DocuSign: halveert analytics engineering met Claude Code en dbt

Samenvatting

DocuSign halveert de tijd voor analytics engineering met Claude Code, dbt v2, dbt MCP en Agent Skills.

Claude Code en dbt versnellen analytics engineering

DocuSign gebruikt Claude Code als regisseur van een workflow voor analytics engineering. dbt Agent Skills levert projectconventies en naamgevingspatronen, terwijl de dbt MCP-server metadata en lineage aanreikt. dbt v2 compileert en valideert de SQL voordat een pull request klaarstaat.

De aanleiding lag volgens Bishal Gupta niet bij SQL-generatie, maar bij contextwissels. Engineers schakelden tussen Jira-eisen, dbt-regels die vooral in hoofden bestonden en terugkerende controles. DocuSign splitste het proces daarom op in discovery, dbt-ontwikkeling en orchestration. Een fout in één fase, zoals een mislukte compile of overgeslagen unit test, krijgt een nieuwe poging zonder de volledige workflow opnieuw te starten.

In een demonstratie bouwde de workflow een kwartaalaggregatiemodel, inclusief model, YAML, validatie, pull request en orchestration-job. Branch-isolatie en menselijke controle bleven onderdeel van het proces.

Waarom DocuSign met Claude Code en dbt werkt

De aanpak verplaatst AI van losse codegeneratie naar een gecontroleerde keten rond metadata, conventies en validatie. Dat onderscheidt de workflow van een agent die zelfstandig alle stappen uitvoert. De fasering maakt bovendien zichtbaar waar een proces faalt en voorkomt dat een lokale fout de hele uitvoering terugzet.

DocuSign rapporteerde in de pilot een productiviteitswinst van 50 procent, gemeten van requirement tot gevalideerd dbt-asset dat klaarstaat voor review. Het team zag daarnaast consistentere naamgeving, tests en semantische patronen. Daardoor konden reviewers meer aandacht geven aan technische beoordeling in plaats van stijlcorrecties.

De controlelaag blijft nadrukkelijk aanwezig. Gupta beschreef een limiet van 1.000 rijen voor testuitvoeringen, zodat een agent niet per ongeluk een build met een miljard rijen start. Ook de verdeling van aangepaste skills over teams staat nog in ontwikkeling.

Concrete takeaway voor dbt-teams

Ontwerp AI-workflows per fase en koppel elke fase aan context, validatie en een menselijke goedkeuring. Leg daarnaast limieten vast voor testuitvoeringen en controleer welke Agent Skills toegang krijgen tot gedeelde workflows. AI stelt voor; het team bepaalt wat in de hoofdbranch belandt.