Nodar Daneliya, CEO dan Co-founder Shuttle – Seri Wawancara

Nodar Daneliya, CEO dan Co-founder Shuttle – Seri Wawancara: Nodar Daneliya telah menjabat sebagai Co-Founder dan CEO Shuttle sejak pendiriannya pada tahun 2019, memimpin pertumbuhannya dari startup awal YC Summer 2020 menjadi perusahaan rekayasa platform pengembang; sebelum Shuttle, ia menjabat sebagai Chief Risk Officer di Provenance Technologies Ltd, di mana ia bekerja pada strategi hedge fund kuantitatif, dan sebelumnya menjabat sebagai teknisi dan analis data di London dan Google.

Shuttle adalah platform infrastruktur cloud sumber terbuka yang menyederhanakan pengembangan dan penerapan backend dengan menghasilkan infrastruktur dari anotasi kode sehingga pengembang dapat fokus pada menulis kode Rust atau kode lainnya tanpa harus mengelola file konfigurasi terpisah atau pengaturan cloud yang kompleks; platform ini memungkinkan penerapan yang cepat, penyediaan sumber daya out-of-the-box, dan penskalaan yang mulus, dan digunakan oleh puluhan ribu insinyur dengan lebih dari 130.000 penerapan, dengan tujuan untuk memperluas pengalaman zero-config dan AI-assisted ke semua bahasa dan mengintegrasikannya dengan alat seperti GitHub Copilot dan Cursor.

Apa momen atau frustrasi yang akhirnya mendorong Anda untuk mendirikan Shuttle, dan apa masalah yang Anda coba selesaikan di awal?

Titik balik itu terjadi selama saya memimpin perdagangan di sebuah hedge fund kuantitatif. Kami memiliki insinyur yang luar biasa – PhD, orang-orang senior platform, peneliti ML – tetapi bahkan dengan bakat itu, infrastruktur cloud adalah bottleneck konstan. Membangun model perdagangan atau layanan backend tidaklah sulit. Masalahnya adalah penerapan: mendapatkan itu hidup dengan aman, menskalakan, menghubungkan layanan cloud bersama. Itulah tempat di mana semuanya melambat. Pada satu titik, lebih dari setengah tim insinyur kami melakukan pekerjaan DevOps hanya untuk menjaga sistem tetap berjalan.

Apa yang tertinggal di benak saya bukanlah kesulitan kode atau matematika. Melainkan melihat orang-orang yang sangat kompeten membakar sebagian besar waktunya untuk melawan cloud bukan membangun apa yang sebenarnya penting. Tidak ada yang ingin melakukan pekerjaan itu, tetapi itu tidak bisa dihindari. Gesekan itu – celah antara “Saya membangun sesuatu” dan “itu berjalan dengan andal” – adalah apa yang Shuttle coba selesaikan.

Shuttle didirikan pada tahun 2019, sebelum gelombang alat pengembangan AI saat ini. Bagaimana visi asli Anda berkembang seiring dengan berkembangnya pengembangan AI-assisted?

Masalah inti tetap sama, tetapi AI memperbesar itu secara dramatis. Ketika kami memulai, infrastruktur sudah menjadi faktor pembatas untuk tim insinyur yang kuat. Ketika alat seperti Copilot, Cursor, dan Claude muncul, bottleneck itu menjadi tidak dapat diabaikan.

Tiba-tiba, pengembang dapat menghasilkan aplikasi penuh dalam beberapa menit, tetapi aplikasi itu langsung menghadapi hambatan. AI dapat menulis kode, tetapi tidak dapat mengatur dan mengelola sumber daya cloud dengan andal. Celah yang kami coba selesaikan menjadi lebih lebar dan lebih mendesak. Jutaan orang sekarang membangun prototipe, tetapi hanya sebagian kecil yang berhasil mencapai produksi.

Visi kami berkembang dari “membuat infrastruktur lebih mudah bagi pengembang” menjadi “membuat infrastruktur bekerja untuk seluruh generasi baru pembangun” – pendiri solo, tim kecil, dan agen AI yang dapat membuat kode backend tetapi tidak memiliki minat untuk bergelut dengan konfigurasi cloud. Kami tidak lagi hanya melayani insinyur tradisional. Audiens telah meledak.

Alat AI seperti Cursor dan GitHub Copilot telah mengubah cara pengembang menulis kode. Dari perspektif Anda, bagian mana dari siklus hidup perangkat lunak yang telah ditingkatkan paling banyak, dan di mana tim masih mengalami kesulitan?

Pengembangan kode telah melompat maju. Bagian itu hampir terselesaikan. Anda dapat menjelaskan sebuah fitur, dan AI akan membuat kerangka untuknya. Frontend khususnya telah mendapat manfaat karena pola-pola tersebut sudah dipahami dengan baik – komponen, gaya, tata letak.

Di mana tim masih mengalami kesulitan adalah segala sesuatu yang datang setelahnya: penerapan, infrastruktur, operasi. Alat AI mungkin dapat menghasilkan sebuah endpoint API, tetapi tidak dapat secara otomatis membuat database, penyimpanan, antrian, jaringan, izin, atau pipa penerapan yang membuatnya nyata. Infrastruktur backend belum mengikuti kemajuan pengembangan kode.

Hasilnya adalah kemajuan yang tidak merata. Sebagai gantinya, hal-hal menjadi lebih sederhana dari ujung ke ujung, titik tekanan baru muncul. Tim menghasilkan backend penuh dalam beberapa menit, kemudian terjebak selama beberapa hari mencoba untuk menerapkannya dengan aman. Terkadang AI membuatnya lebih buruk dengan menghasilkan lebih banyak kode daripada yang dapat dijalankan atau dipelihara oleh tim. Itulah di mana gesekan yang sebenarnya hidup sekarang.

Penerapan sering digambarkan sebagai bottleneck terbesar untuk aplikasi yang dihasilkan AI. Apa yang secara khusus membuat sistem ini sulit diproduksi dibandingkan dengan menghasilkan kode itu sendiri?

Masalahnya adalah keandalan dan konsekuensi. Pengembangan kode adalah hal yang dapat dimaafkan – jika AI membuat kesalahan, Anda melihatnya segera dan memperbaikinya. Kesalahan infrastruktur berbeda. Satu izin yang salah, satu sumber daya yang salah dikonfigurasi, satu asumsi yang salah tentang biaya atau keamanan, dan Anda telah membuat masalah yang sebenarnya yang mungkin tidak muncul sampai nanti.

Di awal, kami mencoba membiarkan AI secara bebas menginferensi infrastruktur dari kode aplikasi. Itu terlihat bagus dalam demo. Di sistem nyata, itu hancur. AI akan dengan percaya diri menghasilkan pengaturan yang hampir benar tetapi tidak cukup – izin yang terlalu luas, pilihan sumber daya yang aneh, konfigurasi yang akan menjadi mahal.

Itu mengajarkan kami sesuatu yang kritis: dalam produksi, kecerdasan tanpa batasan menciptakan masalah. AI tidak memerlukan kebebasan yang lebih besar. AI memerlukan rel yang lebih baik. Anda harus merancang sistem di mana AI dapat menyarankan dan mempercepat, tetapi tidak dapat berlari liar. Itulah tantangan teknis yang membuat produksi aplikasi yang dihasilkan AI menjadi jauh lebih sulit daripada menghasilkan kode.

Shuttle baru-baru ini memperkenalkan Neptune sebagai evolusi berikutnya dari platformnya. Neptune digambarkan sebagai insinyur platform AI universal—apa artinya ini dalam praktiknya bagi pengembang yang berpindah dari prototipe ke backend yang siap produksi?

Neptune bertindak sebagai lapisan yang hilang antara kode dan produksi. Dalam praktiknya, ini berarti pengembang – atau agen AI – dapat fokus pada menulis logika aplikasi, dan Neptune menangani semua yang lain: memahami apa yang diperlukan infrastruktur, menyediakan sumber daya, mengelola rahasia, menangani penerapan, mengatur layanan.

Sebagai gantinya, membuat pengembang menerjemahkan aplikasi mereka ke infrastruktur cloud, Neptune memahami aplikasi dan menghasilkan infrastruktur di sekitarnya. Kode Anda adalah cetakan biru. Neptune membangun lingkungan yang diperlukan untuk menjalankannya. Tidak ada Dockerfile, tidak ada Terraform, tidak ada konfigurasi yang tidak terbatas.

Bagi seseorang yang berpindah dari prototipe ke produksi, ini berarti Anda tidak menemui dinding di mana Anda tiba-tiba perlu belajar DevOps. Aplikasi yang Anda bangun terus berfungsi saat Anda menskalakannya. Neptune membangun jembatan antara “Saya membangun sesuatu” dan “itu berjalan dengan andal di produksi.”

Bagaimana Anda menyeimbangkan kecepatan dan abstraksi dengan kebutuhan akan kontrol, keamanan, dan pengamatan saat pengembang semakin mengandalkan AI untuk menghasilkan sistem backend?

Kepercayaan adalah jawabannya. Dalam infrastruktur, kepercayaan lebih penting daripada kemampuan. Satu kejutan buruk – lubang keamanan, penerapan yang rusak, tagihan cloud yang besar – dan Anda telah kehilangan orang-orang.

Kami belajar sejak dini bahwa apa pun yang disentuh AI perlu dipahami dan dapat ditinjau. Bahkan jika pengembang tidak mengonfigurasi sesuatu secara manual, mereka masih perlu melihat apa yang terjadi dan mengapa. Itulah mengapa Neptune menggunakan aturan infrastruktur yang deterministik. AI dapat menyarankan dan mempercepat, tetapi semua yang dilakukannya didasarkan pada spesifikasi yang dapat ditinjau, diprediksi, dan diuji.

Perubahan yang kami lakukan adalah dari “AI memutuskan” ke “AI mengusulkan dalam batasan.” Itulah perbedaan antara demo yang menyenangkan dan sesuatu yang dapat Anda percayai ketika itu penting. Pengembang tidak menghabiskan waktu lebih sedikit untuk membuat keputusan – mereka menghabiskan waktu lebih sedikit untuk mengetik dan lebih banyak waktu untuk memutuskan apa yang seharusnya ada, apa yang dapat diterima, apa yang merupakan pertukaran yang masuk akal. Tim terbaik memperlakukan AI seperti insinyur junior yang sangat kompeten: membantu, produktif, tetapi tidak bertanggung jawab.

Tim mana yang melihat nilai terkuat dari Neptune saat ini, apakah itu pengembang solo, startup, atau organisasi teknik yang lebih besar?

Profil telah berubah secara dramatis. Awalnya, di sisi Rust, kami memiliki basis yang beragam – pengembang individu, startup awal, perusahaan skala, bahkan tim perusahaan di bidang otomotif, IoT, keuangan, kripto, di mana keandalan dan kinerja penting. Tim-tim ini ingin memiliki kekuatan Rust tanpa biaya mengelola infrastruktur cloud yang kompleks.

Tapi selama setahun terakhir, munculnya pengembangan yang didorong AI telah mengubah sepenuhnya siapa yang membangun perangkat lunak. Sekarang kami melihat pendiri solo, pengembang indie, agen AI, tim kecil, dan perusahaan perangkat lunak tradisional semua menghasilkan kode backend dengan kecepatan yang belum pernah terjadi sebelumnya. Audiens tidak lagi hanya insinyur senior di bidang khusus.

Kami secara teratur melihat pendiri solo dan tim kecil berpindah dari sebuah ide ke backend yang diterapkan dalam satu duduk karena mereka tidak perlu menghabiskan hari-hari untuk pengaturan. Ini tidak hanya waktu yang diselamatkan – itu adalah momentum yang dipertahankan, yang adalah segalanya di awal. Itulah di mana nilai terkuat muncul: orang-orang yang dapat membangun tetapi tidak ingin menjadi ahli infrastruktur hanya untuk mendapatkan ide mereka hidup.

Dari sudut pandang teknis, bagaimana Neptune menangani konfigurasi lingkungan, pengelolaan rahasia, dan orkestrasi infrastruktur saat mengubah kode yang dihasilkan AI menjadi backend produksi yang dapat diterapkan?

Neptune memperlakukan kode dan infrastruktur sebagai satu sistem yang terpadu. Sebagian besar alat penerapan bertindak seperti layanan pengiriman – Anda membawa mereka sebuah kontainer, dan mereka mencoba menjalankannya. Itu masih meninggalkan Anda bertanggung jawab untuk menjahit sumber daya cloud bersama, menulis konfigurasi, menangani variabel lingkungan, mengelola rahasia, menyediakan database.

Neptune membalik model itu. Sebagai gantinya, membuat pengembang menerjemahkan aplikasi mereka ke infrastruktur cloud, Neptune memahami aplikasi dan menghasilkan infrastruktur di sekitarnya. Ini adalah pendekatan AI-asli untuk DevOps: kode adalah cetakan biru, dan Neptune membangun lingkungan yang diperlukan untuk menjalankannya – termasuk pengelolaan rahasia, konfigurasi lingkungan, dan orkestrasi sumber daya.

Kunci dari ini adalah AI bekerja di dalam aturan infrastruktur yang deterministik. AI tidak dapat menghasilkan konfigurasi yang sewenang-wenang. Semuanya tetap dapat ditinjau dan diprediksi, yang penting untuk keamanan dan kontrol biaya di lingkungan produksi.

Menghadap ke depan, bagaimana Anda melihat peran Neptune berkembang dalam ekosistem di mana sistem AI semakin membangun, menerapkan, dan mengelola sistem perangkat lunak lainnya?

Kami menuju ke dunia di mana celah antara sebuah ide dan produk yang berfungsi hampir nol. Sangat segera, produk tidak hanya dibangun lebih cepat – mereka akan terus memperbaiki diri sendiri berdasarkan umpan balik waktu nyata dari cara orang sebenarnya menggunakannya.

Di dunia itu, perangkat lunak tidak akan statis. Aplikasi, agen, dan sistem akan dibuat, dimodifikasi, dan berkembang terus-menerus. Semua itu masih memerlukan infrastruktur, izin, sumber daya, dan keandalan.

Tujuan jangka panjang kami adalah untuk menjadi sistem default untuk DevOps yang didukung AI – secara esensial, Insinyur Platform AI. Apakah kode ditulis oleh pengembang di Cursor atau dihasilkan secara otonom oleh agen AI, Neptune harus menjadi lapisan yang mengambilnya dari kode ke layanan produksi yang berfungsi penuh, dapat diskalakan, dan siap produksi.

Jika kreativitas menjadi tidak terbatas, infrastruktur tidak dapat menjadi penghalang. Saat agen AI dan produk yang berkembang secara otomatis menjadi normal, tugas kami adalah membuat interaksi dengan infrastruktur cloud menjadi mulus, dapat diprediksi, dan aman. Kami fokus pada membuat itu tidak terlihat, sehingga pengembang, pendiri, dan perusahaan dapat fokus pada menciptakan nilai bukan bergelut dengan infrastruktur.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Shuttle.