The New Stack اخیرا گفت‌وگویی با آلن لینوند (Allan Leinwand)، مدیر ارشد فناوری (CTO) کمپانی وب‌فلو (Webflow)، داشته است. محور این گفت‌وگو، «نحوه رسیدن به پذیرش و استفاده کامل شرکت از هوش مصنوعی» در میان ۳۰۰ مهندس این کمپانی بوده است. وب‌فلو هوش مصنوعی را در کل پلتفرم و جریان کاری مهندسان خود ادغام کرده است. از ابزارهای کدنویسی AI تا سازنده سایت و بهینه‌سازی صفحات، ۸۹٪ از مهندسان روزانه از این ابزارها استفاده می‌کنند و شرکت با MCP، ایجنت‌های هوش مصنوعی و جعبه‌ابزار AI بهره‌وری توسعه را افزایش می‌دهد. |
فشار برای ادغام فناوری‌های هوش مصنوعی در بخش‌های IT شدید است اما برای شرکت‌های فعال در صنعت فناوری این فشار دوچندان است؛ مخصوصا وقتی محصول خودشان هم با هوش مصنوعی تقویت شده باشد.
وب‌فلو (Webflow)، یکی از بزرگ‌ترین پلتفرم‌های ساخت وب‌سایت، درباره نحوه ادغام کامل هوش مصنوعی در بخش مهندسی خود مواردی را توضیح می‌دهد. در مصاحبه با الن لینوند (Allan Leinwand)، مدیر ارشد فناوری وب‌فلو، درباره فلسفه همه‌جانبه این شرکت در توسعه هوش مصنوعی صحبت می‌شود.
وب‌فلو حدود ۳۰۰ مهندس دارد و لینوند در یک پست وبلاگی اخیر توضیح داد که «ما یک تعهد سراسری در شرکت ایجاد کرده‌ایم تا هوش مصنوعی را وارد جریان کاری روزانه هر مهندس کنیم.» وب‌فلو به هر مهندس خود «یک جعبه‌ابزار کامل هوش مصنوعی» (AI Toolkit) ارائه می‌دهد که شامل لایسنس ChatGPT Enterprise، دسترسی به Cursor و Augment Code، گردش‌کارهای هوش مصنوعی در گیت‌هاب و موارد دیگر است.
ابزارهای کدنویسی موجود در جعبه‌ابزار هوش مصنوعی بر اساس میزان استفاده مهندسان وب‌فلو انتخاب شده‌اند. در این زمینه انعطاف وجود دارد اما سوالی که مطرح می‌شود این است که وقتی تیم‌های کوچک روی یک پروژه واحد کار می‌کنند، آیا وب‌فلو ترجیح می‌دهد همه اعضای تیم از یک ابزار کدنویسی هوش مصنوعی مشترک استفاده کنند؟
لینوند پاسخ می‌دهد:
«فکر نمی‌کنم واقعا خیلی مهم باشد. از دید ما، هوش مصنوعی چیزی نیست که الزاما باید تجویزی باشد. ما می‌خواهیم توسعه‌دهندگان ابزارهایی را پیدا کنند که بهترین عملکرد را برایشان دارد. و خب، برای من خروجی است که اهمیت دارد؛ بنابراین من به چیزهایی مثل این نگاه می‌کنم: آیا نرخ PR ما افزایش داشته؟ نرخ شکست تغییرات افزایش یا کاهش یافته؟ آیا زمان چرخه، از لحظه‌ای که اولین تیکت Jira نوشته می‌شود تا زمان استقرار، تغییر کرده است؟»
استفاده از هوش مصنوعی در کل چرخه توسعه نرم‌افزار
در سمت DevOps، علاوه بر Jira، وب‌فلو از گیت‌هاب هم استفاده می‌کند ولی از Copilot استفاده نمی‌کند.
لینوند می‌گوید:
«ما در بخش هوش مصنوعی از GitHub Copilot استفاده نمی‌کنیم اما از بسیاری از قابلیت‌های ابزارهای دیگر که داخل گیت‌هاب تعبیه شده‌اند، بهره می‌بریم.»
لینوند در پست وبلاگی خود توضیح داد که آن‌ها از یک ابزار لینتینگ PR (پول ریکوئست) مبتنی بر هوش مصنوعی استفاده می‌کنند که مهندسان می‌توانند با تگ‌کردن یک PR با برچسب ai-linter در گیت‌هاب آن را فعال کنند.
او توضیح داد: «کاری که این ابزار انجام می‌دهد این است که در اصل یک وب‌هوک اجرا می‌کند که به Claude Code می‌گوید برود و PR را بخواند، تغییرات کد را بررسی کند و یک توضیح PR بنویسد و همان‌جا در PR قرار دهد که واقعا جالب است.»
لینوند اضافه کرد که آن‌ها زمان زیادی صرف فکر کردن به این موضوع می‌کنند که چطور جریان کاری توسعه‌دهنده (از کدنویسی تا استقرار) را در نظر بگیرند و مطمئن شوند می‌توانند در کل این چرخه به بهترین شکل از هوش مصنوعی استفاده کنند.
او می‌گوید: «زیرساخت تست از طریق فرایند CI/CD به شکل گسترده‌ای با هوش مصنوعی تقویت می‌شود.»
با این حال، اشاره کرد که بخش‌های ساخت و استقرار در چرخه چندان از هوش مصنوعی استفاده نمی‌کنند. شرکت از Buildkite به‌عنوان ابزار ساخت استفاده می‌کند و استقرار روی AWS انجام می‌شود.
او اضافه کرد: «در اصل ما با داکر کانتینرها را روی کوبرنتیز مستقر می‌کنیم. اینجا خیلی از هوش مصنوعی خبری نیست. بیشتر شبیه اتوماسیونی است که کانتینر را برمی‌دارد و سپس آن را در زیرساخت جهانی ما مستقر می‌کند.»
اما در زمینه تست نرم‌افزار، وب‌فلو به‌طور گسترده از هوش مصنوعی بهره می‌برد.
لینوند اضافه کرد:
«مهندسان می‌توانند خیلی سریع فرضیاتشان را با هوش مصنوعی اعتبارسنجی کنند، می‌توانند تست واحد بنویسند، تست کاربردی بنویسند، تست‌های End-to-End و Smoke تولید کنند. […] این زیرساخت تست، از طریق فرایند CI/CD، به شکل گسترده‌ای با هوش مصنوعی تقویت می‌شود.»
نقش انسان‌ها در چرخه
لینوند در پست وبلاگی خود نوشت که اگرچه هوش مصنوعی به‌طور فزاینده‌ای بخشی از فرایند توسعه آن‌هاست اما در جاهایی که اهمیت دارد همچنان بر قضاوت انسانی تکیه می‌کنیم. او به‌عنوان یک مثال مشخص به بازبینی کد اشاره کرد: «هر تغییری، چه توسط انسان نوشته شده باشد و چه توسط هوش مصنوعی تولید شده باشد، توسط یک مهندس بازبینی می‌شود.» و در ادامه توضیح می‌دهد که وب‌فلو این کار را چطور انجام می‌دهد:
«ما از وقتی آن پست را نوشتم این فرایند را ارتقا داده‌ایم. در حال حاضر ابزاری داریم که هر PR در حال ورود برای ادغام در شاخه اصلی را بررسی می‌کند و آن را از نظر ریسک در سه سطح پایین، متوسط و بالا ارزیابی می‌کند. […] ما انسان‌ها را در چرخه داریم تا تعیین کنند چه تعداد از افراد در لایه‌های بالاتر باید آن کد را بازبینی کنند قبل از اینکه وارد محیط عملیاتی شود.»
نحوه عملکرد در عمل این‌گونه است که ابزار هوش مصنوعی کد را می‌خواند، تاثیر آن را در کل پایگاه کد مشخص می‌کند و سپس سطح ریسک آن را ارزیابی می‌کند.
اگرچه مهندسان انسانی همچنان بخش اصلی دپارتمان IT وب‌فلو هستند، این شرکت از ایجنت‌های هوش مصنوعی هم استفاده می‌کند. لینوند اشاره کرد که آن‌ها ایجنت‌ها را هم در Cursor و هم در Augment Code فعال کرده‌اند. او از داشتن «مجموعه‌ای از ایجنت‌های راه‌دور که یک خط خاص از کد را بررسی می‌کنند و سپس به‌طور مستقل کار خودشان را انجام می‌دهند» صحبت کرد.
همچنین ادامه داد:
«ما هنوز آن گروه‌های عظیم ایجنتی را که در صنعت درباره‌شان می‌شنوید، نداریم اما قطعا این توانایی را داریم که یک بخش از کد را برداریم، در Augment Code قرار دهیم و بگوییم: روی این مسئله مشخص کار کن و نتیجه نهایی را به من بگو.»
او گفت که معمولا ایجنت با پیشنهادهایی برای تغییرات PR برمی‌گردد. سپس مهندس انسانی آن را ارزیابی می‌کند و اگر تغییر پذیرفته شود، آن را در diff خود ادغام می‌کند، diff را وارد سیستم ساخت می‌کند و آن را از طریق تست‌ها اجرا می‌کند تا ببیند آیا می‌خواهد آن را وارد محیط عملیاتی کند یا نه.
استفاده از MCP در وب‌فلو
علاوه بر ایجنت‌ها، پروتکل مدل کانتکست (MCP) شاید داغ‌ترین موضوع در هوش مصنوعی در حال حاضر باشد. وب‌فلو از MCP هم به‌صورت داخلی و هم به‌عنوان بخشی از خدمات مشتری خود استفاده می‌کند.
او توضیح داد:
«وب‌فلو به‌عنوان یک محصول، یک سرور MCP ارائه می‌دهد؛ با همکاری کلودفلر. بنابراین کلودفلر سرور MCP ما را میزبانی و احراز هویت می‌کند و این امکان را به مشتریان ما می‌دهد تا با وب‌سایت‌هایشان، CMS و سیستم‌های طراحی خود با استفاده از یک مدل زبانی بزرگ (LLM) تعامل داشته باشند.»
در داخل شرکت، مهندسان وب‌فلو از MCP برای تعامل با محصولاتی مانند Jira و GitHub استفاده می‌کنند (از طریق سرورهای MCP که خود این محصولات ارائه می‌دهند).
لینوند MCP را به‌عنوان «چسبی برای جریان‌های کاری داخل مهندسی» توصیف می‌کند.
او اضافه کرد:
«اگر من در Cursor و Augment Code باشم، از MCP برای تعامل با Jira استفاده می‌کنم، از MCP برای تعامل با GitHub استفاده می‌کنم، از MCP برای تعامل با بخش‌های مختلف پایگاه کد ما استفاده می‌کنم.»
مقاومت در برابر هوش مصنوعی
به نظر می‌رسد دپارتمان مهندسی وب‌فلو ارزش زیادی از هوش مصنوعی می‌برد اما همه می‌دانیم که بخشی از توسعه‌دهندگان با هوش مصنوعی مخالف هستند. لینوند درباره واکنش مهندس قدیمی و سنتی (که همیشه حداقل چند نفر از آن‌ها در هر دپارتمان IT بزرگ حضور دارند) نسبت به جعبه‌ابزار هوش مصنوعی چنین می‌گوید:
«یکی از چالش‌های بزرگ ما مقاومت طبیعی در برابر هوش مصنوعی بود و خب، شبیه داستان پنیر مرا کی جابه‌جا کرد -اشاره به مقاومت انسان‌ها در برابر تغییر- بود.»
اما بر اساس شاخص‌های داخلی شرکت، حدود ۸۹٪ از کارکنان مهندسی اکنون روزانه از ابزارهای هوش مصنوعی استفاده می‌کنند.
لینوند گفت: «این ۱۷٪ بیشتر از چیزی است که حتی در سه‌ماهه اول دیدیم، بنابراین شاهد جهش خوبی در پذیرش قابلیت‌ها و ابزارها هستیم.»
او اضافه کرد که با پیشرفت مدل‌های هوش مصنوعی و اینکه ابزارها ساده‌تر در جریان کاری افراد قرار می‌گیرند، میزان پذیرش نیز افزایش یافته است.
هوش مصنوعی در پلتفرم وب‌فلو
به نظر می‌رسد هوش مصنوعی در سراسر پلتفرم وب‌فلو ادغام شده است؛ شامل ابزارهای طراحی، CMS، ابزارهای ساخت، میزبانی، امنیت و موارد دیگر. شرکت اکنون خود را «پلتفرم تجربه وب‌سایت» توصیف می‌کند و در صفحه اصلی آمده که هوش مصنوعی در سراسر پلتفرم وب‌فلو تعبیه شده است (AI isembedded across the Webflow platform).
همچنین لینوند توضیح داد که استفاده داخلی مهندسی از هوش مصنوعی چگونه به پلتفرمی که به مشتریان ارائه می‌کنند منتقل شده است:
«محصولی که مشتریان ما استفاده می‌کنند، به نوعی هوش مصنوعی در آن بافته شده است. ما هوش مصنوعی را به‌عنوان یک ویژگی نمی‌بینیم، بلکه آن را به‌عنوان یک نخ می‌بینیم که در سراسر محصول جریان دارد.»
به‌عنوان چند مثال، او گفت که آن‌ها یک سازنده سایت مبتنی بر هوش مصنوعی ارائه می‌دهند؛ جایی که می‌توان توصیف کرد سایت چگونه باید باشد و وب‌فلو صفحات سایت را تولید می‌کند و همچنین می‌توان آیتم‌هایی در محصول CMS با استفاده از هوش مصنوعی ایجاد کرد.
وب‌فلو در ابتدا در سال ۲۰۱۲ به‌عنوان یک سازنده ساده وب‌سایت آغاز شد اما امروزه یک پلتفرم کامل با امکانات متعدد است. افزوده‌های اخیر شامل قابلیت‌های بهینه‌سازی (مثلا تست A/B) و محلی‌سازی است.
لینوند درباره بهینه‌سازی افزود: «اینجا هم کمی هوش مصنوعی وجود دارد. بنابراین می‌توانید به‌صورت خودکار نسخه‌های مختلفی از یک صفحه فرود، دکمه‌ها یا فراخوان‌ها (CTA) را با استفاده از هوش مصنوعی تولید کنید.»
خلاصه اینکه، هوش مصنوعی در سراسر محصولات وب‌فلو حضور دارد. بر اساس گفته‌های لینوند، شرکت همچنین آنچه را تبلیغ می‌کند، در عمل هم اجرا می‌کند و به‌طور گسترده از ابزارهای هوش مصنوعی در داخل شرکت استفاده می‌کند.
منبع: thenewstack.i
دیدگاهتان را بنویسید