Caso de éxito | Claude Code
Doctolib acelera la productividad de los desarrolladores con Claude Code
Desde 2013, Doctolib ha estado transformando la atención sanitaria en toda Europa, y presta servicio a 580 000 profesionales de la salud y 90 millones de pacientes. La plataforma ofrece a los profesionales de la salud un sistema operativo que organiza su flujo de trabajo mediante historias clínicas electrónicas, apoyo al diagnóstico, gestión de recetas y soluciones clínicas impulsadas por IA. Las herramientas de gestión de pacientes manejan la programación, la teleconsulta y las operaciones del consultorio. Para los pacientes, Doctolib simplifica el acceso a la atención con una gestión sanitaria segura y proactiva.
Con Claude, Doctolib:
- Aumentó en un 47 % el número medio de solicitudes de cambios que gestiona cada ingeniero entre enero y septiembre de 2026
- Redujo en un 25 % el plazo de ejecución de los cambios durante el mismo período
- Cuenta con cerca del 90 % de su personal técnico y de producto, de aproximadamente 900 personas, que usa Claude a diario
- Ejecuta sus propios agentes de programación remotos, creados sobre Claude Code e impulsados por Claude Opus 5.5, que ahora abren el 10 % de todas las solicitudes de cambios
- Descubrió en pruebas A/B que Opus 5.5 producía mejores resultados con un coste por solicitud de cambios 2,5 veces menor que su modelo predeterminado anterior
- Redujo aproximadamente a la mitad la proporción del tiempo que los ingenieros dedican a escribir código en cerca de un año, según estimaciones internas, y trasladó ese tiempo hacia la revisión y las especificaciones
- Permite a los jefes de producto y a los diseñadores implementar cambios describiendo lo que quieren, mientras los agentes se encargan del código
- Mantiene la documentación técnica actualizada automáticamente con cada cambio en el código
El reto
Mantener la revisión al ritmo del código
Doctolib incorporó Claude Code inicialmente para liberar a los ingenieros de las tareas repetitivas. La documentación, las pruebas, las revisiones de solicitudes de cambios y la deuda técnica no dejaban de alejar a los desarrolladores de los problemas más importantes en una plataforma de atención sanitaria. “Los ingenieros dedicaban un tiempo valioso a tareas repetitivas en lugar de resolver desafíos complejos de la atención sanitaria”, afirmó Jean-Claude Kuo, Staff Product Manager de Doctolib.
Ese despliegue funcionó y trasladó el cuello de botella. Una vez que escribir código se volvió más rápido, lo difícil pasó a ser todo lo que lo rodea: revisar cada cambio con el cuidado que exige el software sanitario, comprobar sus riesgos de privacidad y seguridad, y confirmar que funciona correctamente una vez que se lanza. Esos controles protegen a 580 000 profesionales de la salud y a sus pacientes, por lo que tomar atajos nunca fue una opción. Tampoco era realista ejecutar manualmente todas las comprobaciones en cada cambio. “Nuestro objetivo es implementar comprobaciones exhaustivas que los humanos no pueden realizar de forma sistemática debido a limitaciones de tiempo”, afirmó Nicolas Klarman, Staff Engineer en Doctolib.
La solución
Opus 5.5 para el trabajo en el que la calidad no es negociable
Las bases ya estaban sentadas. Tras una prueba piloto con 30 ingenieros, Doctolib implementó Claude Code en todo su equipo de desarrollo y los ingenieros se incorporan por su cuenta en menos de cinco minutos desde VS Code, JetBrains o la línea de comandos. El equipo de plataforma mantiene un repositorio compartido de prompts, comandos personalizados y subagentes que cada ingeniero descarga durante la configuración inicial. Hoy, alrededor del 90 % de los aproximadamente 900 empleados de tecnología y producto de Doctolib usan Claude todos los días, y Claude Code sigue siendo la herramienta de IA más utilizada en el equipo de ingeniería de Doctolib.
El equipo revisa su configuración predeterminada a medida que llegan nuevos modelos. “El modo de planificación de Opus ofrece actualmente la mejor configuración posible entre calidad de resultados y optimización de costes”, señaló Klarman.
La decisión más importante tenía que ver con los agentes de programación remotos de Doctolib, que se encargan de las revisiones de solicitudes de cambios, el análisis de riesgos, los controles de seguridad, las comprobaciones posteriores a la fusión y la implementación. “Para estas tareas, la calidad del resultado final no es negociable”, dijo Kuo. “Queremos impulsar la adopción de los agentes remotos como la nueva opción predeterminada para la entrega”.
Para elegir el modelo en el que se basan, el equipo realizó pruebas A/B con un conjunto de tareas reales. Opus 5.5 produjo resultados claramente mejores que Sonnet 5.0, el modelo predeterminado anterior de los agentes, con un coste 2,5 veces menor por solicitud de cambios. Doctolib estableció Opus 5.5 como modelo predeterminado para sus agentes remotos y ahora prefiere este modelo para las tareas de alto impacto.
Agentes que llevan un ticket desde el primer cambio hasta la verificación en producción
Los propios agentes remotos de Doctolib se ejecutan en Claude Code en modo headless a través de GitHub Actions, y funcionan como un sistema conectado en lugar de como un conjunto de bots con un único propósito. A partir de un solo ticket, generan un cambio de código con el contexto adecuado, actualizan la solicitud de cambios, atienden los comentarios dejados en la revisión y ejecutan una verificación completa una vez que el código está en producción. Su alcance abarca la revisión de código, la evaluación de riesgos, la documentación y la resolución de errores. Ahora representan el 10 % de todas las solicitudes de cambios en Doctolib y, por cada error identificado, un agente propone una corrección. El equipo responsable del producto afectado acepta e integra la mitad de esas correcciones.
La revisión también está cambiando de forma. En lugar de un único agente de revisión, Doctolib está construyendo un marco de evaluación de riesgos multiagente, con agentes que abarcan la privacidad, la seguridad y otras dimensiones críticas, para decidir cuánta atención necesita cada cambio. “Este enfoque nos permite recopilar pruebas concretas de lo que funciona en la práctica, al tiempo que fortalecemos progresivamente la seguridad y la fiabilidad de todo nuestro sistema”, explicó Klarman.
Los agentes se basan en flujos de trabajo que llevan más de un año en funcionamiento. Una tarea programada actualiza la documentación técnica con cada cambio de código, y se ejecutan revisiones automatizadas con Claude en el repositorio principal de infraestructura de Doctolib. Al principio, el equipo utilizó Claude Code para reemplazar toda su infraestructura heredada de pruebas de regresión visual. “Completamos la migración en horas en lugar de semanas”, dijo Klarman.
Los agentes también están permitiendo que personas ajenas al área de ingeniería realicen entregas. Dado que una solicitud de cambios ya no tiene que pertenecer a la persona que escribe el código, los responsables de producto y los diseñadores pueden implementar cambios expresando con claridad lo que quieren. El agente desglosa el trabajo y ajusta los requisitos para que se adapten a la base de código, las prácticas recomendadas y las medidas de protección. Abre la solicitud de cambios, la mantiene actualizada e incorpora los comentarios de los revisores humanos y de los agentes de revisión. Una vez aprobado el cambio, el agente lo integra y ejecuta comprobaciones para confirmar el resultado.
“El modo de planificación de Opus ofrece actualmente la mejor configuración posible entre calidad de resultados y optimización de costes”
El resultado
Más cambios, a un ritmo más rápido y con una revisión más rigurosa
Entre enero y septiembre de 2026, el ingeniero medio de Doctolib gestionó un 47 % más de solicitudes de cambios, mientras que el tiempo de entrega de los cambios se redujo en un 25 %. Los equipos están entregando más, y cada cambio pasa menos tiempo en espera.
El propio trabajo ha cambiado. Según las propias estimaciones de Doctolib, escribir código ocupaba entre el 40 y el 45 % del tiempo de un ingeniero antes de la IA. Aproximadamente un año después, ocupa alrededor del 20 %, y el tiempo dedicado a la revisión y a las especificaciones ha aumentado. “En general, este cambio ilustra cómo Claude está ayudando a nuestros equipos a pasar de flujos de trabajo centrados en la ejecución a formas de trabajar más reflexivas, basadas en la revisión y transversales”, afirmó Kuo.
Las próximas prioridades de Doctolib se centran en el cuello de botella. El equipo está sustituyendo la revisión de código línea por línea por un modelo basado en riesgos, en el que la IA evalúa cuánto escrutinio requiere cada cambio, y luego se está centrando en las etapas posteriores a la revisión: el despliegue y la validación del código.
“Nuestra visión es una fábrica de software en la que los ingenieros construyan y mantengan los bucles agénticos”, afirmó Mike Aidane, vicepresidente de Ingeniería de Plataformas en Doctolib. “Los agentes escriben la mayor parte del código. Los ingenieros deciden cuándo intervenir, reorientar o plantear una inquietud. El siguiente paso es centrar la atención humana donde más importa”.
“En general, este cambio ilustra cómo Claude está ayudando a nuestros equipos a pasar de flujos de trabajo centrados en la ejecución hacia formas de trabajar más reflexivas, basadas en la revisión y transversales”