Doctolib acelera la productividad de los desarrolladores con Claude Code

Desde 2013, Doctolib ha estado transformando la atención sanitaria en toda Europa, sirviendo a 420 000 profesionales sanitarios y 90 millones de pacientes. La plataforma proporciona a los profesionales un sistema operativo que optimiza los flujos de trabajo a través de registros médicos electrónicos, soporte de diagnóstico, gestión de prescripciones y soluciones clínicas basadas en la 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 Code, Doctolib:

• Mantiene documentación técnica automáticamente con cada cambio de código
• Incorpora a los ingenieros a bases de código desconocidas en días en lugar de semanas
• Revisa pull requests instantáneamente sin esperar a la disponibilidad del equipo
• Ha migrado toda su herramienta de pruebas de regresión visual en horas en lugar de semanas
• Aborda la deuda técnica sistemáticamente mediante prompts reutilizables y flujos de trabajo de CI automatizados

El problema

El equipo de ingeniería de Doctolib se enfrentó a una paradoja de productividad. Como sistema operativo líder en tecnología sanitaria en Europa que presta servicios a 420 000 profesionales sanitarios y 90 millones de pacientes, la compañía necesitaba lanzar funciones más rápido mientras mantenía la fiabilidad de los flujos de trabajo sanitarios críticos. Pero las tareas administrativas requerían mucho tiempo de ingeniería: escribir documentación, crear pruebas, revisar pull requests y abordar la deuda técnica impedían a los desarrolladores resolver complejos desafíos sanitarios.

"Los ingenieros estaban dedicando tiempo valioso a tareas repetibles en lugar de resolver desafíos complejos de atención sanitaria", dijo Julien Tanay, Staff Engineer que lidera el programa de herramientas de IA de Doctolib junto con el gerente de producto de plataforma Thomas Bentkowski.

El equipo necesitaba abordar tres desafíos específicos: primero, los ingenieros nuevos tardaban semanas en contribuir significativamente a partes desconocidas de la base de código. En segundo lugar, las revisiones de pull requests crearon cuellos de botella, con ingenieros esperando horas o días a que sus compañeros de equipo estuvieran disponibles. En tercer lugar, la deuda técnica se acumuló más rápido de lo que el equipo podía abordarla: las migraciones y actualizaciones de documentación se retrasaron mientras los ingenieros priorizaban el desarrollo de funcionalidades.

Doctolib prueba desarrollo asistido por IA con 30 ingenieros

Después de probar Claude Code con 30 ingenieros y ver ganancias prometedoras en productividad, Doctolib implementó la herramienta en todo su equipo de desarrollo.

Los ingenieros podían integrarse automáticamente en menos de cinco minutos en cualquier IDE: VSCode, JetBrains o flujos de trabajo basados en CLI. El equipo eligió Claude Code específicamente por su documentación, cursos de formación práctica a través de la plataforma Skilljar de Anthropic y funciones flexibles como comandos de barra, subagentes y modo plan. El modelo de facturación sin licencia y de pago por uso les permitió escalar la adopción sin compromisos iniciales.

Doctolib crea flujos de trabajo de IA reutilizables para tareas de desarrollo comunes

El equipo de plataforma de Doctolib creó un repositorio centralizado de prompts, comandos personalizados y subagentes que todos los desarrolladores extraen durante su configuración inicial de Claude Code. Todos los ingenieros comienzan con flujos de trabajo probados y reutilizables desde el primer día: escribir documentación, crear pruebas, revisar código y depurar problemas comunes.

"Los ingenieros ahora pueden empezar a contribuir a bases de código desconocidas inmediatamente", dijo Tanay. "En lugar de esperar semanas para entender un nuevo servicio o biblioteca, inician una conversación con el código y comienzan a hacer cambios en cuestión de días".

El equipo incorporó Claude Code en su flujo de trabajo diario de desarrollo en varias áreas críticas. Los ingenieros escriben documentación y pruebas, revisan pull requests y resuelven la deuda técnica a través de prompts repetibles para migraciones y depuración. El modo headless de la herramienta se ejecuta directamente en su pipeline de CI, abriendo automáticamente pull requests para tareas de mantenimiento rutinario.

Un proyecto demostró las mejoras en la velocidad: reemplazar toda la infraestructura de pruebas de regresión visual heredada. "Completamos la migración en horas, no semanas", dijo Tanay. "Ahora está en producción manejando todas nuestras comparaciones de capturas de pantalla".

El flujo de trabajo de documentación automatizado cambió su carga de mantenimiento. Cada cambio de código activa un trabajo CI que actualiza automáticamente la documentación técnica. Este enfoque de documentación como código mantiene actualizados sus documentos técnicos con muy poca intervención.

Las revisiones de pull requests, que antes eran un cuello de botella que requería horas o días de espera, ahora se realizan instantáneamente. Su repositorio principal de infraestructura cuenta con revisiones automatizadas basadas en Claude, que detectan problemas más temprano en el ciclo de desarrollo.

El resultado

Claude Code se ha convertido en la herramienta de IA más utilizada en el equipo de ingeniería de Doctolib. Los ingenieros se incorporan a la plataforma y comienzan a ver mejoras de productividad en cuestión de minutos.

Los equipos ahora se incorporan automáticamente a nuevos proyectos en pilas tecnológicas desconocidas, reduciendo el tiempo de puesta en marcha de semanas a días.

"Los ingenieros ahora pueden contribuir mucho más rápido a áreas ajenas a su experiencia", dijo Tanay. "Esto cambia fundamentalmente nuestra velocidad de desarrollo".

Doctolib planea expandir los agentes de codificación autónomos en el primer trimestre, pasando de tickets directamente a pull requests a través de GitHub Actions. También están desarrollando revisiones personalizadas asistidas por IA para clasificación y calidad de código, e implementando un desarrollo basado en especificaciones con Claude.

"Queremos ayudar a dar forma a la hoja de ruta de Claude Code y explorar lo que es posible con agentes autónomos", dijo Tanay.