tramite test A/B, che Opus 5.5 produce risultati migliori a un costo per pull request di 2,5 volte inferiore rispetto al modello predefinito precedente
  • Secondo stime interne, in circa un anno, ha pressoché dimezzato la percentuale di tempo dedicata dal team di sviluppo alla scrittura del codice, riallocandola ad attività di revisione e specifiche
  • Consente a product manager e designer di rilasciare modifiche descrivendo le proprie esigenze, mentre gli agenti si occupano del codice
  • Mantiene automaticamente aggiornata la documentazione tecnica a ogni modifica del codice

La sfida

Allineare la revisione al ritmo di sviluppo del codice

Doctolib ha inizialmente introdotto Claude Code per sollevare il team di sviluppo dalle attività ripetitive. Documentazione, test, revisioni delle pull request e debito tecnico continuavano a distoglierlo dai problemi più rilevanti per una piattaforma sanitaria. "Il team di ingegneria dedicava tempo prezioso ad attività ripetitive anziché risolvere sfide complesse in ambito sanitario", ha affermato Jean-Claude Kuo, Staff Product Manager di Doctolib.

L'implementazione ha avuto successo, spostando così il collo di bottiglia. Dopo aver accelerato la scrittura del codice, le vere difficoltà si sono concentrate su tutto ciò che ruota attorno: revisionare ogni modifica con l'attenzione richiesta da un software in ambito sanitario, verificarne i rischi per la privacy e la sicurezza e confermarne il corretto funzionamento dopo il rilascio. Questi controlli tutelano 580.000 professionisti sanitari e i relativi pazienti, pertanto non si poteva certo trascurare passaggi importanti. D'altro canto, l'esecuzione manuale di ogni verifica su ciascuna modifica non rappresentava un'opzione realistica. "Il nostro obiettivo è implementare controlli completi che il personale umano non può eseguire con costanza a causa dei vincoli di tempo", ha sottolineato Nicolas Klarman, Staff Engineer presso Doctolib.

La soluzione

Opus 5.5 per le attività in cui la qualità è imprescindibile

Le basi erano già state poste. Dopo un progetto pilota condotto con 30 componenti del team di ingegneria, Doctolib ha esteso Claude Code all'intero team di sviluppo e i suoi membri effettuano autonomamente l'onboarding in meno di cinque minuti da VS Code, JetBrains o dalla riga di comando. Il team di piattaforma gestisce un repository condiviso di prompt, comandi personalizzati e subagent che ogni membro del team di ingegneria importa durante la configurazione. Oggi circa il 90% dei quasi 900 dipendenti dei team tecnologia e prodotto di Doctolib utilizza Claude quotidianamente; inoltre Claude Code si conferma lo strumento di IA più impiegato nel reparto di progettazione dell'azienda.

Il team riesamina la propria configurazione predefinita all'uscita di nuovi modelli. "Attualmente il plan mode di Opus offre la configurazione ottimale tra qualità dei risultati e ottimizzazione dei costi", ha osservato Klarman.

La decisione più importante ha riguardato gli agenti di programmazione remoti di Doctolib, che gestiscono le revisioni delle pull request, l'analisi dei rischi, i controlli di sicurezza, le verifiche post-merge e l'implementazione. "Per queste attività, la qualità del risultato finale non è negoziabile", ha affermato Kuo. "Vogliamo promuovere l'adozione degli agenti remoti come nuova impostazione predefinita per la distribuzione".

Per selezionare il modello alla base di questi agenti, il team ha eseguito test A/B su una serie di attività reali. Opus 5.5 ha generato risultati nettamente migliori rispetto a Sonnet 5.0, il modello predefinito in precedenza per gli agenti, a un costo per pull request inferiore di 2,5 volte. Doctolib ha reso Opus 5.5 la soluzione predefinita per i propri agenti remoti e attualmente lo preferisce per le attività ad alto impatto.

Agenti che gestiscono i ticket dalla prima modifica fino alla verifica in produzione

Gli agenti remoti di Doctolib vengono eseguiti su Claude Code in modalità headless tramite GitHub Actions e operano come un sistema interconnesso anziché come un insieme di bot dedicati a singole funzioni. Partendo da un singolo ticket, generano una modifica al codice con il contesto corretto, aggiornano la pull request, elaborano il feedback presente nei commenti di revisione ed eseguono un controllo completo una volta che il codice arriva in produzione. Il loro ambito comprende la revisione del codice, la valutazione dei rischi, la documentazione e la risoluzione dei bug. Attualmente gestiscono il 10% di tutte le pull request di Doctolib e, per ogni bug individuato, un agente propone una correzione. La metà di queste correzioni viene accettata e integrata dal team responsabile del prodotto interessato.

Anche il processo di revisione sta cambiando. Al posto di un singolo agente di revisione, Doctolib sta creando un framework di valutazione dei rischi multi-agente; questi agenti sono dedicati alla privacy, alla sicurezza e ad altri aspetti critici, così da stabilire il livello di attenzione richiesto da ogni modifica. "Questo approccio ci consente di raccogliere prove concrete di ciò che funziona nella pratica, rafforzando progressivamente la sicurezza e l'affidabilità dell'intero sistema", ha spiegato Klarman.

Gli agenti si basano su flussi di lavoro in esecuzione da oltre un anno. Un'attività pianificata aggiorna la documentazione tecnica a ogni modifica del codice, mentre le revisioni automatizzate di Claude vengono eseguite sul repository infrastrutturale principale di Doctolib. Nella fase iniziale, il team ha utilizzato Claude Code per sostituire l'intera infrastruttura legacy di test di regressione visiva. "Abbiamo completato la migrazione in poche ore, anziché in settimane", ha affermato Klarman.

Gli agenti stanno inoltre estendendo il processo di rilascio a persone esterne al reparto di sviluppo. Dato che una pull request non deve più appartenere necessariamente a chi scrive il codice, product manager e designer possono rilasciare modifiche semplicemente indicando in modo chiaro le proprie richieste. L'agente suddivide il lavoro e adatta i requisiti al codebase, alle best practice e alle barriere di sicurezza. Apre la pull request, la mantiene aggiornata e integra il feedback fornito sia dai revisori umani che dagli agenti di revisione. Una volta approvata la modifica, l'agente esegue il merge ed effettua i controlli per confermarne l'esito.

"Attualmente il plan mode di Opus offre la configurazione ottimale tra qualità dei risultati e ottimizzazione dei costi."
Nicolas KlarmanStaff Engineer, Doctolib

Il risultato

Maggiori modifiche, in tempi più rapidi e con revisioni più approfondite

Tra gennaio e settembre 2026, ogni persona che lavora nello sviluppo di Doctolib ha gestito in media il 47% in più di pull request, mentre il lead time delle modifiche è sceso del 25%. I team rilasciano più funzionalità e ogni modifica richiede tempi di attesa inferiori.

Il lavoro stesso è cambiato. Secondo stime interne di Doctolib, prima dell'avvento dell'IA, la scrittura del codice assorbiva dal 40% al 45% del tempo di un membro del team di sviluppo. A distanza di circa un anno, richiede all'incirca il 20%, mentre il tempo dedicato alla revisione e alle specifiche è aumentato. "Nel complesso, questo cambiamento dimostra come Claude stia aiutando i nostri team a passare da flussi di lavoro incentrati sull'esecuzione a modalità operative più ponderate, basate sulla revisione e interfunzionali", ha sostenuto Kuo.

Le prossime priorità di Doctolib si concentrano sul collo di bottiglia. Il team sta sostituendo la revisione del codice riga per riga con un modello basato sui rischi, in cui l'IA valuta il livello di attenzione necessario per ciascuna modifica, per poi passare alle fasi successive alla revisione: la distribuzione e la convalida del codice.

"La nostra visione è quella di una software factory in cui il team di ingegneria sviluppa e gestisce i loop agentici", ha dichiarato Mike Aidane, VP of Platform Engineering presso Doctolib. "Gli agenti scrivono la maggior parte del codice. Il team di sviluppo decide quando intervenire, fornire indicazioni o sollevare dubbi. Il passo successivo consiste nel concentrare l'attenzione umana dove conta di più".

"Nel complesso, questo cambiamento dimostra come Claude stia aiutando i nostri team a passare da flussi di lavoro incentrati sull'esecuzione a modalità operative più ponderate, basate sulla revisione e interfunzionali."
Jean-Claude KuoStaff Product Manager Doctolib