Cómo Ramp usa Claude Code para publicar 1 millón de líneas de código en 30 días

Ramp ha construido su posición competitiva sobre la premisa de que las operaciones financieras deben estar tan automatizadas como sea posible. La plataforma de la empresa gestiona restricciones de gasto a nivel de comerciante, flujos de aprobación y procesamiento de gastos para empresas que quieren avanzar rápido sin perder el control. Esa misma filosofía de automatización se aplica internamente: Ramp busca activamente las herramientas más avanzadas disponibles y fomenta una cultura de adopción rápida.

El equipo de ingeniería descubrió Claude Code y reconoció de inmediato que era diferente a las herramientas de código con IA anteriores. En lugar de requerir mandatos de arriba hacia abajo, la adopción se propagó orgánicamente: los ingenieros que lo probaron de forma independiente tuvieron experiencias tan convincentes que lo compartieron con sus colegas sin que se les pidiera. En pocas semanas, la herramienta se había extendido desde ingeniería hacia los equipos de producto, diseño y datos.

Ramp construyó extensiones personalizadas alrededor de Claude Code para adaptarlo a sus flujos de trabajo específicos. Los ingenieros lo conectaron a marcos de pruebas a través de CLI para ciclos automatizados de código, prueba y corrección. Lo integraron con plataformas de observabilidad—Datadog y Sentry—mediante servidores Model Context Protocol, lo que permite la agregación autónoma de registros y errores durante incidentes. También lo conectaron directamente a su data warehouse en Snowflake, permitiendo que miembros no técnicos de los equipos de producto y datos ejecuten consultas en lenguaje natural sin escribir código SQL.

Los resultados durante los primeros 30 días fueron notables. Los ingenieros implementaron más de un millón de líneas de código sugeridas por IA. El uso activo semanal en toda la organización de ingeniería alcanzó el 50%. Las nuevas herramientas de respuesta a incidentes—construidas sobre las integraciones de Claude Code con Datadog y Sentry—redujeron el tiempo de investigación de incidentes un 80%, disminuyendo el tiempo que los ingenieros dedican a rastrear errores durante eventos de producción.

La experiencia de Ramp apunta a un patrón más amplio en cómo las empresas orientadas a la ingeniería adoptan herramientas de código con IA: no como un complemento de productividad, sino como una capa de plataforma que conecta los flujos de trabajo existentes. La expansión desde ingeniería hacia equipos no técnicos, y la reducción del 80% en el tiempo de investigación de incidentes, sugieren que el valor se multiplica a medida que la herramienta se integra en más funciones de la organización.