Kod incelemeleri (geliştiricilerin kod kalitesini artırmasına yardımcı olan kodun akran incelemeleri) zaman alıcıdır. Bir kaynağa göre şirketlerin %50’si haftada iki ila beş saat harcıyor. Yeterli kişi olmadığında, kod incelemeleri bunaltıcı olabilir ve geliştiricileri diğer önemli işlerden uzaklaştırabilir.
Harjot Gill, kod incelemelerinin yapay zeka kullanılarak büyük ölçüde otomatikleştirilebileceğini düşünüyor. Geri bildirim sağlamak için yapay zeka modellerini kullanarak kodu analiz eden CodeRabbit’in kurucu ortağı ve CEO’sudur.
CodeRabbit’i kurmadan önce Gill, veri merkezi yazılım şirketi Nutanix’te kıdemli teknoloji direktörüydü. Mart 2018’de Nutanix’in kendi girişimi Netsil’i satın almasıyla şirkete katıldı. CodeRabbit’in diğer kurucusu Gur Singh, daha önce beyaz etiketli sağlık ödemeleri platformu Alegeus’un geliştirme ekiplerine liderlik ediyordu.
Gill’e göre CodeRabbit’in platformu, kodun arkasındaki “niyeti anlamak” ve geliştiricilere “işlem yapılabilir”, “insan benzeri” geri bildirim sağlamak için “gelişmiş yapay zeka muhakemesini” kullanarak kod incelemelerini otomatikleştiriyor.
Gill, TechCrunch’a şunları söyledi: “Geleneksel statik analiz araçları ve linterler kurallara dayalıdır ve sıklıkla yüksek hatalı pozitif oranlar üretir; emsal incelemeleri ise zaman alıcı ve özneldir.” “CodeRabbit ise bunun aksine, yapay zekaya öncelik veren bir platform.”
Bunlar çok sayıda moda kelime içeren cesur iddialardır. Ne yazık ki CodeRabbit için anekdot niteliğindeki kanıtlar, yapay zeka destekli kod incelemelerinin, döngüdeki insan incelemelerine kıyasla daha düşük olma eğiliminde olduğunu gösteriyor.
Bir blog yazısında Graphite’tan Greg Foster, OpenAI’nin GPT-4’ünün kod incelemelerine uygulanmasına yönelik dahili deneylerden bahsediyor. Model, küçük mantıksal hatalar ve yazım hataları gibi bazı yararlı şeyleri yakalasa da, birçok hatalı pozitif sonuç üretti. Foster’a göre ince ayar yapma girişimleri bile bunları önemli ölçüde azaltmadı.
Bunlar ifşa değil. Yakın zamanda yapılan bir Stanford araştırması, kod üreten sistemleri kullanan mühendislerin, geliştirdikleri uygulamalarda güvenlik açıkları yaratma olasılığının daha yüksek olduğunu buldu. Telif hakkı da devam eden bir endişe kaynağıdır.
Kod incelemeleri için yapay zeka kullanmanın lojistik dezavantajları da vardır. Foster’ın belirttiği gibi, daha geleneksel kod incelemeleri mühendisleri, geliştirici meslektaşlarıyla oturumlar ve konuşmalar yoluyla öğrenmeye zorluyor. İncelemelerin boşaltılması bu bilgi paylaşımını tehdit eder.
Gill farklı hissediyor. “CodeRabbit’in yapay zeka öncelikli yaklaşımı, kod kalitesini artırıyor ve kod inceleme sürecinde gereken manuel çabayı önemli ölçüde azaltıyor” dedi.
Bazı insanlar satış konuşmasını satın alıyor. Gill, CodeRabbit’in hizmetleri için bugün yaklaşık 600 kuruluşun ödeme yaptığını ve CodeRabbit’in “birkaç” Fortune 500 şirketiyle pilot uygulamalarda bulunduğunu iddia ediyor.
Aynı zamanda yatırımları da var: CodeRabbit bugün CRV liderliğinde Flex Capital ve Engineering Capital’in katılımıyla 16 milyon dolarlık A Serisi finansman turunu duyurdu. Şirketin toplam tutarını 20 milyon doların biraz altına çıkaran yeni nakit, CodeRabbit’in 10 kişilik satış ve pazarlama fonksiyonlarının ve ürün tekliflerinin genişletilmesine ve güvenlik açığı analiz yeteneklerinin geliştirilmesine odaklanacak.
Gill, “Jira ve Slack gibi platformların yanı sıra yapay zeka odaklı analiz ve raporlama araçlarıyla daha derin entegrasyonlara yatırım yapacağız” dedi ve Körfez Bölgesi merkezli CodeRabbbit’in Bangalore’da yeni bir ofis kurma sürecinde olduğunu da sözlerine ekledi. takımın boyutunu kabaca iki katına çıkarır. “Platform aynı zamanda bağımlılık yönetimi, kodun yeniden düzenlenmesi, birim testi oluşturma ve belge oluşturma için gelişmiş yapay zeka otomasyonunu da tanıtacak.”
Kaynak: https://techcrunch.com/2024/08/15/coderabbit-raises-16m-to-bring-ai-to-code-reviews/