AMD alcançou um ganho de produtividade de 30% com IA em engenharia de software—superando sua meta inicial de 25% estabelecida há um ano. A empresa atravessou a marca de 20% para código de produção gerado por IA em sua base de código e está avançando para uma meta de 50%. Em alguns componentes individuais de software, o código gerado por IA agora representa mais de 80% do produto final, contando apenas código que passa por revisão completa e teste.
Os agentes de hoje replicam fluxos de trabalho de engenheiro: análise de código, debugging, geração de teste e ciclos de aprovação. Mas AMD está descrevendo a próxima fase como swarms de agentes—sistemas multi-agente colaborativos que identificam e desenvolvem independentemente soluções orientadas por definições de problema, restrições e critérios de sucesso em vez de instruções passo a passo. Em vez de um engenheiro refinar um prompt e executar novamente um agente, swarms gerarão e classificarão múltiplas abordagens de solução em paralelo, validando automaticamente correção e trocas de desempenho antes de revisão de engenheiro.
AMD está construindo isso através de frameworks de orquestração multi-agente (Codex, Claude Code) e sistemas internos customizados. A visão desacopla otimização de instrução: engenheiros definem o resultado e restrições; agentes descobrem o caminho. Para AMD isso requer agentes aprender colaborativamente entre projetos e times, não apenas dentro de ciclos único engenheiro-prompt.
Para praticantes entregando agentes de produção, a mudança de AMD de coprots de agente único para orquestração de swarms coordenada sinaliza uma reorientação de arquitetura. Harnesses de avaliação, loops de verificação e composição de ferramenta multi-modal estão se movimentando de opcional para essencial. O ganho de produtividade de 30%—já alcançado—sugere viabilidade, mas generalização para outras bases de código e domínios permanece uma questão aberta.