Atlassian va YourStory tomonidan tashkil etilgan Unleash texnologik sammitida sun'iy intellektning taassurotli namoyishlaridan uni ishlab chiqarish sharoitlarida ishonchli foydalanishga o'tish muhokama qilindi. Garchi namoyishlar ko'pincha agent tomonidan murakkab savollarga javob berish yoki kod yaratish kabi vazifalarni muvaffaqiyatli bajarishni ko'rsatsa-da, sammit yanada murakkab muammoga e'tibor qaratdi: AI ni ishda ishonchli qilish qandaydir.
Ishlab chiqarish AI uchun talablar
Tizim natijalarning aniqligini ta'minlashi, belgilangan ruxsatnomalar doirasida ishlashi, ko'rinishi, xavfsizligi va harakatlarni tiklash imkoniyatiga ega bo'lishi kerak. Bundan tashqari, u nafaqat sahna, balki turli mahsulotlarda, foydalanuvchilar orasida va murakkab korporativ muhitlarda barqaror ishlashi kerak.
So'rovdan ish jarayonigacha bo'lgan sayohat muhandislik master-klasslari, mahsulot taqdimotlari va amaliy seminarlar orqali taqdim etildi. Atlassian jamoalari Rovo atrofidagi tizimlarni va uning kengaytirilgan AI stekini batafsil tahlil qildilar, shu jumladan cheklangan kontekstlar, uzoq muddatli ish jarayonlari, hodisa tahlili, aqlli xavfsizlik va AI ning miqyosda ishonchliligini ta'minlash uchun zarur infratuzilma.
Katta so'rovlar o'rniga chegaralar
Atlassianning bosh dasturiy muhandisi Chandrasekaran agent tizimini hisobotlar bo'yicha so'rovlarni qayta ishlash uchun namoyish etdi. Avval bunday so'rovlar qo'llab-quvvatlash muhandislarining ishtirokini talab qilardi, ular kerakli API va ma'lumotlar bazasi tuzilmalarini topish, kod yozish va ishga tushirish, so'ngra mijoz fikrlariga ko'ra o'zgartirishlar kiritishni talab qilardi. Bu jarayon bir necha soat yoki kunlar davom etishi mumkin edi va yiliga taxminan 500 000 muhandis soati xarajatlari deb baholandi.
Biroq, Atlassian tizimi muhandisga hisobotni tabiiy tilda tasvirlash imkonini beradi. Agent ijro etiladigan kodni yaratadi, u uzoq muddatli ish jarayoni mexanizmi orqali tekshirilib, ishga tushiriladi. Yakuniy natija hisobotda to'planadi va buyurtmachi tomonidan taqdim etiladi. Muhim muhandislik yechimi faqat LLM dan kod yozish emas, balki modelga va uning yaratgan kontentga kirishni cheklash edi. Agentga keng API spetsifikatsiyalarini berish o'rniga, jamoa nazorat qilinadigan muhitda maxsus vositalar yaratdi, bu yerda tasodifiy natijaga atrofda aniq chegaralar qo'yadigan avtomatik tekshiruvlar qo'llaniladi. Xulosa aniq edi: sanoat darajasidagi agentlar ko'proq hajmli so'rovlar emas, balki qat'iyroq operatsion muhitlarga muhtoj.
Asosiy sabablarni tahlil qilishni qo'llab-quvvatlash
Atlassianning bosh yetakchi muhandisi Satish Kumar AI ning dasturiy ta'minotdagi hodisalar paytida asosiy sabablarni tahlil qilishga qanday yordam bera olishini tushuntirdi. Tergov kod o'zgarishlarini, funksiya bayroqlarini, metrikalarni, loglarni, izlashlarni, xizmatlar bog'liqliklarini va tarixiy bilimlarni o'z ichiga olishi mumkin. Aniqlangan doira bo'lmasa, agent tezda umumiy shovqin ichida signallarni yo'qotishi yoki zaif xulosalar chiqarishi mumkin. Ta'kidlangan AI SRE yondashuvi mavjud dalillarga asoslanib gipotezalarni shakllantirish va tekshirish uchun kodning kognitiv imkoniyatlarini, kuzatuv ma'lumotlarini va xizmatlar topologiyasini birlashtirdi. Maqsad muhandislarni hodisalarga javob berishda almashtirish emas, balki ularga to'g'ri muammodan tezroq yetib borishga yordam berish edi.
Miqyosda xavfsizlik
AI yordamida dasturiy ta'minot yaratish tezlashib borayotgan sari, xavfsizlik jamoalari boshqa tomondan bosim bilan duch keladi: ko'proq o'zgarishlar, ko'proq xizmatlar va ko'proq yechimlar cheklangan diqqat uchun kurashadi. Atlassian mahsuloti bo'yicha bosh yetakchi xavfsizlik muhandisi Lohit Mehta va Atlassian mahsuloti bo'yicha bosh xavfsizlik muhandisi Achyuta Anti Srinivasan kompaniyaning qo'lda tekshirish navbatidan AI yordamida xavfsizlikni baholash platformasiga o'tishini tasvirladilar. Atlassian 6000 dan ortiq muhandisga ega, ular 1000 dan ortiq mikroservislarda ishlaydi va har chorakda taxminan 3000 loyiha tashkilot orqali o'tadi. Platforma biznes ustuvorliklari, xizmat holati, mijozlarning himoyasizligi va muhandis faoliyati signallaridan foydalanadi. Keyin AI ushbu asoslangan ma'lumotlarga tahlil qilish va baholash jarayonlarini tezlashtirish uchun xulosalar yaratish uchun qo'llaniladi. Biroq, model haqiqat manbai sifatida qaralmaydi; xizmatlarning aniq ma'lumotlari va inson hukmi xavfsizlikka oid qarorlar uchun markaziy ahamiyatga ega bo'lib qoladi.
Uchinchi tomon ishlab chiquvchilar ekotizimasini himoya qilish
AI ilovalarni ishlab chiqish va yangilashni tezlashtirgani sababli, yana bir omil yuzaga keladi: bozorda joylashayotgan kod hajmi, bu esa xavf yuzasini oshiradi. Sundar Chakraborty, Atlassian mahsuloti bo'yicha bosh xavfsizlik muhandisi, shu ko'p darajali yondashuv ham hamkorlar ekotizimiga va bozor joyiga qo'llanilishini ko'rsatdi. U kompaniyaning Data Center Marketplace xavfsizligini kuchaytirish strategiyasini hamkorlarni tasdiqlash, ilovalarni imzolash va dasturiy ta'minot tarkibini tahlil qilish, statik sinov, sirlarni aniqlash va zararli dasturlarni aniqlashni qamrab oluvchi avtomatlashtirilgan skanerlash konveyerini orqali batafsil tasvirladi. Ushbu konveyer kuniga 10 000 dan ortiq skanerlashni amalga oshiradi va 6 700 dan ortiq zaifliklarni aniqladi, ulardan 5 100 dan ortig'i hal qiluvchi yoki yuqori ustuvor deb tasniflandi. Bu bozor joyining xavfsizligi bitta nazoratga tayanmasligini ta'kidladi; ishonch hamkorning shaxsidan tortib ilova o'zining kelib chiqishi va mazmunigacha bir nechta darajada qurilishi kerak.
Mashinaviy tezlikda ishlash uchun infratuzilma
Bir nechta sessiyalar AI bilan ko'rinadigan o'zaro aloqa tugagandan so'ng ham ishlashi kerak bo'lgan tizimlarga bag'ishlandi. Agentlar kod, vazifalar va hujjatlarni mashinaviy tezlikda yaratishni boshlaganligi sababli, asosiy infratuzilma samaradorlikni, to'g'rilikni yoki tiklash imkoniyatini pasaytirmasdan, katta hajmdagi avtomatlashtirilgan faoliyat bilan shug'ullanishi kerak.
Priyansh Jain, Atlassianning bosh dasturiy muhandisi va Ammi Reddy Chirla, Atlassianning yetakchi muhandisi, kompaniya katta Jira Data Center mijozlarini bulutga migratsiya qilishdagi cho'qqilarni qanday hal qilganini baham ko'rishdi. Migratsiya konveyeridagi o'zgarishlar tranzit quvvatini olti barobar oshirdi. Biroq, bu tezlik yana bir cheklovni ochdi: ma'lumotlardagi xatolar, bu mijozlarni o'z manba tizimlarini tozalashga va uzoq migratsiyalarni qayta ishga tushirishga majburlashi mumkin edi. Jamoa ma'lumotlar uzatilayotganda ma'lum xatolarni tasniflash va tuzatish uchun jarayonni qayta ishladi, asl ma'lumotlarni o'zgartirmasdan. Bunday yondashuv migratsiya muammolari sonini 50-60% ga kamaytirishga qaratilgan va korporativ mijozga 22 dan 30 kungacha tejash mumkin.
Atlassianning miqyosdagi Jira Query Language so'rovlarini kuniga 1,5 milliarddan ortiq qabul qiluvchi arxitektura bo'yicha Kartikeyan Murti chuqur o'rganib chiqdi, bu 350 000 dan ortiq ijara oluvchilarga xizmat qiladi. Tizim so'rovlarni vositachilik ko'rinishiga ajratadi va ularni maxsus xizmatlar orqali yo'naltiradi, bu asosiy qidiruv yo'lini beqaror qilmasdan yangi klauzalar va maydonlarni qo'shish imkonini beradi. Eng katta ijara oluvchilar uchun Atlassian arxitekturasi 2 barobar yuqori samaradorlikni ta'minladi, shu bilan birga ko'p foydalanuvchilar, muammolar va bir vaqtning o'zida so'rovlarni qo'llab-quvvatlashni davom ettirdi. Bu misollar korporativ AI faqat ko'rinadigan funksiyalardan iborat emasligini eslatdi; agar agentlar ish hajmini va tezligini oshirsa, ularning asosidagi qidiruv, tizim va migratsiya tizimlari ham rivojlanishi kerak.
Qaror qabul qilish uchun AI dan foydalanish
Mahsulot yo'nalishidagi trekda AI g'oya va ish prototipi o'rtasidagi masofani qisqartirganda jarayonning o'zgarishi qanday bo'lishi ko'rib chiqildi. Atlassian mahsulotidagi AI strategiyasi boshlig'i Tulasi Menon aytadiki, mahsulotdagi rutin vazifalar kamayib borayotgan bo'lsa-da, nima 'yaxshi' ekanligini aniqlash mas'uliyati yanada muhim ahamiyat kasb etmoqda. U AI asosidagi mahsulot hayot siklini idrok etish, shakllantirish, tekshirish, chiqarish va uzluksiz o'rganishga asoslangan holda tasvirladi. AI bozor tadqiqotlarini va raqobat tahlilini siqib chiqarishi mumkin, va zamonaviy vositalar g'oyalarni bir necha soat yoki kun ichida ish prototiplariga aylantirishi mumkin. Biroq, tezlikning o'zi mahsulotni yaxshiroq qilmaydi. Mahsulot menejerlari hali ham to'g'ri muammoni aniqlashi, sifat mezonlarini belgilashi va qaysi dalillar g'oyani chiqarish yoki rad etishni oqlashini hal qilishi kerak. Menon shuningdek, AI dan silliq, ammo bo'sh artefaktlar yaratish uchun foydalanish haqida ogohlantirdi - bu uzoq mahsulot hujjatlari yoki jamoalarga qaror qabul qilishga yordam bermaydigan taassurotli prototiplar bo'lishi mumkin. Shunga qaramay, chiqarish hayot siklining yakuni emas. Jamoalarga nosozliklarni aniqlash va vaqt o'tishi bilan mahsulotni yaxshilash uchun baholashlar, haqiqiy izlar, sifat mezonlari va qayta aloqa tsikllari kerak.
Bu Atlassian mahsulot rahbari Alok Agrawal va Atlassian Jira Service Management bo'yicha guruh menejeri Abhinaya Singh tomonidan namoyish etildi. Bu juft mijozlardan fikr olish, ma'lumotlarni sintez qilish, yangilanishlarni tayyorlash va dastlabki prototiplarni yaratish uchun mahsulot menejerlari Rovo va Rovo Dev dan qanday foydalanishini ko'rsatdi. Ko'proq muhim masala AI qancha vazifa bajara olishi emas, balki mahsulot menejerlari bo'shatilgan vaqt bilan nima qila olishidir. Ishtirokchilar Rovo Studio dan foydalanib, agentlarni aniq mahsulot ish jarayonlari uchun sozlashdi, bir martalik so'rovlardan tashkilot kontekstiga asoslangan takrorlanuvchi vositalarga o'tishdi. Boshqa sessiyalar ushbu ishlab chiqarishga yo'naltirilgan yondashuvni butun Atlassian stekiga, sxema bilan belgilanadigan doimiy holatdan tortib, uzoq biznes jarayonlari agent tahlili va AI yordamida mahsulot xavfsizlik ko'rib chiqishlarigacha tarqatdi. Birgalikda ular Atlassianning korporativ AI ga kengroq yondashuvini ochib berishdi. Kompaniya agentni mavjud ish jarayonining ustiga joylashtirilgan model sifatida ko'rmaydi; u ushbu agent amalda foydali bo'lishi uchun zarur bo'lgan kontekstni, ruxsatnomalarni, tekshirish mexanizmlarini, orkestratsiyani, xavfsizlikni va tiklashni yaratadi. Namoyish agent nima qila olishini ko'rsatishi mumkin. Ishlab chiqarish esa tashkilot unga ishonishi mumkinmi, shuni ko'rsatadi.
[ ]
