Rakuten با Codex مشکلات را دو برابر سریع‌تر رفع می‌کند

Rakuten⁠⁠(در یک پنجره جدید باز می‌شود) یک شرکت نوآوری جهانی است که در حوزه‌های تجارت الکترونیک، فین‌تک و ارتباطات موبایلی فعالیت می‌کند و در مقیاسی عظیم به مصرف‌کنندگان و بازرگانان خدمات ارائه می‌دهد. با ۳۰,۰۰۰ کارمند در سراسر جهان، تیم‌های مهندسی آن در یک اکوسیستم محصولی بزرگ و پیچیده عرضه می‌کنند که در آن هم سرعت و هم قابلیت اطمینان ضروری هستند.

به همین دلیل است که Yusuke Kaji، مدیر کل هوش مصنوعی برای کسب و کار در Rakuten، سال گذشته را صرف کرده تا جریان‌های کاری عامل‌محور را عمیق‌تر وارد نحوه برنامه‌ریزی، ساخت و اعتبارسنجی نرم‌افزار توسط تیم‌ها کند. Codex⁠⁠—عامل کدنویسی OpenAI—به بخش اصلی پشتهٔ مهندسی Rakuten تبدیل شده است، به‌ویژه در جاهایی که شرکت باید بدون به خطر انداختن امنیت، سریع‌تر پیش برود.

در طول سال گذشته، مهندسان Rakuten از Codex در سراسر عملیات و تحویل نرم‌افزار استفاده کرده‌اند تا پاسخ‌گویی به رخدادها را فشرده کنند (از جمله ۵۰٪~ کاهش در میانگین زمان بازیابی، یا MTTR)، CI/CD را با بازبینی خودکار کد و بررسی‌های آسیب‌پذیری تقویت کنند و از توسعه خودمختارتر در پروژه‌های پیچیده پشتیبانی کنند.

در تیم مهندسی Rakuten، دستورکار هوش مصنوعی آن‌ها شفاف و عمداً عملیاتی است. Kaji این کار را حول سه اولویت که تیم‌ها پشت آن‌ها متحد می‌شوند، چارچوب‌بندی می‌کند:

• سریع‌تر بسازید («سرعت!! سرعت!! سرعت!!»): تیم‌ها از Codex در گردش‌کارهای عملیاتی استفاده می‌کنند، از جمله پایش و عیب‌یابی مبتنی بر KQL، تا تحلیل علت ریشه‌ای و رفع مشکل را تسریع کنند و به کاهش MTTR تا ۵۰ % کمک کنند.
• ایمن‌تر بسازید («کارها را انجام دهید»): Codex در CI/CD برای بازبینی کد و بررسی آسیب‌پذیری‌ها فراخوانی می‌شود و استانداردهای داخلی را به‌صورت خودکار اعمال می‌کند تا تیم‌ها بتوانند با گاردریل‌ها سریع‌تر تحویل دهند.
• هوشمندانه‌تر عمل کنید («AI-nization»): Codex پروژه‌های بزرگ‌تر و مبهم را از مشخصات به سمت پیاده‌سازی‌های عملی پیش می‌برد، وابستگی به نیازمندی‌های کاملاً تعریف‌شده را کاهش می‌دهد، اجرای خود مختارتر را ممکن می‌کند و در نهایت تلاش‌های یک‌فصل‌کامل را به چند هفته فشرده می‌کند.

Codex مستقیماً با هر اولویتی هم‌راستا می‌شود و به‌عنوان یک عامل قابل‌اعتماد در یک جعبه‌ابزار گسترده‌تر عمل می‌کند و در جاهایی ظاهر می‌شود که سرعت، ایمنی و خودمختاری ارزش انباشته ایجاد می‌کنند.

سرعت در Rakuten شامل زمان بازیابی است، نه فقط سرعت توسعه.

تیم‌ها از KQL (سیستم کوئری Azure برای لاگ‌ها و تله‌متری) برای پایش APIs و تحلیل سیگنال‌ها استفاده می‌کنند. Codex در کنار این جریان‌های کاری کار می‌کند تا به شناسایی علل ریشه‌ای و پیشنهاد راهکارها کمک کند و زمان بین هشدار و رفع مشکل را کاهش دهد.

از دیدگاه مهندسی قابلیت اطمینان سایت (SRE)، این کار مسیر را از شناسایی تا رفع مشکل کوتاه‌تر می‌کند. به‌جای اینکه کوئری‌ها، لاگ‌ها و پچ‌ها را به‌صورت دستی به هم بدوزند، مهندسان می‌توانند بر اعتبارسنجی و استقرار اصلاحات تمرکز کنند.

Rakuten تخمین می‌زند که این رویکرد می‌تواند در زمان بروز مشکلات، MTTR را تقریباً ۵۰ % کاهش دهد. یا ساده‌تر بگوییم: Rakuten از Codex استفاده کرده است تا وقتی چیزی خراب می‌شود، مشکلات را دو برابر سریع‌تر برطرف کند.

با افزایش سرعت ارسال، فرایند بازبینی و استقرار می‌تواند به گلوگاه تبدیل شود. Rakuten با یکپارچه‌سازی مستقیم Codex در فرایند CI/CD خود این مشکل را برطرف می‌کند.

Codex پیش از آنکه تغییرات به تولید برسند، بازبینی کد و بررسی‌های آسیب‌پذیری را انجام می‌دهد. Rakuten اصول و استانداردهای کدنویسی داخلی را در این گردش‌کارها وارد می‌کند تا بازبینی‌ها با انتظارات شرکت همسو باشند.

Kaji می‌گوید: «ما اصول کدنویسی داخلی‌مان را در اختیار Codex قرار می‌دهیم،» «با استفاده از همان اصول، بررسی می‌کند که آیا کد با استانداردهای ما همخوانی دارد.»

نتیجه: بررسی‌های ایمنی به‌طور مداوم و به‌طور خودکار انجام می‌شوند و به تیم‌ها امکان می‌دهند سریع‌تر پیش بروند، بدون اینکه استانداردها را پایین بیاورند.

اولویت سوم Rakuten—یعنی AI-nization—بر خودمختاری تمرکز دارد. Codex نه‌تنها برای بازبینی و نگهداری استفاده می‌شود، بلکه برای اجرای کامل پروژه‌های بزرگ و مبهم از ابتدا تا انتها نیز به کار می‌رود. به‌جای اینکه به مشخصات کاملاً دقیق و تعریف‌شده نیاز داشته باشد، Codex می‌تواند بر اساس الزامات جزئی پیش برود و مصنوعات قابل استفاده تولید کند.

Kaji می‌گوید: «جدیدترین مدل‌های Codex می‌توانند بین سطرها را بخوانند،» «حتی اگر الزامات به‌طور کامل و دقیق تعریف نشده باشند، می‌فهمد ما داریم سعی می‌کنیم چه چیزی بسازیم.»

مثلاً: ساخت نسخهٔ اپلیکیشن موبایل از یک سرویس عامل هوش مصنوعی مبتنی بر وب موجود. Codex کل مشخصات را پیاده‌سازی کرد، که شامل یک پیاده‌سازی فول‌استک با یک بک‌اند Python/FastAPI و یک اپ iOS با Swift/SwiftUI بود، از جمله همه APIs بک‌اند، بدون دستورالعمل گام‌به‌گام انسانی. Codex زمان توسعه برای این پروژه را از یک فصل به هفته‌ها کاهش داد.

با افزایش سهم Codex در انجام کارهای تولید کد، Rakuten نقش مهندس را به سمت نوشتن مشخصات شفاف‌تر و راستی‌آزمایی خروجی‌ها در برابر استانداردهای قابل اندازه‌گیری تغییر می‌دهد. 

Kaji می‌گوید: «نقش ما دیگر این نیست که هر خط کد را بررسی کنیم،» «نقش ما این است که به‌روشنی مشخص کنیم چه می‌خواهیم و تعیین کنیم چگونه آن را راستی‌آزمایی کنیم.»

Rakuten از این تغییر از طریق کارگاه‌های عملی در سراسر تیم‌های مهندسی، محصول و تیم‌های غیرفنی پشتیبانی کرده است—و به این ترتیب، Codex نقشی محوری در کمک به تیم‌ها برای ارسال سریع‌تر، فعالیت ایمن‌تر و مقیاس‌دهی توسعه خودمختار در سراسر سازمان ایفا می‌کند.