Qualtrics на Sourcegraph Cody: 1000 разработчиков сэкономили 10% времени, юнит-тесты с дня до 10 минут

Автор кейса: Godwin Babu, Gordon Fu, Brendan Doyle Sr. Manager DevEx / Quality Engineering Manager / Senior SWE, Qualtrics 15 Январь 2026

Qualtrics — платформа исследования клиентского опыта, обслуживающая 19 000+ клиентов. Инженерная организация из 1000+ разработчиков. По словам Godwin Babu, Senior Manager Developer Experience, Gordon Fu, Quality Engineering Manager, и Brendan Doyle, Senior Software Engineer, оценка AI-помощников шла по жёстким корпоративным требованиям — нужна была интеграция с self-hosted GitLab и data-loss prevention.

Cody от Sourcegraph выиграл этот тендер за счёт security-параметров и совместимости с инфраструктурой Qualtrics. Дополнительно — у Qualtrics уже был позитивный опыт работы с Code Search Sourcegraph, и это снизило барьер доверия к новому продукту того же вендора. Cody поддерживает разные LLM-бэкенды (Claude, GPT), что даёт гибкость в выборе модели под конкретные задачи.

Цифры эффекта на инженерах. Время на написание юнит-тестов сократилось с полного дня до 10 минут — это не «инкремент», это 50× ускорение на одной конкретной задаче. Понимание чужого кода и ответы на вопросы по кодовой базе ускорились на 25%. Выходов из IDE в браузер за справкой стало на 28% меньше — Cody отвечает прямо в редакторе. По общей оценке команды каждый инженер экономит 10–30 минут в день, что выходит примерно на 10% от его рабочего времени.

Что в Cody оказалось критичным для Qualtrics. Поддержка self-hosted GitLab без вендорского облака. Data-loss prevention — критичный фактор для продукта, обрабатывающего клиентские данные. Гибкость в выборе LLM позволяет экспериментировать с моделями без переезда на другую платформу. Качество code understanding на больших кодовых базах — то, чем выделяется Sourcegraph: их оригинальный Code Search и был построен под крупные репозитории, и это перенеслось в Cody.

Главный сюжет — Cody особенно сильно помогает junior-инженерам. Когда нужно разобраться в чужом коде на большом проекте, синьор-инженер опирается на опыт; джун — на документацию и поиск. Cody встраивается именно в этот gap: даёт контекст и объяснения там, где раньше у джуна был только Stack Overflow и интуиция.