Port bringer Vibe-kodning til Platform Engineering med AI Builder

Port har lanceret AI Builder, en ny natur-sprog udviklingserfaring designet til at hjælpe platform engineering teams med at bygge agentic software delivery workflows uden at gøre AI-adoption til et lag af operationel sprawl.

Selskabet beskriver produktet som den første purpose-byggede vibe-kodningserfaring til platform engineering. Men det vigtigste punkt er ikke “vibe-kodning” mærket. Det er, hvad Port forsøger at anvende det til.

Vibe-kodning er primært blevet associeret med enkelte udviklere, der bruger natur-sprog til at generere applikationer, prototyper eller kodeændringer. Port tager det samme interaktionsmodel og anvender det til software delivery lifecycle selv: onboarding, infrastructure workflows, produktion readiness, incident response, omkostningskontrol, engineering performance tracking, governance og agent management.

Dette er et meget anderledes problem end at hjælpe en udvikler med at skrive kode hurtigere. I store ingeniørorganisationer er udfordringen ikke blot, om AI kan generere en nyttig workflow. Det er, om den workflow passer til virksomhedens arkitektur, følger interne politikker, forbinder til de rigtige værktøjer, respekterer tilladelser og kan auditeres efterfølgende.

From Coding Assistant to SDLC Control Layer

Ports AI Builder er bygget oven på selskabets Agentic SDLC Platform, som kombinerer en context lake, workflow orchestration, agent management og governance funktioner. Idéen er at give udviklere, platform teams og AI-agenter en fælles grundlag for at forstå, hvordan software bevæger sig gennem en organisation.

Denne grundlag er vigtig, fordi agentic udvikling hurtigt kan blive fragmenteret. En udvikler kan bygge en agent til at triage incidents. En platform ingeniør kan bygge en til at styre cloud omkostninger. Et sikkerhedsteam kan bygge en til at gennemtvinge overholdelse af regler. Hver enkelt brugssag kan være værdifuld i sig selv, men uden fælles kontekst og kontrol kan virksomhederne ende med at have duplikerede workflows, inkonsistente governance og agenter, der handler på basis af ufuldstændig information.

AI Builder er Ports forsøg på at give teams en mere struktureret vej. I stedet for at bygge isolerede automatiseringer kan teams beskrive, hvad de ønsker i natur-sprog, og have systemet hjælpe med at oprette workflows, dashboards, scorecards eller agenter inden for Ports styrede miljø.

How AI Builder Works

AI Builder giver teams mulighed for at oprette og ændre agentic SDLC workflows gennem en chat-baseret interface. En platform team kunne f.eks. bede det om at oprette en produktion readiness scorecard, designe en onboarding workflow for en ny tjeneste, bygge en AI-omkostningsstyringsproces eller generere en autonom ticket-løsningsflow.

Port siger, at systemet kommer med indbygget domæneviden på tværs af SRE, DevOps, arkitektur, sikkerhed, AI-governance, data-modellering og UX. Dette skal gøre værktøjet mere specialiseret end en generel coding-assistant. I stedet for kun at producere kode eller konfiguration er AI Builder designet til at forstå, hvordan platform engineering-arbejde skal struktureres.

En nøglefunktion er Plan Mode. Før bygning, udarbejder AI’en en plan, stiller præciseringsspørgsmål og venter på godkendelse. Planer er versionerede og gemt, hvilket giver teams en optegnelse over, hvad der er foreslået og godkendt. Det kan lyde som en lille workflow-detalle, men det er centralt for produktets positionering. Jo mere autonomi organisationer giver AI-agenter, jo mere har de brug for godkendelsesveje, sporing og ansvar.

Hvorfor kontekst er vigtig

Produktet er forbundet med Ports Context Lake, som er designet til at give agenter og workflows adgang til virkelige organisationsdata. Dette kan inkludere tjenester, teams, ejerskab, afhængigheder, miljøer, integrationer, politikker og operationsmetadata.

Dette er en af de vigtigste dele af annonceringen. AI-systemer er ofte kun så nyttige, som den kontekst, de kan få adgang til. En generel assistant kan måske foreslå en deployment workflow, men den ved ikke automatisk, hvilke tjenester der er forretningskritiske, hvilke teams ejer dem, hvilken godkendelsesproces der gælder, eller hvilke afhængigheder der kan bryde, hvis en ændring foretages.

Ports tilgang er at gøre organisationskontekst en del af byggeprocessen. Dette betyder, at AI Builder ikke blot responderer på prompts i isolation. Det er designet til at oprette workflows, der reflekterer, hvordan en virksomhed faktisk opererer.

For platform teams kan dette reducere gapet mellem idé og implementering. I stedet for at manuelt samle workflows på tværs af forskellige systemer kan teams bruge natur-sprog til at generere den første version, derefter gennemgå, forfine og styre den inden for platformen.

At gøre flere ingeniører til byggere

Port CEO og medstifter Zohar Einy ramte lanceringen omkring en bredere ændring i softwareudvikling: Flere mennesker inden for ingeniørorganisationer forventer nu at bygge automatisering og agentic workflows selv.

“AI er fundamentalt ændrer, hvordan software bliver bygget,” sagde Einy. “Alle er byggere nu. Udviklere og platform teams ønsker at skabe AI-agenter, der eliminerer toil, fjerner flaskehalse og forbedrer softwarelevering.”

Denne ændring skaber en ny udfordring for platform teams. De er ikke længere kun ansvarlige for at bygge interne værktøjer til udviklere at bruge. De er mere og mere ansvarlige for at skabe miljøet, hvor udviklere, AI-agenter og platform workflows kan samarbejde sikkert.

Dette er, hvor AI Builder passer ind i Ports overordnede strategi. Det giver flere brugere mulighed for at oprette workflows, men gør det inden for et system, der er designet til at bevare standarder, synlighed og kontrol.

Branchens implikation: Agent-sprawl bliver et rigtigt problem

Lanceringen peger på et bredere problem, der opstår på tværs af entreprise AI-adoption. Virksomheder flytter fra eksperimenter til implementering, men mange gør det med ikke-tilknyttede værktøjer. AI-kodningsassistenter, interne bots, workflow-agenter, data-assistenter og automatiserings-skripter bliver adopteret i forskellige hastigheder af forskellige teams.

Det skaber en ny form for software-sprawl. I cloud-æraen måtte virksomheder lære at styre infrastruktur-sprawl. I SaaS-æraen måtte de styre applikations-sprawl. I AI-æraen må de styre agent-sprawl.

Problemet er ikke, at teams bygger for mange agenter. Problemet er, at mange agenter kan blive bygget uden fælles kontekst, ejerskab, tilladelser, overvågning eller livscyklusstyring. En agent, der fungerer godt for ét team, kan blive en byrde, hvis ingen ved, hvilke systemer den kan få adgang til, hvilke beslutninger den er tilladt at træffe, eller hvordan dens adfærd overvåges over tid.

Dette er, hvorfor platform engineering bliver mere vigtig, ikke mindre, i AI-alderen. Da softwareudvikling bliver mere automatiseret, har organisationer brug for en stærkere operativ model for, hvordan automatisering skabes, godkendes, genbruges og styres.

Interne udviklerportaler udvikler sig

AI Builder afspejler også den skiftende rolle for interne udviklerportaler. Oprindeligt var mange portealer fokuseret på servicekataloger, dokumentation, selvbetjening og udvikleroplevelse. De hjalp ingeniører med at finde, hvad de havde brug for, og reducerede byrden på platform teams.

Næste fase ser mere aktiv ud. Port positionerer portalen som en fælles eksekveringslag, hvor udviklere og agenter kan samarbejde mod den samme organisationskort. I den model er portalen ikke kun et sted, hvor man kan se tjenester eller udløse workflows. Det bliver kontrolplanet for agentic softwarelevering.

Det giver mening. Hvis AI-agenter skal deltage i SDLC, har de brug for de samme ting, som menneskelige ingeniører har: kontekst, tilladelser, standarder og feedback. Forskellen er, at agenter kan operere meget hurtigere, hvilket gør styring mere presserende.

Produktivitetsgevinster afhænger af tillid

Løftet om produkter som AI Builder er hurtigere softwarelevering med mindre manuel arbejde. Men den virkelige test vil være tillid.

Virksomheder vil ikke tillade agenter at foretage væsentlige ændringer på tværs af SDLC blot, fordi de er hurtige. De vil have brug for bevis for, at workflows er sikre, forklarlige, omvendelige og i overensstemmelse med interne politikker. De vil også have brug for en klar forståelse af, hvor mennesker forbliver i løkken.

Det kan være den vigtigste implikation af Ports annoncering. Den næste fase af AI i softwareudvikling er ikke kun om bedre kodegenerering. Det handler om at bygge systemer, der giver AI mulighed for at deltage i virkelige operationelle miljøer uden at skabe kaos.

AI Builder er tilgængelig på Ports gratis og betalte abonnementer.