Η εποχή του “vibe coding” έχει φέρει επανάσταση στον τρόπο που γράφεται κώδικας, με εργαλεία όπως το Claude Code της Anthropic και το Codex της OpenAI να επιτρέπουν στους προγραμματιστές να δημιουργούν και να παραδίδουν λογισμικό με ιλιγγιώδη ταχύτητα, κάτι αδιανόητο μόλις πριν από ένα χρόνο. Η ίδια η Anthropic έχει αναφέρει ότι η τελευταία έκδοση του Claude Code γράφτηκε εξ ολοκλήρου από το ίδιο το εργαλείο. Ωστόσο, αυτή η ταχύτητα μπορεί να εισάγει ανεπαίσθητα σφάλματα και ευπάθειες. Επιπλέον, το ανθρώπινο λάθος δεν έχει εξαλειφθεί, όπως αποδεικνύεται από την πρόσφατη διαρροή του πηγαίου κώδικα του Claude Code λόγω λανθασμένης συσκευασίας.
Για τις επιχειρήσεις, τέτοιες ευπάθειες αποτελούν μη διαπραγματεύσιμες ανησυχίες. Σε μεγάλες εταιρείες με εκτεταμένες βάσεις κώδικα, η προτεραιότητα δεν είναι μόνο η ταχύτερη συγγραφή κώδικα, αλλά η διασφάλιση ότι αυτός ο κώδικας είναι σωστός, ασφαλής και συμμορφώνεται με τα εσωτερικά συστήματα και τις εξωτερικές υποχρεώσεις. Καθώς τα εργαλεία Τεχνητής Νοημοσύνης αρχίζουν να παράγουν αυτόματα κώδικα έτοιμο για παραγωγή, το σημείο συμφόρησης μετατοπίζεται από τη συγγραφή λογισμικού στην επαλήθευσή του. Σε κλίμακα επιχείρησης, όπου εκατομμύρια αλλαγές κώδικα μπορούν να περάσουν από ένα σύστημα ετησίως, ακόμη και μικρά σφάλματα μπορούν γρήγορα να γίνουν μεγάλους κινδύνους.
Αυτό μας φέρνει στην περίπτωση του Itamar Friedman, συνιδρυτή και CEO της Qodo, μιας startup για την αναθεώρηση κώδικα με Τεχνητή Νοημοσύνη, η οποία πρόσφατα εξασφάλισε χρηματοδότηση 70 εκατομμυρίων δολαρίων για να αντιμετωπίσει αυτό που αποκαλεί αυξανόμενο πρόβλημα “AI slop” (υπολείμματα ΤΝ) στις βάσεις κώδικα. Όταν ο Friedman είχε μιλήσει αρχικά το 2024, όταν η εταιρεία ονομαζόταν CodiumAI, είχε αναφερθεί στο “flow engineering”, ένα σύστημα όπου ένα μοντέλο παράγει κώδικα και ένα άλλο τον κρίνει, προσθέτοντας επίπεδα δοκιμών και αναστοχασμού. Ήδη από τότε, ήταν σαφές ότι η παραγωγή κώδικα ήταν σημαντικά ευκολότερη από τη διασφάλιση της ακρίβειας και της καλής λειτουργίας του, και ότι η “ακεραιότητα του κώδικα” ήταν το κλειδί.
Σε πρόσφατη συνομιλία, ο Friedman υποστήριξε ότι τα σημερινά εργαλεία κωδικοποίησης με Τεχνητή Νοημοσύνη, τα οποία τροφοδοτούνται από μεγάλα γλωσσικά μοντέλα (LLMs), έχουν σχεδιαστεί για να ολοκληρώνουν εργασίες, όχι να τις αμφισβητούν, καθιστώντας απαραίτητο ένα ξεχωριστό “επίπεδο διακυβέρνησης και εμπιστοσύνης” για να καθορίζεται τι μπορεί (και τι δεν μπορεί) να παραδοθεί. “Η Τεχνητή Νοημοσύνη δεν αρκεί όταν μιλάμε για ποιότητα λογισμικού στον πραγματικό κόσμο και διακυβέρνηση κώδικα”, δήλωσε. “Αυτό που χρειάζεστε, στην πραγματικότητα, είναι η επίσημη σοφία.” Εξήγησε ότι ως προγραμματιστής σε έναν μεγάλο οργανισμό, η δημιουργία ποιοτικού κώδικα δεν είναι μόνο θέμα ευφυΐας, αλλά και γνώσης του πώς λειτουργεί μια συγκεκριμένη εταιρεία, συμπεριλαμβανομένης όλης της “φυλετικής γνώσης” εντός του οργανισμού.
Η Qodo, όπως εξήγησε, αναλύει πώς οι προγραμματιστές σε έναν οργανισμό γράφουν και αναθεωρούν κώδικα – εξετάζοντας pull requests, σχόλια και προηγούμενες αλλαγές – και τα μετατρέπει σε ένα σύνολο κανόνων που ορίζουν τι σημαίνει “καλό” για την συγκεκριμένη εταιρεία. Αυτοί οι κανόνες επιβάλλονται στη συνέχεια αυτόματα, επισημαίνοντας νέο κώδικα που τους παραβιάζει. Στην εποχή της Τεχνητής Νοημοσύνης, η πρόκληση για τις επιχειρήσεις είναι ότι θέλουν να κινηθούν γρηγορότερα, αλλά δεν έχουν την ελευθερία να αλλάξουν τις βάσεις κώδικά τους, εκτός εάν μπορούν να είναι σίγουρες ότι ο κώδικας θα παραμείνει αξιόπιστος. “Αυτό είναι το χάσμα που προσπαθούμε να κλείσουμε”, δήλωσε ο Friedman, ο οποίος διετέλεσε διευθυντής μηχανικής όρασης στην Alibaba για τρία χρόνια πριν ιδρύσει την Qodo το 2022, λίγους μήνες πριν την κυκλοφορία του ChatGPT. Οι πελάτες της Qodo, όπως οι Walmart, Nvidia, Ford και Texas Instruments, θέλουν να προχωρήσουν γρήγορα, αλλά γνωρίζουν επίσης ότι τα συστήματά τους βασίζονται σε συσσωρευμένη γνώση και περιορισμούς. Ο Friedman πρόσθεσε ότι η σημερινή κατάσταση του “vibe coding” υπερεκτιμά πόσο μπορούν να εμπιστευτούν αυτά τα εργαλεία βραχυπρόθεσμα και υποτιμά πόσο απαραίτητο είναι ένα επίπεδο εμπιστοσύνης για να γίνουν αυτά τα εργαλεία βιώσιμα στον πραγματικό κόσμο μακροπρόθεσμα.
