Νοντάρ Ντανέλια, Διευθύνων Σύμβουλος και Συνιδρυτής της Shuttle – Σειρά Συνεντεύξεων

Νοντάρ Ντανέλια, Διευθύνων Σύμβουλος και Συνιδρυτής της Shuttle – Σειρά Συνεντεύξεων: Ο Νοντάρ Ντανέλια έχει διατελέσει Συνιδρυτής και Διευθύνων Σύμβουλος της Shuttle από την ίδρυση της εταιρείας το 2019, οδηγώντας την ανάπτυξή της από μια νεοσύστατη εταιρεία του YC Summer 2020 σε μια εταιρεία μηχανικής πλατφόρμας που επικεντρώνεται στους προγραμματιστές. Πριν από τη Shuttle, είχε κατέχει θέσεις όπως ο Chief Risk Officer στην Provenance Technologies Ltd, όπου εργάστηκε σε στρατηγικές hedge fund και νωρίτερα σε τεχνικούς και δεδομένα ρόλους στο Λονδίνο και στη Google.

Shuttle είναι μια ανοιχτού κώδικα πλατφόρμα υποδομής cloud που απλοποιεί την ανάπτυξη backend και την ανάπτυξη με την εξαγωγή της υποδομής από σημειώσεις κώδικα, έτσι ώστε οι προγραμματιστές να μπορούν να επικεντρωθούν στο γράψιμο κώδικα Rust ή άλλου κώδικα χωρίς τη διαχείριση ξεχωριστών αρχείων διαμόρφωσης ή σύνθετης διαμόρφωσης cloud. Η πλατφόρμα επιτρέπει τη γρήγορη ανάπτυξη, την προμήθεια πόρων out-of-the-box και την ομαλή κλιμάκωση και χρησιμοποιείται από δεκάδες χιλιάδες μηχανικούς με πάνω από 130.000 αναπτύξεις, με στόχο να επεκτείνει την εμπειρία zero-config, AI-βοηθούμενη σε όλες τις γλώσσες και να ενσωματωθεί με εργαλεία όπως το GitHub Copilot και το Cursor.

Ποια στιγμή ή απογοήτευση τελικά σας ώθησε να συνιδρύσετε την Shuttle, και ποιο πρόβλημα προσπαθούσατε να λύσετε στην αρχή;

Το σημείο καμπής ήρθε κατά τη διάρκεια της θητείας μου ως επικεφαλής συναλλαγών σε μια εταιρεία hedge fund. Είχαμε εξαιρετικούς μηχανικούς – διδάκτορες, ανώτερους μηχανικούς πλατφόρμας, ερευνητές ML – αλλά ακόμη και με αυτό το ταλέντο, η υποδομή cloud ήταν το συνεχές εμπόδιο. Η κατασκευή ενός μοντέλου συναλλαγών ή μιας υπηρεσίας backend δεν ήταν το δύσκολο μέρος. Το πρόβλημα ήταν η ανάπτυξη: να το θέσουμε σε λειτουργία με ασφάλεια, να το κλιμακώσουμε, να συνδέσουμε τις υπηρεσίες cloud μαζί. Εκεί ήταν που όλα επιβραδύνθηκαν. Σε ένα σημείο, πάνω από το μισό της ομάδας μηχανικών μας ήταν να κάνει εργασία DevOps μόνο για να κρατήσει τα συστήματα σε λειτουργία.

Αυτό που μου έμεινε δεν ήταν η σοφιστικέτητα του κώδικα ή των μαθηματικών. Ήταν το να βλέπω ικανούς ανθρώπους να καίγονται το μεγαλύτερο μέρος του χρόνου τους με την cloud αντί να χτίζουν αυτό που πραγματικά μετράνε. Κανείς δεν ήθελε να κάνει αυτή τη δουλειά, αλλά ήταν απαραίτητο. Αυτή η τριβή – το χάσμα μεταξύ “χτίσω κάτι” και “τρέχει αξιόπιστα” – είναι αυτό που η Shuttle δημιουργήθηκε για να λύσει.

Η Shuttle ιδρύθηκε το 2019, πριν από το σημερινό κύμα των εργαλείων κωδικοποίησης AI. Πώς έχει εξελιχθεί η αρχική σας όραση καθώς η ανάπτυξη με τη βοήθεια του AI έχει γίνει mainstream;

Το βασικό πρόβλημα παρέμεινε το ίδιο, αλλά το AI το ενίσχυσε δραματικά. Όταν ξεκινήσαμε, η υποδομή ήταν ήδη ο περιοριστικός παράγοντας για ισχυρές ομάδες μηχανικών. Όταν εμφανίστηκαν εργαλεία όπως το Copilot, το Cursor και το Claude, αυτό το εμπόδιο έγινε αδύνατο να αγνοηθεί.

Ξαφνικά, οι προγραμματιστές μπορούσαν να δημιουργήσουν πλήρεις εφαρμογές σε λίγα λεπτά, αλλά αυτές οι εφαρμογές χτύπησαν έναν τοίχο αμέσως. Το AI μπορεί να γράψει κώδικα, αλλά δεν μπορεί να διαμορφώσει και να διαχειριστεί αξιόπιστα τους πόρους cloud. Το χάσμα που λύνουμε έγινε πολύ μεγαλύτερο και πιο επείγον. Εκατομμύρια άνθρωποι κατασκευάζουν τώρα πρωτότυπα, αλλά μόνο μια μικρή μερίδα φτάνει στην παραγωγή.

Η όραση εξελίχθηκε από “κάνε την υποδομή πιο εύκολη για τους προγραμματιστές” σε “κάνε την υποδομή να λειτουργεί για μια ολόκληρη νέα γενιά κατασκευαστών” – solo ιδρυτές, μικρές ομάδες και πράκτορες AI που μπορούν να δημιουργήσουν κώδικα backend αλλά δεν έχουν κανένα ενδιαφέρον να παλέψουν με τη διαμόρφωση cloud. Δεν υπηρετούμε πλέον μόνο παραδοσιακούς μηχανικούς. Το κοινό έχει εκρηκτικά αυξηθεί.

Εργαλεία AI όπως το Cursor και το GitHub Copilot έχουν αλλάξει τον τρόπο που οι προγραμματιστές γράφουν κώδικα. Από την οπτική σας γωνία, ποια μέρη του κύκλου ζωής του λογισμικού έχουν βελτιωθεί περισσότερο, και πού οι ομάδες δυσκολεύονται;

Η γεννήτρια κώδικα έχει προχωρήσει. Αυτό το μέρος είναι σχεδόν λυμένο. Μπορείτε να περιγράψετε μια λειτουργία, και το AI θα την κατασκευάσει. Το frontend έχει ωφεληθεί ιδιαίτερα γιατί τα πρότυπα είναι καλά κατανοητά – components, styles, layouts.

Οι ομάδες δυσκολεύονται σε ό,τι έπεται: διάθεση σε παραγωγή, υποδομή και λειτουργία. Το AI μπορεί να δημιουργήσει ένα τελικό σημείο API, αλλά δεν μπορεί να δημιουργήσει αυτόματα τη βάση δεδομένων, τον χώρο αποθήκευσης, την ουρά, τη δικτύωση, τα δικαιώματα ή την αλυσίδα διάθεσης που το καθιστά λειτουργικό. Η υποδομή backend δεν έχει συμβαδίσει με την παραγωγή κώδικα.

Το αποτέλεσμα είναι η ανισότροπη πρόοδος. Αντί να γίνονται τα πράγματα πιο απλά από το ένα άκρο στο άλλο, νέα σημεία πίεσης εμφανίζονται. Οι ομάδες δημιουργούν ολόκληρες εφαρμογές backend σε λίγα λεπτά, αλλά μετά κολλάνε για μέρες προσπαθώντας να τις αναπτύξουν ασφαλώς. Κάποιες φορές το AI κάνει τα πράγματα χειρότερα παράγοντας περισσότερο κώδικα από ό,τι οι ομάδες μπορούν να τρέξουν ή να διατηρήσουν. Εκεί ζει η πραγματική τριβή τώρα.

Η ανάπτυξη περιγράφεται συχνά ως το μεγαλύτερο εμπόδιο για τις εφαρμογές που παράγονται από το AI. Τι καθιστά την παραγωγή αυτών των συστημάτων τόσο απαιτητική σε σύγκριση με τη γεννήτρια κώδικα;

Το πρόβλημα είναι η αξιοπιστία και οι συνέπειες. Η γεννήτρια κώδικα είναι συγχωρητική – αν το AI κάνει ένα λάθος, το βλέπετε αμέσως και το διορθώνετε. Τα λάθη της υποδομής είναι διαφορετικά. Ένα λάθος δικαίωμα, ένας λάθος πόρος, μια κακή υπόθεση για το κόστος ή την ασφάλεια, και έχετε δημιουργήσει ένα πραγματικό πρόβλημα που μπορεί να μην εμφανιστεί μέχρι αργότερα.

Στις αρχές, προσπαθήσαμε να αφήσουμε το AI να συμπεράνει την υποδομή από τον κώδικα εφαρμογής. Φαινόταν καλό στις επιδείξεις. Σε πραγματικά συστήματα, έπαθε κατάρρευση. Το AI θα παρήγαγε διαμορφώσεις που ήταν σχεδόν σωστές αλλά όχι ακριβώς – δικαίωμα πολύ ευρύ, περίεργες επιλογές πόρων, διαμορφώσεις που θα γίνονταν αργά ακριβές.

Αυτό μας δίδαξε κάτι κρίσιμο: σε παραγωγή, η ευφυΐα χωρίς όρια δημιουργεί προβλήματα. Το AI δεν χρειάζεται περισσότερη ελευθερία. Χρειάζεται καλύτερα προστατευτικά όρια. Πρέπει να σχεδιάσετε συστήματα όπου το AI μπορεί να προτείνει και να επιταχύνει, αλλά δεν μπορεί να τρέξει άγριο. Αυτή είναι η τεχνική πρόκληση που κάνει την παραγωγή των εφαρμογών AI-παραγόμενα τόσο πιο δύσκολο από τη γεννήτρια κώδικα.

Η Shuttle πρόσφατα εισήγαγε το Neptune ως την επόμενη εξέλιξη της πλατφόρμας. Το Neptune περιγράφεται ως ένας παγκόσμιος μηχανικός πλατφόρμας AI – τι σημαίνει αυτό σε πρακτικούς όρους για τους προγραμματιστές που μεταβαίνουν από ένα πρωτότυπο σε ένα παραγωγικό backend;

Το Neptune ενεργεί ως το λείπων στρώμα μεταξύ κώδικα και παραγωγής. Σε πρακτικούς όρους, σημαίνει ότι οι προγραμματιστές – ή πράκτορες AI – μπορούν να επικεντρωθούν στο γράψιμο λογικής εφαρμογής, και το Neptune χειρίζεται όλα τα άλλα: κατανοώντας ποια υποδομή χρειάζεται, προμήθεια πόρων, διαχείριση μυστικών, χειρισμός ανάπτυξης, ενορχήστρωση υπηρεσιών.

Αντί να κάνουν τους προγραμματιστές να μεταφράζουν την εφαρμογή τους σε υποδομή cloud, το Neptune κατανοεί την εφαρμογή και παράγει την υποδομή γύρω της. Ο κώδικας σας είναι το σχέδιο. Το Neptune χτίζει το περιβάλλον που χρειάζεται για να το τρέξει. Δεν υπάρχουν Dockerfiles, δεν υπάρχουν Terraform, δεν υπάρχουν ατελείωτες διαμορφώσεις.

Για κάποιον που μεταβαίνει από πρωτότυπο σε παραγωγή, σημαίνει ότι δεν χτυπάτε τον τοίχο όπου πρέπει να μάθετε DevOps. Η εφαρμογή που κατασκευάσατε συνεχίζει να λειτουργεί καθώς την κλιμακώνετε. Το Neptune γέμιζε το χάσμα μεταξύ “χτίσω κάτι” και “τρέχει αξιόπιστα σε παραγωγή”.

Όπως οι προγραμματιστές βασίζονται περισσότερο στο AI για τη γεννήτρια συστημάτων backend, πώς ισορροπείτε την ταχύτητα και την αφαίρεση με την ανάγκη για έλεγχο, ασφάλεια και παρατηρησιμότητα;

Η εμπιστοσύνη είναι η απάντηση. Στην υποδομή, η εμπιστοσύνη μετράει περισσότερο από την ικανότητα. Μια κακή έκπληξη – ένα κενό ασφαλείας, μια αποτυχημένη εγκατάσταση, ένας τεράστιος λογαριασμός cloud – και έχετε χάσει τους ανθρώπους.

Μαθήσαμε νωρίς ότι οτιδήποτε το AI αγγίζει πρέπει να είναι κατανοητό και αναθεωρήσιμο. Ακόμη και αν ένας προγραμματιστής δεν διαμόρφωσε κάτι με το χέρι, ακόμη χρειάζεται να δει τι συμβαίνει και γιατί. Αυτός είναι ο λόγος για τον οποίο το Neptune χρησιμοποιεί κανόνες υποδομής που μπορούν να προβλεφθούν. Το AI μπορεί να προτείνει και να επιταχύνει, αλλά όλα όσα κάνει βασίζονται σε προδιαγραφές που είναι αναθεωρήσιμες, προβλέψιμες και δοκιμαζόμενες.

Η μετατόπιση που κάναμε ήταν από “το AI αποφασίζει” σε “το AI προτείνει εντός περιορισμών”. Αυτή είναι η διαφορά μεταξύ ενός διασκεδαστικού demo και κάτι που μπορείτε να εμπιστευτείτε όταν μετράει. Οι προγραμματιστές δεν ξοδεύουν λιγότερο χρόνο λαμβάνοντας αποφάσεις – ξοδεύουν λιγότερο χρόνο πληκτρολογώντας και περισσότερο χρόνο αποφασίζοντας τι πρέπει να υπάρχει, τι είναι αποδεκτό, ποιες συναλλαγές έχουν νόημα. Οι καλύτερες ομάδες αντιμετωπίζουν το AI σαν έναν ικανό νεαρό μηχανικό: χρήσιμο, παραγωγικό, αλλά χωρίς να έχει τον έλεγχο.

Ποιοι τύποι ομάδων βλέπουν την ισχυρότερη αξία από το Neptune σήμερα, είτε solo προγραμματιστές, είτε startups, είτε μεγαλύτερες ομάδες μηχανικών;

Το προφίλ έχει αλλάξει δραματικά. Αρχικά, στην πλευρά του Rust, είχαμε μια διαφορετική βάση – ατομικοί προγραμματιστές, πρώιμες startups, scaleups, ακόμη και ομάδες επιχειρήσεων σε αυτοκίνητο, IoT, finance, crypto, οπουδήποτε η αξιοπιστία και η απόδοση μετράνε. Αυτές οι ομάδες ήθελαν τη δύναμη του Rust χωρίς το βάρος της διαχείρισης σύνθετης υποδομής cloud.

Αλλά τον τελευταίο χρόνο, η άνοδος της ανάπτυξης με τη βοήθεια του AI άλλαξε εντελώς ποιος χτίζει λογισμικό. Τώρα βλέπουμε solo ιδρυτές, ανεξάρτητους προγραμματιστές, πράκτορες AI, μικρές ομάδες και παραδοσιακές εταιρείες λογισμικού να δημιουργούν κώδικα backend με απίστευτη ταχύτητα. Το κοινό δεν είναι πλέον μόνο ανώτεροι μηχανικοί σε εξειδικευμένα πεδία.

Βλέπουμε συχνά solo ιδρυτές και μικρές ομάδες να μεταβαίνουν από μια ιδέα σε μια αναπτυγμένη εφαρμογή backend σε μία συνεχή συνεδρία εργασίας, επειδή δεν χρειάζεται να ξοδεύουν μέρες στη διαμόρφωση. Δεν είναι μόνο ο χρόνος που σώζεται – είναι η δυναμική που διατηρείται, η οποία είναι όλα στο ξεκίνημα. Εκεί είναι όπου η ισχυρότερη αξία εμφανίζεται: άνθρωποι που μπορούν να χτίσουν αλλά δεν θέλουν να γίνουν εμπειρογνώμονες υποδομής μόνο για να βγάλουν τις ιδέες τους ζωντανές.

Από τεχνικής πλευράς, πώς το Neptune χειρίζεται τη διαμόρφωση περιβάλλοντος, τη διαχείριση μυστικών και την ενορχήστρωση υποδομής όταν μετατρέπει τον κώδικα AI-παραγόμενο σε μια αναπτυγμένη παραγωγική εφαρμογή;

Το Neptune αντιμετωπίζει τον κώδικα και την υποδομή ως ένα ενιαίο σύστημα. Τα περισσότερα εργαλεία ανάπτυξης ενεργούν σαν μια υπηρεσία παράδοσης – τους φέρνετε ένα container, και προσπαθούν να το τρέξουν. Αυτό ακόμη σας αφήνει υπεύθυνο για το στρίψιμο των πόρων cloud, τη γραφή διαμόρφωσης, τη διαχείριση μεταβλητών περιβάλλοντος, τη διαχείριση μυστικών, την προμήθεια βάσεων δεδομένων.

Το Neptune αναστρέφει αυτό το μοντέλο. Αντί να κάνουν τους προγραμματιστές να μεταφράζουν την εφαρμογή τους σε υποδομή cloud, το Neptune κατανοεί την εφαρμογή και παράγει την υποδομή γύρω της. Είναι μια προσέγγιση AI-γενικής DevOps: ο κώδικας είναι το σχέδιο, και το Neptune χτίζει το περιβάλλον που χρειάζεται για να το τρέξει – συμπεριλαμβανομένης της διαχείρισης μυστικών, της διαμόρφωσης περιβάλλοντος και της ενορχήστρωσης πόρων.

Το κλειδί είναι ότι το AI λειτουργεί μέσα σε κανόνες υποδομής που μπορούν να προβλεφθούν. Δεν μπορεί να παράγει αυθαίρετες διαμορφώσεις. Όλα παραμένουν αναθεωρήσιμα και προβλέψιμα, που είναι απαραίτητο για την ασφάλεια και τον έλεγχο κόστους σε περιβάλλοντα παραγωγής.

Προβλέποντας, πώς βλέπετε το ρόλο του Neptune να εξελίσσεται σε ένα οικοσύστημα όπου τα συστήματα AI αυξάνουν την κατασκευή, την ανάπτυξη και τη διαχείριση άλλων συστημάτων λογισμικού;

Μεταβαίνουμε σε ένα κόσμο όπου το χάσμα μεταξύ μιας ιδέας και ενός λειτουργικού προϊόντος είναι σχεδόν μηδέν. Πολύ σύντομα, τα προϊόντα δεν θα χτιστούν μόνο γρηγορότερα – θα βελτιώνονται συνεχώς με βάση τις ανατροφοδοτήσεις σε πραγματικό χρόνο από το πώς οι άνθρωποι τα χρησιμοποιούν πραγματικά.

Σε αυτόν τον κόσμο, το λογισμικό δεν θα είναι στατικό. Οι εφαρμογές, οι πράκτορες και τα συστήματα θα δημιουργούνται, θα τροποποιούνται και θα εξελίσσονται συνεχώς. Όλα αυτά ακόμη χρειάζονται να τρέχουν κάπου. Χρειάζονται ακόμη υποδομή, δικαιώματα, πόρους και αξιοπιστία.

Ο μακροπρόθεσμος στόχος μας είναι να γίνουμε το προεπιλεγμένο σύστημα για DevOps με τη βοήθεια του AI – ουσιαστικά ο Μηχανικός Πλατφόρμας AI. Ανεξάρτητα από το αν ο κώδικας γράφεται από έναν προγραμματιστής στο Cursor ή παράγεται αυτονομικά από έναν πράκτορα AI, το Neptune πρέπει να είναι το στρώμα που το μετατρέπει από κώδικα σε μια πλήρη, κλιμακωτή, παραγωγική υπηρεσία.

Αν η δημιουργικότητα γίνει απεριόριστη, η υποδομή δεν μπορεί να είναι το εμπόδιο. Όσο οι πράκτορες AI και τα αυτο-επεξεργαζόμενα προϊόντα γίνονται κανονικά, η δουλειά μας είναι να κάνουμε την αλληλεπίδραση με την υποδομή cloud ομαλή, προβλέψιμη και ασφαλή. Είμαστε επικεντρωμένοι στο να κάνουμε αυτό το αόρατο, ώστε οι προγραμματιστές, οι ιδρυτές και οι εταιρείες να μπορούν να επικεντρωθούν στη δημιουργία αξίας αντί να παλέψουν με την υποδομή.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Shuttle.