Η LinearB λανσάρει το Agentic Studio, προσφέροντας στους πράκτορες προγραμματισμού το απαραίτητο τεχνικό πλαίσιο

Η LinearB λάνσαρε το Agentic Studio, μετατρέποντας τα δεδομένα παράδοσης λογισμικού σε πλαίσιο που μπορούν να αξιοποιήσουν τα στελέχη μηχανικής και οι πράκτορες προγραμματισμού για τη λήψη αποφάσεων. Η πλατφόρμα, που ανακοινώθηκε στις 2 Νοεμβρίου, συνδυάζει ανάλυση φυσικής γλώσσας με ένα επίπεδο τεχνικού πλαισίου που καλύπτει τα εργαλεία τα οποία χρησιμοποιούν οι ομάδες για τον σχεδιασμό, τη σύνταξη, την αναθεώρηση και την κυκλοφορία λογισμικού.

Το λανσάρισμα αντανακλά ένα διογκούμενο πρόβλημα στην ανάπτυξη με τη βοήθεια της τεχνητής νοημοσύνης: η παραγωγή περισσότερου κώδικα δεν βοηθά αυτομάτως έναν οργανισμό να παραδίδει χρήσιμο λογισμικό ταχύτερα. Οι αναθεωρήσεις μπορεί να συσσωρεύονται, οι αλλαγές να γίνονται δυσκολότερες στην αξιολόγηση και οι πράκτορες να ξεκινούν μια εργασία χωρίς να γνωρίζουν ποιες υπηρεσίες είναι ευάλωτες ή γιατί έχει σημασία μια συγκεκριμένη διόρθωση.

Σύμφωνα με την ανακοίνωση, το Agentic Studio είναι διαθέσιμο σε όλους τους πελάτες της LinearB. Οι δεξιότητες πρακτόρων, στις οποίες περιλαμβάνεται μια αρχική δυνατότητα αντιστοίχισης της προσπάθειας ενός πράκτορα με την εκάστοτε εργασία, διατίθενται σε πρώιμη πρόσβαση.

Μετατροπή των δεδομένων παράδοσης σε τεχνικό πλαίσιο

Η LinearB συλλέγει πληροφορίες από όλη τη διαδικασία παράδοσης λογισμικού και τις ενοποιεί σε ένα κοινό μοντέλο. Η εταιρεία αναφέρει ότι αντιστοιχίζει τις ταυτότητες των μηχανικών στα συστήματα Git και διαχείρισης έργων, συνδέει τις αλλαγές από το αίτημα έως την κυκλοφορία και προσθέτει δεδομένα απόδοσης της τεχνητής νοημοσύνης και σημεία αναφοράς, ώστε να βοηθήσει τα στελέχη να ερμηνεύσουν τα αποτελέσματα.

Το σημαντικό βήμα είναι η σύνδεση αυτών των εγγραφών. Ένα αίτημα ενσωμάτωσης μπορεί, μεμονωμένα, να φαίνεται απλό, ενώ στην πραγματικότητα επηρεάζει μια υπηρεσία που έχει παρουσιάσει πρόσφατα περιστατικά, απαιτεί συχνά επανεργασία ή έχει περίπλοκο καθεστώς ευθύνης. Η σύνδεση της αλλαγής με αυτό το ιστορικό παρέχει στον αξιολογητή ή στον πράκτορα προγραμματισμού πληροφορίες που ενδέχεται να μην προκύπτουν μόνο από ένα στιγμιότυπο του αποθετηρίου κώδικα.

Στο νέο στούντιο, τα στελέχη μπορούν να υποβάλλουν ερωτήσεις σε απλή γλώσσα, να λαμβάνουν προτεινόμενα επόμενα βήματα και να χρησιμοποιούν τη βοήθεια της τεχνητής νοημοσύνης για τη δημιουργία μετρικών, πινάκων ελέγχου και άλλων παραδοτέων. Η LinearB αναφέρει ότι οι οργανισμοί μπορούν να ορίζουν το πλαίσιο που έχουν στη διάθεσή τους οι χρήστες, μέσω της πρόσβασης βάσει ρόλων που είναι ενσωματωμένη στην πλατφόρμα.

Αυτή η κατεύθυνση συνάδει με τις οδηγίες της εταιρείας για τη μηχανική πλαισίου, οι οποίες δίνουν έμφαση στην επιλογή σχετικών πληροφοριών, αντί στην αδιάκριτη συμπλήρωση του παραθύρου πλαισίου ενός πράκτορα. Το πλαίσιο αυτό λαμβάνει υπόψη τον κώδικα, τον σκοπό μιας αλλαγής, τις διασυνδέσεις μεταξύ συστημάτων και τα όρια της πρόσβασης που μπορεί να έχει ένας πράκτορας.

Δεξιότητα πρώιμης πρόσβασης για αντιστοίχιση της προσπάθειας με τον κίνδυνο

Η πρώτη δεξιότητα πράκτορα έχει σχεδιαστεί για να καθορίζει πόση προσπάθεια απαιτεί μια εργασία προγραμματισμού. Η LinearB αναφέρει ότι λαμβάνει υπόψη τη σημασία για την επιχείρηση, την πολυπλοκότητα και τον κίνδυνο, αξιοποιώντας ενδείξεις όπως τα ποσοστά επανεργασίας, τα πρόσφατα περιστατικά υπηρεσιών και το ιστορικό ευθύνης.

Μια αλλαγή χαμηλού κινδύνου μπορεί να αντιμετωπιστεί πιο ελαφρά, με λιγότερα tokens, ενώ μια αλλαγή με πιο σοβαρές συνέπειες μπορεί να λάβει πιο διεξοδική ανάλυση και δοκιμές. Τα στελέχη μηχανικής μπορούν να βλέπουν πόσο συχνά οι εργασίες κατατάσσονται σε επίπεδο προσπάθειας χαμηλό, μεσαίο ή υψηλό. Η εταιρεία αναφέρει ότι η δεξιότητα λειτουργεί με οποιονδήποτε πράκτορα προγραμματισμού, αν και η ανακοίνωση δεν παρέχει συγκριτικά αποτελέσματα για συγκεκριμένους πράκτορες ούτε ποσοτικοποιεί την εξοικονόμηση tokens που έχει επιτευχθεί στην πράξη.

Η τεχνική προσέγγιση είναι χρήσιμη ακόμη και πριν τεκμηριωθεί οποιοσδήποτε ισχυρισμός περί εξοικονόμησης κόστους. Ένας ενιαίος προϋπολογισμός συλλογισμού αντιμετωπίζει με τον ίδιο τρόπο μια μικρή αλλαγή συντήρησης και μια ευαίσθητη διόρθωση σε σύστημα παραγωγής. Το πλαίσιο που προσαρμόζεται στην εκάστοτε εργασία θα μπορούσε να βοηθήσει στην κατανομή περισσότερης προσοχής εκεί όπου τα λάθη κοστίζουν ακριβά, περιορίζοντας παράλληλα την περιττή εργασία σε απλούστερες αλλαγές.

Το MCP συνδέει τα δεδομένα με τις υπάρχουσες ροές εργασίας τεχνητής νοημοσύνης

Η LinearB διαθέτει επίσης τεχνικές πληροφορίες μέσω του Model Context Protocol, ή MCP. Η σελίδα προϊόντος MCP περιγράφει την πρόσβαση σε μετρικές παράδοσης μέσω φυσικής γλώσσας, τις προσαρμοσμένες αναφορές και την ανάλυση σημείων συμφόρησης, καθώς και προτάσεις όπως η αυτοματοποίηση των αναθεωρήσεων και η δρομολόγηση.

Έτσι, οι ομάδες μπορούν να διερευνούν τεχνικά δεδομένα από ένα εργαλείο τεχνητής νοημοσύνης, αντί να μετακινούνται χειροκίνητα από τον έναν πίνακα ελέγχου στον άλλο. Το MCP παρέχει τη σύνδεση με εργαλεία και πληροφορίες, ενώ το επίπεδο πλαισίου προσφέρει τις σχέσεις που αφορούν ειδικά την παράδοση λογισμικού και δίνουν νόημα σε ένα ερώτημα για ένα αποθετήριο κώδικα ή μια ομάδα.

Καθώς διατίθεται η νέα πλατφόρμα, υπάρχει μια διάκριση που χρειάζεται αποσαφήνιση. Παρότι η ανακοίνωση περιγράφει πρόσβαση βάσει ρόλων και δικλίδες ασφαλείας για επιχειρήσεις, η δημόσια ενότητα συχνών ερωτήσεων της LinearB για το MCP εξακολουθεί να αναφέρει την πρόσβαση στο MCP με περιορισμούς βάσει δικαιωμάτων ως στοιχείο του οδικού χάρτη. Επομένως, η αναφορά του νέου στούντιο στους ελέγχους πρόσβασης δεν θα πρέπει να εκληφθεί ως επιβεβαίωση ότι κάθε υφιστάμενο πρόγραμμα-πελάτης MCP κληρονομεί ήδη όλα τα δικαιώματα της LinearB.

Γιατί η αυξημένη παραγωγή από την τεχνητή νοημοσύνη μπορεί να αναδείξει σημεία συμφόρησης στα επόμενα στάδια

Η ανακοίνωση της LinearB παραθέτει σημεία αναφοράς για την τεχνητή νοημοσύνη το 2026, τα οποία βασίζονται σε 2,7 εκατομμύρια αιτήματα ενσωμάτωσης και 83.000 προγραμματιστές από 253 οργανισμούς. Σύμφωνα με την εταιρεία, οι προγραμματιστές που χρησιμοποιούσαν τεχνητή νοημοσύνη τουλάχιστον στο 75% των ημερών προγραμματισμού συγχώνευσαν 96% περισσότερα αιτήματα ενσωμάτωσης την εβδομάδα σε σύγκριση με έναν χρόνο νωρίτερα.

Τα στοιχεία αυτά περιγράφουν τη δραστηριότητα που παρατηρήθηκε, χωρίς να αποδεικνύουν ότι η αλλαγή οφείλεται αποκλειστικά στην τεχνητή νοημοσύνη. Επίσης, ο μεγαλύτερος αριθμός συγχωνευμένων αιτημάτων ενσωμάτωσης δεν αποδεικνύει ότι οι πελάτες έλαβαν διπλάσια αξία. Η ανακοίνωση παραθέτει χωριστά ευρήματα σύμφωνα με τα οποία οι αλλαγές με τη βοήθεια της τεχνητής νοημοσύνης ήταν μεγαλύτερες και τα αιτήματα ενσωμάτωσης που δημιουργήθηκαν από πράκτορες περίμεναν πολύ περισσότερο για αναθεώρηση, καταδεικνύοντας πώς η ταχύτερη παραγωγή κώδικα μπορεί να μεταφέρει φόρτο εργασίας στα υπόλοιπα στάδια της διαδικασίας παράδοσης.

Ένα παράδειγμα πελάτη κάνει σαφή αυτή τη διάκριση. Η LinearB αναφέρει ότι η Kraken χρησιμοποίησε τον διακομιστή MCP της μαζί με τεχνητή νοημοσύνη για να διερευνήσει τις καθυστερήσεις στους ελέγχους και διαπίστωσε ότι οι ζώνες ώρας και η διαθεσιμότητα των αξιολογητών είχαν μεγαλύτερη σημασία από το μέγεθος των αλλαγών. Σύμφωνα με την εταιρεία, η Kraken μείωσε τον χρόνο ελέγχου στο 90ό εκατοστημόριο κατά περισσότερο από το μισό μέσα σε τέσσερις μήνες. Η δημοσιευμένη συζήτηση με την Kraken παρέχει περαιτέρω στοιχεία για το πώς τα δεδομένα των αποθετηρίων και οι μετρήσεις παράδοσης μπορούν να αποκαλύψουν σημεία συμφόρησης.

Από τη μέτρηση της υιοθέτησης της τεχνητής νοημοσύνης στη βελτίωση της παράδοσης

Η LinearB σχεδιάζει να προσθέσει δεξιότητες για agents, που θα καλύπτουν μεταγενέστερες εργασίες, όπως ο έλεγχος, η συγχώνευση και η διακυβέρνηση. Πρόκειται για μελλοντικές κατευθύνσεις, διαφορετικές από την τρέχουσα διαθεσιμότητα του στούντιο και την κατάσταση πρώιμης πρόσβασης της δεξιότητας εκτίμησης προσπάθειας.

Η ευρύτερη θέση είναι ότι οι πράκτορες προγραμματισμού χρειάζεται να κατανοούν τον οργανισμό που περιβάλλει τον κώδικα: τι έχει σημασία, ποιος είναι υπεύθυνος γι’ αυτό, πού απέτυχαν προηγούμενες αλλαγές και ποιοι περιορισμοί ισχύουν. Το Agentic Studio ενσωματώνει αυτή την προσέγγιση στην πλατφόρμα παραγωγικότητας προγραμματιστών, με την αξία του να κρίνεται τελικά από την ποιότητα και τη ροή των αλλαγών που παραδίδονται και όχι από τον όγκο του κώδικα που παράγεται.