JIRA piletist pull request’ini ehk kuidas me Kindlustusestis AI-ga tarkvara arendame

… ehk mida võiks tähendada üks AI-native tarkvaratiim kolmes vaatuses.
Sissejuhatus ehk kuidas kõik alguse sai
Kindlustusesti tarkvaratiim on erinevaid AI-kodeerimisagente (GitHub Copilot, Claude Code, Cursor jt.) kasutanud nende väljatulekust saati. Sarnaselt teistele tarkvara arendavatele ettevõtetele toimisid need meil esimesel paaril aastal pigem kaaspiloodina (copilot), kus agent pakub välja meetodeid, klasse ja lihtsamaid lahendusi (nt. skripte). Arendaja tüüris AI-d ise ega lasknud sel liiga autonoomselt tegutseda (ka mudelid polnud toona veel nii osavad).
Aastatega muutusid agendid siiski märgatavalt võimekamaks. Eriti pärast Claude Opus 4.5 ilmumist hakati aina enam rääkima nn. tarkvaratehastest ehk autonoomsetest tarkvaratootmise süsteemidest.
2026. aasta alguses seisis tiim valiku ees: meie senine front-end arendaja oli lahkumas ning sattusime sundseisu. Kas palgata kiiresti keegi asemele (mida me ka tegime) või üritada lihtsamaid front-end töid automatiseerida, sest backlog kipub ju teadupärast mühinal kasvama.
Lisaks oli väsitav pidevalt sama prompti kopeerida ja Claude’ile meelde tuletada: „Analüüsi, liigita, tükelda, kasuta TDD-d, testi kõike põhjalikult, järgi parimaid praktikaid, kirjuta puhast koodi jne…“.
Antud sundseisust kasvas välja lugu, mida jagaks lugejaga nö. kolmes vaatuses. Esimeses ehitame ühe agendi ja saame korralikult vitsa. Teises saab ühest agendist terve tiim. Kolmandas võtame kokku valemi, mida saad ka oma meeskonnas proovida. Kui aega on vähe, siis scrolli otse kolmanda vaatuse ja lõpus oleva tabeli juurde 🙂
Ettevaatust! Tegu on 95% osas inimese poolt käsitsi loodud sisuga 🙂! Loe: jah - ma kasutasin sidekriipse ka enne AI-ajastut!
I vaatus: “Front-end arendaja agent”
Koondasime kokku oma senised parimad front-end praktikad ning sellest sündis efektiivne, kuid erakordselt igava nimega Claude Code’i käsk (command): /ticket.
…äripoolele tutvustasime seda muidugi kui „front-end arendaja agenti“ või „arendaja X asendajat“ 🙂.
Käsu /ticket esmane iteratsioon oli võrdlemisi toores, kuid kattis lihtsa front-end pileti vajadused otsast lõpuni (E2E). See hõlmas pileti sisu mõtestamist, JIRA-ga suhtlemist, arhitektuuri planeerimist, arendust ja lõplikku teostust koos testimisega (sh. kõiki tehnilisi samme nagu Git-ga majandamine ja PR-ide loomine). Sisuliselt oli esimene versioon puhtalt üks Claude Code’i käsk koos erinevate seotud oskustega (skills).
Kuidas see välja nägi? Arendaja avas terminali, sisestas /ticket DEV-1234 ning vastas paarile kiirele täpsustavale küsimusele, et agent oleks meiega ühel lainel (aligned). Pärast seda kulges töö juba võrdlemisi autonoomselt. (Meie Claude Code’i seadistusest ehk harness’ist tahaks kunagi eraldi pikemalt kirjutada.)
Kõlab lihtsalt? … nope…
Esimesed vitsad (loe: õppetunnid)
Õppetund nr 1: iga agenti tuleb “sisse jooksutada”
Taipasime kohe alguses, et agenti tuleb omajagu kordi erinevat tüüpi piletite peal testida. Esimesed ringid - peab tunnistama - olid üsna piinarikkad. Töö kippus ikka väga aeglane ja vigane olema, kuid absoluutselt iga bugi ja veidrus sai luubi alla võetud ning sisuliselt lõppes enamik esmaseid sessioone stiilis:
- Mis läks valesti?
- Miks läks valesti?
- Kuidas seda järgmine kord vältida?
- Kuidas ja mis konteksti on sul juurde vaja,et sa järgmine kord siia ei takerduks?
Õppetund nr 2: agent peab saama oma tööd ise ja kiiresti kontrollida
See tuli kohe välja, eriti front-end arenduses, aga kehtib misiganes AI-süsteemi kohta. Tavapärased E2E testid mingil määral seda probleemi meil juba lahendasid, kuid nagu E2E testide puhul ikka, kipuvad nad aeglased ning omajagu nö. flaky’d olema. Tagasiside peab olema kiirem (nt. 10-20 min kogu E2E suite’i jooksutamiseks ei ole praktiline iga pileti puhul).
Läbi katse-eksituse saime toimiva lahenduse, ühendades Playwright’i MCP (andes selle agendile alati kasutusse ning harness’is on veel eraldi kirjas, et agent alati kontrolliks, kas ta ikka saab Playwright’i abil oma tööd ise testida). Lisaks andsime agendile selged juhtnöörid, et kõik, mis puudutab front-endi’i, tuleb tal (veebi)brauseris ka nö. “point-n-click” meetodil ise läbi klikkida. Ehk et AI ei toetu enam puhtalt testidele, vaid saab kohustuse ise brauseris veel kõik üle vaadata.
Jah! Nendin, et see pole kõige deterministlikum lahendus, kuid selline lähenemine võimaldas tegelikult regressioone palju paremini kinni püüda … sest ega ka vanasti, kui veel käsitsi testiti, ei öeldud ju manuaaltestijale kõiki asju ette stiilis, et “mida ja kuidas”. Suuremad jamad tulid enamasti ikkagi regressioonidest puhtalt testija tunnetuse pealt. Laias laastus kehtib sama ka AI-ga testides - veidraid regressioone suudab ta enamasti päris kenasti tähele panna. Kui hakkab üleraporteerima - palu tal esmalt ise triažeerida.
Sellest arendasime omakorda järgmistes projektides eraldi nö. “/smoke-*” perekonna Claude Code’i commandid, mis sisuliselt tähendavad sama asja, millest eelnevalt juttu: AI teostab ise esimesed nö. klassikalised “suitsutestid” kasutajaliideses (täpselt nagu inimene).
PS. Sama trikki (metoodikat) kasutasime ka eraldi Claude (Desktop) rakenduses (toonase nimega Cowork), kus meil oli eraldi agent, kes puhtalt UX/UI’d vastu JIRA piletit testis - arvestades, et antud agent ei elanud samas inforuumis (ehk testija agendi kontekst oli teine - ja seda tegelikult meelega), olid tulemused jällegi üllatavalt head.
Müts maha tiimi ees - kogu see käehoidmine oli esmalt parajalt tüütu - osad asjad oleksime isegi käsitsi vanakooli käsitöö-koodi kirjutades paremini ja kiiremini valmis saanud, kuid mingi veider usk oli kogu aeg olemas, et “natuke veel ja hakkab tulema!”.
Peale 10-15 iteratsiooni oli “asi” (loe: agent) juba piisavalt stabiilne, et saime production’is üsna hästi temaga hakkama ehk jäime (mööndustega) rahule. Loomulikult on ka frontier-mudelid (kasutame peamiselt Claude Code’i ehk Anthropicu tooteid) aastaga metsiku arengu teinud ning osaliselt on areng kantav ka selle arvele.
II vaatus: isu kasvab ehk ühest agendist saab tiim
Kui front-end arendaja agent oli enam-vähem tööle saadud, juhtus see, mis ikka juhtub kui üks pudelikael ära kaob, tuleb järgmine asemele. Probleem polnud enam koodi kirjutamine, vaid see, et paljud piletid olid poolikud juba enne arendust. Õnneks oli valem meil nüüd olemas (jooksuta sisse, lase agendil oma tööd ise kontrollida, küsi iga kord “mis läks valesti?”) ja edasi läks juba märksa lihtsamalt.
“Sõbralik tarkvaranalüütik” ja teised “tiimiliikmed”
Poolikute piletite jaoks tekkis /ticket-prepare (äripoolele kirjeldatud kui “sõbralik tarkvaraanalüütiku agent” 🙂.
Analüütiku agent võtab olemasoleva pooliku Jira pileti või lihtsalt toore mõtte mõnest e-mailist, WhatsAppist või Slackist. Seejärel küsib ta äripoolelt (või arendajalt) lihtsas keeles täpsustavaid küsimusi. Ta kontrollib ka, kas midagi sarnast on juba olemas.
Ta vaatab läbi kõik meie repod ja hindab, kui suure/riskantse tööga võiks tegu olla. Tulemuseks on kaheosaline analüüs, kus esimene osa on äripoolele eesti keeles, teine osa on arendajale. (Nüüdseks juba sisuliselt tehniline spec agentidele.) Koodi analüütik veel ei puutu. Jirasse lisab ta ainult kommentaari või faili ja pileti kirjeldust ei muuda. Jah - lugejal võib tekkida küsimus, et miks me siis lihtsalt Claude Code’i sisseehitatud /plan režhiimi ei kasutanud, kuid päriselu kipub olema nüansirikkam ning igal tarkvaraga tegeleval organisatsioonil on oma kirjutamata kokkulepped või nö. “way of doing things” mis tuli ka meie analüütikule selgeks õpetada.
/ticket ise on vahepeal samuti kasvanud (automaatne koodiülevaatus, turvatestimine, spetsifikatsiooni testimine jpm…). Ja kuna “enda lastest” võibki rääkima jääda, siis hästi lühidalt kiire valik teistest agentidest ka, kes meie süsteemides nüüdseks toimetavad:
- Uus JIRA pilet: kui (arendus)soov on selge, siis kirjutab Claude põhjaliku pileti ja pakub sobiva tegija.
- Töö üleandja: tehtud töö lõpus kirjutab agent Jirasse eestikeelse kokkuvõtte ja liigutab pileti testimisse. Ta teostab nö. “handover”’i ehk paneb testijale kirja, et “kus ja mida testida” ning mida veel peaks kaaluma. Klassikalises tarkvaraarenduses oli just antud samm minu varasema kogemuse põhjal olnud problemaatiline ehk kus arendaja andis oma töö üle lakoonilise väljendiga “valmis”, millega siis testijad alati puhta hädas olid 🙂
- AI-koodiülevaatus: neli code-reviewer’it vaatavad iga muudatuse Bitbucketis üle ning viies parandab leitud vead, kui arendaja need ära kinnitab.
- “Nädalavahetuse tooteomanik” ehk mõni suurem töö jookseb öösel või terve nädalavahetuse ilma inimese juuresolekuta. Ehk nö. “AI-põhine tooteomanik” kes küsib enne inimese käest mõned täpsustavad küsimused ja seejärel hakkab backlog’st üksteise järel asju ette võtma ning arendaja-agentidele töösse andma.
- Mini-retro: iga sessiooni (või ka implementeeritud JIRA pileti) lõpus vaatavad agendid oma töö üle ja pakuvad, mida järgmisel korral paremini teha. Reeglina kogun need ühte suurde .md faili kokku ja siis regulaarse intervalliga nopin parimaid leide.
III vaatus: kuidas Sinul sellest kasu võiks olla?
Agente on meil nüüdseks omajagu, aga nimekiri ise pole see, mida tasub siit artiklist nö. koju kaasa võtta. Kõik agendid on loodud sisuliselt sama valemi järgi:
-
Loe manuaali (vanasti öeldi “RTFM” 🙂) ehk loe läbi tööriista (agentide platvormi) mida kasutad ametlik dokumentatsioon. NB! Lisasoovitus kõigile Claude Code’i kasutajatele - palun loe ka igakuised release-notes’id ise läbi (või anna enda agendile, kes siis iga kuu vastavalt muudatustele ka Sinu harness’i paremaks teeb 🙂)!
Ei ole mõtet tööriista väänata vastavalt “enda peakujule”, vaid ürita aru saada, kuidas autorid on mõelnud, et lahendust peaks kasutama (näiteks Opus 5.5 toimib erakordselt hästi vaid medium’i ja high peal.
Minu isiklik varasem vale harjumus Opus 5 puhul nö. “kõik sliderid põhjas hoida” maksis mulle asjatult palju tokeneid ja aega. Kui ikka Anthropic ise ütleb, et “high”’st kõrgem on väga nö. marginal gains territoorium, siis tasub kasvõi proovida, kui muidu ei usu 🙂
-
Anna agendile õiged tööriistad
Mäletad Playwrighti lugu esimesest vaatusest? Sama asi üldisemalt: vaata, et agendil oleks kõik vajalikud tööriistad oma tööks olemas (mitte liiga palju, aga ka mitte liiga vähe - nö. goldilocks zone). Liiga palju raiskab konteksti ja ajab agendi segadusse, aga kui jätad enesetestimise osas midagi andmata - jälle jama. Kuldse kesktee leidmine ongi paras väljakutse ja pidev protsess
-
Hoia kontekst ühes kohas ja värskena
Meie analüütik pidi ära õppima Kindlustusesti “way of doing things” ja kusagil peab see ka kirjas olema.
Kas teed seda keskse repo näol (nagu meie) või Claude Code’i pluginate või mõne kolmanda lahenduse näol - suurt vahet pole - need on pigem kõik tehnilised nüansid. Tähtis on, et agentidel oleks keskselt hallatud, ajakohane ja ühtne nö. kontekstivaramu kus on keerukamad äriprotsessid ja -terminid talle lahti seletatud (rääkimata üldisest tarkvara ökosüsteemist, kuhu agent kuulub, tiimide koosseisust, äriloogikast, protsessidest jne…). Meil näiteks oli probleem, et kuidas panna ca 7 core rakendust sarnase konteksti järgi toimima (nii, et üks agent ei lõhuks ära API’t, mida kasutavad ka teised süsteemid; mis on meie ühised terminid ja sõnavara jne…)
-
Ehita eneseparandus kohe sisse
Enamus meie agente lõpetavad oma töö alati nö. mini-retroga. Mis läks hästi? Mis läks halvasti? Mida saaks paremini? Miks, miks, miks 🙂? Need on need samad “mis läks valesti?” küsimused, millega me esimeses vaatuses käsitsi alustasime. Nüüd küsivad agendid neid ise.
Ei tasu unustada ka tööriistade ametlikke töövahendeid, mis on selleks mõeldud (eriti soovitan regulaarselt jooksutada (automatiseerida) Claude Code’i command’e:
/doctorja/claude-api prompt-audit
Kogu lugu ühes tabelis: AI-copilot vs AI-native tarkvaraarendus
| Aspekt | AI kui abiline (copilot) | AI-põhine arendus (AI-native) |
|---|---|---|
| Rollijaotus | Arendaja kirjutab koodi. AI pakub soovitusi ja kooditäiendusi | AI teeb töö otsast lõpuni autonoomselt, inimene langetab otsuseid võtmepunktides |
| Töö alustamine | Arendaja loeb pileti läbi ning mõtleb lahenduse iseseisvalt välja | AI analüüsib piletit, küsib täpsustavaid küsimusi ja koostab teostusplaani |
| Kvaliteedikontroll ja testimine | Arendaja testib koodi käsitsi või kirjutab teste vastavalt võimalusele (sh. AI abiga) | AI kirjutab automaattestid enne koodi (TDD) ning valideerib tulemust visuaalselt kujundusega (Playwright ja nö. esmased suitsutestid AI poolt tehtuna) |
| Töö üleandmine | Arendaja lisab Jiras piletile kokkuvõtliku kommentaari käsitsi või laseb selle AI’l genereerida ja siis copy-paste’b | AI genereerib eestikeelse kokkuvõtte ja liigutab pileti automaatselt järgmisesse staadiumisse (sh. PR’i kirjeldus jms, mida arendajad ei viitsinud varasemalt kunagi teha 🙂) |
| Protsessi arendus | Töövoog ja abivahendid püsivad ajas pigem muutumatuna | AI teeb iga teostuse järel ettepanekuid töökäskude ja protsessi tõhustamiseks |
| Teadmusjuhtimine | Parimad praktikad asuvad peamiselt individuaalsete arendajate peas. Heal juhul README.md’d ajakohased ja omavad nö. “omanikke” | Ühised reeglid (sh. tehniline reeglistik + äriprotsesside ja -terminite kirjeldused) on tsentraliseeritud ja jõuavad automaatselt kõikidesse (alam)repodesse |
Quo vadis ehk millest tahaks veel kirjutada?
- Nö. “tarkvaratehased” ja meie esimesed kogemused täis-autonoomse “software factory”’ga.
- Kuidas me KE’s teostame konteksti juhtimist ehk räägiks meie nö AI-alussüsteemist: kuidas kõik meie süsteemid räägivad agendiga sama keelt: ühised reeglid, ühised teadmised ärist ja üks töövoog piletist PR-ini.
- Automated-content-population ehk enam ei pea sisutoimetajad käsitsi Wordpressis postitusi nokkima, vaid loovad sisu seal, kus see on nende jaoks kõige mugavam.
- AI code review ehk kuidas hinnata objektiivselt, kas automaatne koodi ülevaatus teeb oma tööd hästi ja leiab reaalseid probleeme.
- Agentide omavahelise vastutuse jagamine (fixer vs re-review pattern). Kuidas nö. parandaja-agent (fixer agent) ja järelkontrolli-agent (re-review) jagavad vastutust ning tagavad, et kriitilised ülesanded saavad lahendatud.
Alustasime sellest, et üks front-end arendaja oli lahkumas ja backlog kasvas. Lõpetasime agentide tiimiga, kes oma tööd lõpetades ise küsivad, mis läks valesti ja kuidas järgmine kord paremini saaks. NB! Kui pead siit ühe asja kaasa võtma, siis võta just see küsimus.
PS. Meil on kohe tulemas värbamine: otsime oma tiimi AI-agentide ehitajat. Kui tundsid end selles loos ära ehk oled ise agente, MCP-sid ja integratsioone ehitanud (mitte ainult katsetanud), küsid enne ehitamist “kas me lahendame õiget probleemi?” ja viid hea idee ka lõpuni, siis kutsuks hea meelega Sind vestlusele.
Kui soovid rohkem teada juba enne kuulutuse ilmumist, siis kirjuta julgelt LinkedIn’is mulle või Meritile. Ja kui tööd ei otsi, aga teed oma tiimis midagi sarnast (või hoopis vastupidist 🙂) ja tahad sel teemal vaielda või muljetada, siis kirjuta samuti!
Kindlustusest Kindlustusmaakler OÜ kaudu saad võrrelda erinevate kindlustusseltside pakkumisi. Enne lepingu sõlmimist tutvu kindlustusteenuse tingimustega.
