شرکت AnySphere، سازنده دستیار هوشمند کدنویسی «کورسور»، با وجود حضور بازیگران بزرگی مانند اوپنایآی، آنتروپیک و آمازون، خود را در حاشیه نمیبیند. مدیرعامل و همبنیانگذار این استارتاپ، مایکل تروئل، در یک رویداد مرتبط با هوش مصنوعی توضیح داده چرا باور دارد رقابت این غولها استارتاپ او را له نخواهد کرد.
تمرکز روی محصول کامل و مدلهای اختصاصی
به گفته تروئل، ابزارهای کدنویسی ارائهشده توسط شرکتهای صاحب مدلهای زبانی بیشتر شبیه «خودروی مفهومی» هستند؛ در حالیکه کورسور میخواهد نقش یک خودروی تولید انبوه و آماده استفاده روزمره را بازی کند. این شرکت از ترکیب «بهترین هوش» موجود در بازار از چندین ارائهدهنده مختلف و همچنین مدلهای زبانی اختصاصی خود استفاده میکند تا تجربهای یکپارچه برای برنامهنویسان بسازد.
کورسور اخیراً تأیید کرده که مدلهای خانگیاش برای پشتیبانی از محصولات مشخص طراحی شدهاند و مدعی است این مدلها در تولید کد در سطحی بسیار بالا عمل میکنند. این رویکرد باعث میشود استارتاپ بتواند در عین استفاده از زیرساخت دیگران، مزیت متمایز خود را در لایه محصول و تجربه کاربری حفظ کند.
چالش هزینهها و تغییر مدل قیمتگذاری
یکی از نگرانیهای سرمایهگذاران درباره ویرایشگرهای کدنویسی مبتنی بر هوش مصنوعی، هزینههای بالای استفاده از API مدلهای بزرگ است. کورسور برای مدیریت این مسئله، در تابستان گذشته ساختار قیمتگذاری را به مدل مبتنی بر مصرف تغییر داد و هزینههای استفاده از مدلها را مستقیمتر به کاربران منتقل کرد؛ تغییری که برای بخشی از کاربران بحثبرانگیز شد. تروئل میگوید با افزایش حجم کارهایی که کاربران به کورسور میسپارند، چنین تغییری اجتنابناپذیر بوده است.
این شرکت اکنون در حال توسعه ابزارهایی شبیه به سامانههای مدیریت هزینه در رایانش ابری است تا سازمانها بتوانند مصرف و هزینههای ناشی از استفاده مهندسانشان از این دستیار کدنویسی را بهتر رصد و کنترل کنند. او میگوید تیمی اختصاصی روی قابلیتهایی مثل کنترل هزینه، گروههای صورتحساب و شفافیت مصرف کار میکند.
گام بعدی: وظایف پیچیده و تمرکز بر تیمها
برنامه دیگر کورسور، حرکت به سمت «وظایف عاملمحور» پیچیدهتر است؛ جایی که کاربر یک وظیفه انتها به انتها، مثل رفع یک باگ سخت، را تعریف میکند و کورسور بتواند کل کار را خودش انجام دهد؛ کاری که در حالت عادی ممکن است هفتهها زمان و بارها اجرای کد از یک توسعهدهنده انسانی بگیرد. در کنار آن، این شرکت میخواهد بیش از پیش بهجای تمرکز صرف بر برنامهنویسان فردی، «تیمها» را واحد اصلی خدمتدهی قرار دهد و بخشهای بیشتری از چرخه عمر توسعه نرمافزار، از جمله بازبینی کد و تحلیل Pull Requestها، را خودکار کند.
اهمیت این رویکرد برای صنعت هوش مصنوعی و توسعه نرمافزار در این است که رقابت از صرفاً کیفیت مدل به سمت کیفیت ابزار، کنترل هزینه و بهرهوری تیمی در حال حرکت است. برای خوانندگان ایرانی نیز پیگیری این روندها میتواند الهامبخش استارتاپهای بومی در زمینه ابزارهای هوش مصنوعیِ مخصوص برنامهنویسان و شرکتهای نرمافزاری باشد؛ جایی که تمرکز روی حل مسائل واقعی تیمهای توسعه، گاهی مهمتر از داشتن بزرگترین مدل زبانی است.
منبع خبر: TechCrunch
