Qodo เพิ่มทุน 70 ล้านดอลลาร์ ใน Series B เพื่อนำการกำกับดูแลมาใช้กับโค้ดที่สร้างโดย AI

Qodo ได้ระดมทุน 70 ล้านดอลลาร์ใน Series B ทำให้ยอดทุนทั้งหมดที่ระดมได้ถึง 120 ล้านดอลลาร์ เนื่องจากบริษัทต้องการวางตัวเองอยู่ที่จุดศูนย์กลางของปัญหาที่กำลังเติบโตในด้านพัฒนาซอฟต์แวร์ ซึ่งก็คือ วิธีการให้ความไว้วางใจกับโค้ดที่เขียนโดย AI ที่เพิ่มขึ้น

รอบการระดมทุนนี้นำโดย Qumra Capital โดยมีการเข้าร่วมจากบริษัทวาณิชธนกิจและนักลงทุนรายบุคคลที่มีชื่อเสียงซึ่งมีความเกี่ยวข้องกับบริษัทอย่าง OpenAI และ Meta การระดมทุนนี้สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในด้านที่บริษัทขนาดใหญ่คิดเกี่ยวกับ AI ไม่ใช่แค่เครื่องมือสำหรับการสร้างโค้ด แต่ยังเป็นสิ่งที่ต้องการการกำกับดูแล การตรวจสอบ และการกำกับดูแลในระดับใหญ่

ปัญหา: AI เขียนโค้ดเร็วกว่าที่มนุษย์สามารถตรวจสอบได้

การเพิ่มขึ้นของ AI ที่สร้างโค้ดได้ ทำให้การผลิตซอฟต์แวร์เร็วขึ้นอย่างมาก เครื่องมือสามารถ สร้างโค้ดจำนวนมากได้โดยอัตโนมัติ แต่ความเร็วนี้มาพร้อมกับการแลกเปลี่ยน: การตรวจสอบ

Qodo ถูกสร้างขึ้นโดยมีหลักการง่ายๆ ว่าการสร้างโค้ดไม่ใช่ปัญหาอีกต่อไป ปัญหาอยู่ที่ความไว้วางใจ

กระบวนการตรวจสอบโค้ดแบบดั้งเดิม ซึ่งพึ่งพาหนักๆ กับวิศวกรมนุษย์ กำลังดิ้นรนเพื่อติดตามปริมาณและความซับซ้อนของการพัฒนาโดยใช้ AI แม้ว่าผู้พัฒนาเองก็กำลังปรับพฤติกรรมของตนตาม บริษัทระบุว่าผู้พัฒนาส่วนใหญ่ขณะนี้รักษาโค้ดที่สร้างโดย AI แตกต่างออกไป โดยมักต้องการขั้นตอนการตรวจสอบที่เข้มงวดมากขึ้นก่อนที่จะนำไปใช้

สิ่งนี้ทำให้เกิดช่องว่างที่กว้างขึ้นระหว่างความเร็วที่โค้ดถูกสร้างขึ้นและความมั่นใจที่โค้ดสามารถส่งมอบได้

Qodo ทำอะไรอย่างแท้จริง

Qodo ไม่ใช่เพียงเครื่องมือช่วยเขียนโค้ดอีกตัวหนึ่ง แต่ทำงานเป็นชั้นการตรวจสอบและการกำกับดูแลที่ समर्पิต mìnhตลอดวงจรชีวิตของการพัฒนาซอฟต์แวร์

แพลตฟอร์มของ Qodo รวมเข้ากับสภาพแวดล้อมการพัฒนา การขอ pull request และ CI/CD pipelines โดยใช้การวิเคราะห์อัตโนมัติที่ตระหนักถึงบริบทสำหรับการเปลี่ยนแปลงโค้ดแต่ละครั้ง ไม่เหมือนกับเครื่องมือแบบดั้งเดิมที่มุ่งเน้นไปที่การเปลี่ยนแปลงที่แยกออกมา Qodo ประเมินว่าการเปลี่ยนแปลงเหล่านั้นส่งผลกระทบต่อทั้งโค้ดเบส รวมถึงการ phụ thuộcทางสถาปัตยกรรมและการตัดสินใจในอดีต

แก่นกลางของระบบคือสถาปัตยกรรมแบบ multi-agent ที่ถูกนำมาใช้ในรุ่นล่าสุดของแพลตฟอร์ม ตัวแทนพิเศษแต่ละตัวจัดการด้านต่างๆ ของการตรวจสอบโค้ด เช่น การตรวจจับบั๊ก การตรวจสอบการปฏิบัติตามกฎระเบียบ และการตรวจสอบความสอดคล้องทางสถาปัตยกรรม ก่อนที่ชั้นการประสานงานจะกรองและจัดลำดับความสำคัญของผลการตรวจสอบ

แนวทางนี้สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในระบบ AI โดยที่การประสานงานระหว่างตัวแทนหลายตัวมีประสิทธิภาพมากกว่าการพึ่งพาโมเดลเดียวในการจัดการทุกอย่าง

จากโค้ดเจเนอเรชันสู่โค้ดการกำกับดูแล

การระดมทุนของ Qodo ในช่วงเวลานี้มีความหมายที่น่าสนใจ ในช่วงสองปีที่ผ่านมา การลงทุนส่วนใหญ่ในเครื่องมือสำหรับผู้พัฒนามุ่งเน้นไปที่การสร้างโค้ด—โค้พายลต، ระบบอัตโนมัติ และ AI เพื่อนร่วมเขียนโค้ด

Qodo วางเดิมพันว่าเฟสหน้าจะอยู่ที่ การกำกับดูแลโค้ด

การวางตำแหน่งของ Qodo สอดคล้องกับการตระหนักภายในองค์กรขนาดใหญ่มากขึ้น: AI สามารถเร่งการพัฒนาได้ แต่หากไม่มีการป้องกันที่แข็งแกร่ง AI ก็สามารถนำความเสี่ยงที่ซ่อนอยู่มาให้ เช่น ช่องโหว่ด้านความปลอดภัย ข้อผิดพลาดด้านตรรกะ และความไม่สอดคล้องกันระหว่างระบบ

โดยการทำงานเป็น “ระบบบันทึก” สำหรับคุณภาพโค้ด Qodo มุ่งหวังที่จะกำหนดมาตรฐานวิธีการที่องค์กรกำหนดและบังคับใช้มาตรฐานวิศวกรรมข้ามทีมและคลังข้อมูล

การนำไปใช้ในองค์กรขนาดใหญ่กำลังเกิดขึ้นแล้ว

บริษัทมีลูกค้าองค์กรขนาดใหญ่หลายแห่งในอุตสาหกรรมต่างๆ รวมถึงบริษัทในด้านค้าปลีก การเงิน และยานยนต์ องค์กรเหล่านี้กำลังใช้กระบวนการพัฒนาที่ได้รับการช่วยเหลือจาก AI มากขึ้น แต่ต้องการความมั่นใจว่าโค้ดตรงตามมาตรฐานภายในด้านความปลอดภัย การปฏิบัติตามกฎระเบียบ และประสิทธิภาพ

แพลตฟอร์มของ Qodo จัดการกับสิ่งนี้โดยการฝังการกำกับดูแลลงในกระบวนการทำงานแทนการอาศัยขั้นตอนการตรวจสอบแยกออกมา ซึ่งช่วยลดการเสียดสีในขณะเดียวกันก็ยังคงบังคับใช้ความสอดคล้อง—สิ่งที่จำเป็นสำหรับทีมวิศวกรที่กระจายและใหญ่

การเปลี่ยนแปลงที่ใหญ่กว่า: จากการสร้างโค้ดสู่การตรวจสอบระดับระบบ

เมื่อระบบ AI เข้ามามีบทบาทมากขึ้นในการเขียนซอฟต์แวร์ ลักษณะของการตรวจสอบโค้ดกำลังเปลี่ยนแปลงไปในระดับเทคนิค กระบวนการแบบดั้งเดิมถูกสร้างขึ้นโดยมุ่งเน้นไปที่การเปลี่ยนแปลงท้องถิ่น โดยประเมินสิ่งที่เปลี่ยนแปลงไปใน pull request โค้ดที่สร้างโดย AI ท้าทายโมเดลนี้ เนื่องจากการเปลี่ยนแปลงสามารถครอบคลุมหลายไฟล์ นำการ phụ thuộcที่ซ่อนอยู่มาให้ หรือขัดแย้งกับรูปแบบสถาปัตยกรรมที่กว้างขึ้น แม้ว่าจะดูถูกต้องในบริบทที่แยกออกมา

แนวทางของ Qodo ชี้ไปที่การตรวจสอบระดับระบบ แทนที่จะเน้นไปที่การเปลี่ยนแปลงแต่ละครั้ง Qodo ประเมินว่าการเปลี่ยนแปลงเหล่านั้นส่งผลต่อทั้งโค้ดเบส รวมถึงการตัดสินใจในอดีตและข้อจำกัดทางโครงสร้าง ซึ่งต้องการการรักษาซอฟต์แวร์เป็นระบบที่ต่อเนื่องกัน ไม่ใช่แค่การรวบรวมการอัปเดตที่เป็นอิสระ

ส่วนสำคัญของการเปลี่ยนแปลงนี้คือการใช้สถาปัตยกรรมการตรวจสอบแบบ multi-agent ตัวแทนพิเศษจัดการด้านต่างๆ ของการวิเคราะห์ เช่น การตรวจสอบตรรกะหรือความสอดคล้องทางสถาปัตยกรรม โดยทำงานบนบริบทที่ใช้ร่วมกัน เช่น ประวัติคลังข้อมูลและการตัดสินใจก่อนหน้า สิ่งนี้ทำให้ความสำคัญของวิศวกรรมบริบทเพิ่มขึ้น เพื่อให้แน่ใจว่ามีข้อมูลที่ถูกต้องพร้อมใช้งานโดยไม่ทำให้ระบบอัดตัน

ความหมายที่กว้างขึ้นคือการเคลื่อนไหวสู่การกำกับดูแลอย่างต่อเนื่องซึ่งฝังอยู่ในกระบวนการทำงานพัฒนา เมื่อ AI เร่งการผลิตโค้ด การตรวจสอบไม่ใช่ขั้นตอนแบบหนึ่งครั้งอีกต่อไป แต่เป็นกระบวนการที่ดำเนินต่อเนื่องเพื่อรักษาความสอดคล้อง ความน่าเชื่อถือ และความสอดคล้องทั่วทั้งระบบที่กำลังพัฒนา