Datadog သည် စနစ်အဆင့် ကုဒ်သုံးသပ်မှုအတွက် Codex ကို အသုံးပြုသည်

Datadog သည်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကမ္ဘာပေါ်တွင် အသုံးအများဆုံး စောင့်ကြည့်နိုင်စွမ်းပလက်ဖောင်းများထဲမှ တစ်ခုကို လုပ်ဆောင်နေပြီး ကုမ္ပဏီများအား စောင့်ကြည့်ခြင်း၊ ပြဿနာရှာဖွေဖြေရှင်းခြင်းနှင့် ရှုပ်ထွေးသော ဖြန့်ဝေထားသော စနစ်များကို လုံခြုံစေရန် ကူညီပေးပါသည်။ တစ်စုံတစ်ခု ချွတ်ယွင်းသွားသောအခါ၊ ဖောက်သည်များသည် ပြဿနာများကို လျင်မြန်စွာ ဖော်ထုတ်ရန် Datadog ကို မှီခိုအားထားရသည်၊ ဆိုလိုသည်မှာ ကုဒ်တစ်ခုက ထုတ်လုပ်မှုသို့ မရောက်မီ ယုံကြည်စိတ်ချရမှုကို တည်ဆောက်ရမည်ဖြစ်သည်။

Datadog ၏ အင်ဂျင်နီယာအဖွဲ့များအတွက်၊ ထိုအချက်ကြောင့် ကုဒ်ပြန်လည်သုံးသပ်မှုသည် အကျိုးဆက်ကြီးမားသည့် အရေးကြီးသော အခိုက်အတန့်တစ်ခု ဖြစ်လာသည်။ ၎င်းသည် အမှားများကို ရှာဖွေတွေ့ရှိခြင်းသက်သက်သာ မဟုတ်ဘဲ၊ အပြန်အလှန်ချိတ်ဆက်ထားသော စနစ်များတစ်လျှောက် အပြောင်းအလဲများ၏ အကျိုးသက်ရောက်မှု မည်သို့လှိုင်းလို ပျံ့နှံ့သွားသည်ကို နားလည်ခြင်းလည်း ဖြစ်သည်—သမားရိုးကျ static analysis နှင့် စည်းမျဉ်းအခြေပြု ကိရိယာများသည် မကြာခဏ လိုအပ်ချက်မပြည့်မီတတ်သည့် နယ်ပယ်တစ်ခု ဖြစ်သည်။

ဤစိန်ခေါ်မှုကို ဖြေရှင်းနိုင်ရန် Datadog ၏ အတတ်ပညာဖွံ့ဖြိုးတိုးတက်မှုအတွေ့အကြုံ (AI Development Experience - AI DevX) အဖွဲ့သည် OpenAI မှ ကုဒ်ရေးအေးဂျင့်ဖြစ်သော Codex ကို အသုံးပြုခဲ့သည်။ ၎င်းသည် ကုဒ်သုံးသပ်မှုအတွင်း စနစ်အဆင့် ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားပေးခြင်းဖြင့် လူသားများ မမြင်နိုင်သော အန္တရာယ်များကို အကြီးစားအတိုင်းအတာတွင် ဖော်ထုတ်ပြသပေးသည်။

“အချိန်သက်သာစေမှုများက တကယ်ရှိပြီး၊ အရေးပါသည်” ဟု Datadog ၏ AI DevX အဖွဲ့ကို ဦးဆောင်နေသူ Brad Carter က ပြောသည်။ “သို့သော်၊ ကျွန်ုပ်တို့၏ လုပ်ငန်းအတိုင်းအတာအရ ဖြစ်ရပ်များကို ကြိုတင်ကာကွယ်ခြင်းသည် အလွန်ပို၍ ယုံကြည်လက်ခံစရာကောင်းသည်။”

Datadog တွင် ထိရောက်သော ကုဒ်ပြန်လည်သုံးသပ်ခြင်းသည် အစဉ်အလာအရ အကြီးတန်းအင်ဂျင်နီယာများအပေါ် အလွန်အမင်း မှီခိုခဲ့သည်—၎င်းတို့သည် ကုဒ်ဘေ့စ်၊ ယင်း၏ သမိုင်းကြောင်းနှင့် စနစ်တစ်ခုလုံးဆိုင်ရာ အန္တရာယ်များကို ရှာဖွေတွေ့ရှိနိုင်လောက်အောင် ဗိသုကာဒီဇိုင်းဆိုင်ရာ အပေးအယူများကို ကောင်းစွာ နားလည်သူများဖြစ်သည်။ 

သို့သော် ထိုကဲ့သို့သော နက်ရှိုင်းသော ဆက်စပ်နားလည်မှုကို အတိုင်းအတာချဲ့ထွင်ရခက်ပြီး၊ အစောပိုင်း AI ကုဒ်စစ်ဆေးရေးကိရိယာများက ဤပြဿနာကို မဖြေရှင်းနိုင်ခဲ့ပါ။ အများအပြားက အဆင့်မြင့် linters များကဲ့သို့ အပေါ်ယံအဆင့် ပြဿနာများကိုသာ အမှတ်အသားပြုခဲ့ပြီး၊ စနစ်တစ်ခုလုံး၏ ပိုမိုကျယ်ပြန့်သော အသေးစိတ်ကွာခြားချက်များကို လွဲချော်ခဲ့ကြသည်။ Datadog ၏ အင်ဂျင်နီယာများသည် ထိုအကြံပြုချက်များကို အလွန်အပေါ်ယံဆန်ခြင်း သို့မဟုတ် မသက်ဆိုင်သော အချက်အလက်များ များလွန်းခြင်းဟု မကြာခဏ ယူဆကြပြီး ၎င်းတို့ကို လျစ်လျူရှုခဲ့ကြသည်။

Datadog သည် OpenAI မှ ကုဒ်ရေးအေဂျင့် Codex ကို လက်ရှိအသုံးပြုနေသော ဖွံ့ဖြိုးရေး workflow များထဲသို့ ပေါင်းစည်းထည့်သွင်းခြင်းဖြင့် ရှေ့ပြေးစမ်းသပ်အသုံးပြုမှုကို စတင်ခဲ့သည်။ ကုမ္ပဏီ၏ အကြီးဆုံးနှင့် အသုံးအများဆုံး သိမ်းဆည်းရန်နေရာများထဲမှ တစ်ခုတွင် pull request တိုင်းကို Codex က အလိုအလျောက် ပြန်လည်သုံးသပ်ခဲ့သည်။ အင်ဂျင်နီယာများသည် Codex မှ ပေးသော မှတ်ချက်များကို လက်မထောင်၊ လက်မချ တုံ့ပြန်မှုများဖြင့် တုံ့ပြန်ခဲ့ပြီး အသင်းအဖွဲ့များအကြား မတရားမဟုတ်သော တုံ့ပြန်ချက်များကို မျှဝေခဲ့ကြသည်။ ယခင် tool များက မလိုအပ်သော အချက်အလက်များများပါသော သို့မဟုတ် အပေါ်ယံဆန်သော အကြံပြုချက်များကို ထုတ်ပေးခဲ့သည့်အပြင်၊ Codex ၏ feedback သည် ဖတ်ရကျိုးနပ်ကြောင်း လူအများက မှတ်ချက်ပြုခဲ့ကြသည်။

AI အကူအညီဖြင့်‑ပြန်လည်သုံးသပ်ခြင်းက ရေးဟန်ဆိုင်ရာ ပြဿနာများကို ထောက်ပြခြင်းထက် ပိုမိုလုပ်ဆောင်နိုင်မနိုင် စမ်းသပ်ရန် Datadog သည် ဖြစ်ရပ်ပြန်လည်ဖော်ပြခြင်း စမ်းသပ်ကိရိယာတစ်ခုကို တည်ဆောက်ခဲ့သည်။

ယူဆချက်အခြေအနေများကို အသုံးပြုမည့်အစား၊ အဖွဲ့သည် ယခင်က ဖြစ်ပွားခဲ့သော ဖြစ်ရပ်များကို ပြန်လည်လေ့လာခဲ့သည်။ သူတို့သည် ဖြစ်ရပ်များဖြစ်ပေါ်စေရာတွင် ပါဝင်ခဲ့သော pull request များကို ပြန်လည်တည်ဆောက်၍၊ တစ်ခုချင်းစီကို မူလ သုံးသပ်ချက်၏ အစိတ်အပိုင်းတစ်ခုအဖြစ် Codex ကို လည်ပတ်စေပြီးနောက် ထိုဖြစ်ရပ်များကို တာဝန်ယူထားသော အင်ဂျင်နီယာများအား Codex မှပေးသည့် အကြံပြုချက်များက ထူးခြားသော အကျိုးသက်ရောက်မှုတစ်ခု ဖြစ်စေနိုင်ခဲ့မလားဟု မေးမြန်းခဲ့သည်။

ရလဒ်- Codex သည် Datadog စစ်ဆေးခဲ့သော ဖြစ်ရပ်များ၏ ၂၂% ခန့် သို့မဟုတ် ၁၀ ခုကျော်ကို တွေ့ရှိခဲ့ပြီး၊ အင်ဂျင်နီယာများက Codex ပေးသော တုံ့ပြန်ချက်သည် အကဲဖြတ်ထားသော—အခြားကိရိယာများထက် ပိုမိုကွာခြားမှုဖြစ်စေမည်ဟု အတည်ပြုခဲ့ကြသည်။

ဤ pull request များသည် ကုဒ်သုံးသပ်ချက်ကို အစောပိုင်းကတည်းက ကျော်ဖြတ်ပြီးဖြစ်သောကြောင့် ပြန်လည်ပြုလုပ်သည့် စမ်းသပ်မှုက Codex သည် ထိုအချိန်တွင် သုံးသပ်သူများ မမြင်တွေ့ခဲ့သော အန္တရာယ်များကို ဖော်ထုတ်ပြသခဲ့ကြောင်း၊ လူ့ဆုံးဖြတ်ချက်ကို အစားထိုးခြင်းမဟုတ်ဘဲ ဖြည့်စွက်ပေးခြင်းသာဖြစ်ကြောင်း ပြသခဲ့သည်။

Datadog ၏ ခွဲခြမ်းစိတ်ဖြာမှုအရ Codex သည် လက်ငင်းကွာခြားချက်တစ်ခုတည်းမှ ထင်ရှားခြင်းမရှိသော နှင့် သတ်မှတ်စည်းမျဉ်းများဖြင့် မတွေ့ရှိနိုင်သော ပြဿနာများကို အဆက်မပြတ်အလံပြထားကြောင်း ပြသခဲ့သည်။

အင်ဂျင်နီယာများသည် Codex မှတ်ချက်များကို “bot noise” ထက်ပို၍ ဖော်ပြခဲ့သည်-

• Codex သည် ကွဲပြားမှုတွင် မထိတွေ့ထားသော မော်ဂျူးများနှင့် အပြန်အလှန် ဆက်သွယ်မှုများကို ထောက်ပြခဲ့သည်
• ၎င်းသည် ဝန်ဆောင်မှုများ‑အချင်းချင်း ချိတ်ဆက်မှုရှိသည့် နယ်ပယ်များတွင် မလုံလောက်သည့် စမ်းသပ်မှုလွှမ်းခြုံမှုကို ဖော်ထုတ်ခဲ့သည်
• ၎င်းသည် နောက်ဆက်တွဲ အန္တရာယ်ရှိနိုင်သည့် API စာချုပ်ပြောင်းလဲမှုများကို ထင်ဟပ်ပြသခဲ့သည်

သုံးသပ်ချက်အကြံပြုချက်များကို လက်တွေ့ ယုံကြည်စိတ်ချရမှု ရလဒ်များနှင့် ချိတ်ဆက်ပေးနိုင်သည့် ထိုစွမ်းရည်က Datadog ၏ အကဲဖြတ်မှုတွင် Codex ကို ထူးခြားပေါ်လွင်စေခဲ့သည်။ Static analysis tools များနှင့် မတူဘဲ Codex သည် pull request ၏ ရည်ရွယ်ချက်ကို တင်သွင်းထားသော ကုဒ်ပြောင်းလဲမှုများနှင့် နှိုင်းယှဉ်ပြီး၊ အပြုအမူကို အတည်ပြုရန် ကုဒ်နှင့် စမ်းသပ်ချက်များကို လုပ်ဆောင်နိုင်ရန် codebase နှင့် dependencies တစ်ခုလုံးပေါ် ကျိုးကြောင်းသင့်လျော်စွာ စဉ်းစားကာ ကုဒ်နှင့် စမ်းသပ်မှုများကို အကောင်အထည်ဖော်သည်။

“ဒါက ပရိုဂရမ်ရဲ့ ပိုမိုကျယ်ပြန့်တဲ့ ဆက်စပ်အခြေအနေထဲမှာ diff ကို တကယ်ပဲ ထည့်သွင်းစဉ်းစားထားသလို ထင်ရတဲ့ ပထမဆုံးတစ်ခုပါပဲ” ဟု Carter က ဆိုသည်။ “အဲဒါက အသစ်အဆန်းဖြစ်ပြီး အမြင်ဖွင့်ပေးခဲ့တယ်။”

အင်ဂျင်နီယာအများအပြားအတွက်၊ ထိုအပြောင်းအလဲသည် AI သုံးသပ်မှုနှင့် သူတို့ ပါဝင်ဆက်ဆံပုံကို လုံးဝ ပြောင်းလဲသွားစေခဲ့သည်။ “Codex မှတ်ချက်များကို တကယ့် ကုဒ်သုံးသပ်ချက် တုံ့ပြန်အကြံပြုချက်များလို စတင်သဘောထားခဲ့သည်” ဟု Datadog မှ အကြီးတန်း ဆော့ဖ်ဝဲအင်ဂျင်နီယာ Ted Wexler က ဆိုသည်။ “ကိုယ် အပေါ်ယံလောက် ဖတ်ကြည့်ပြီး ကျော်သွားမယ့်၊ ဒါမှမဟုတ် လျစ်လျူရှုမယ့် အရာမျိုး မဟုတ်ဘဲ၊ ဂရုတစိုက် အာရုံစိုက်ထိုက်တဲ့ အရာပါ။”

အကဲဖြတ်မှု ပြီးနောက် Datadog သည် ၎င်း၏ အင်ဂျင်နီယာဝန်ထမ်းအင်အားစုတစ်လျှောက် Codex ကို ပိုမိုကျယ်ပြန့်စွာ အသုံးပြုခဲ့သည်။ ယနေ့တွင် အင်ဂျင်နီယာ ၁,၀၀၀ ကျော် သည် ၎င်းကို ပုံမှန်အသုံးပြုကြသည်။ 

တုံ့ပြန်ချက်များသည် ကိရိယာအတွင်းရှိ တရားဝင် တိုင်းတာမှုညွှန်းကိန်းများမှတစ်ဆင့်ထက် အများအားဖြင့် သဘာဝအလျောက် ထွက်ပေါ်လာသည်။ အင်ဂျင်နီယာများသည် အသုံးဝင်သော ထိုးထွင်းသိမြင်ချက်များ၊ အပြုသဘောဆောင်သော မှတ်ချက်များနှင့် ပြဿနာတစ်ခုကို မတူညီသောရှုထောင့်မှ စဉ်းစားနိုင်ရန် Codex က ကူညီပေးခဲ့သည့် အခိုက်အတန့်များအကြောင်း Slack တွင် ပို့စ်တင်ကြသည်။

အချိန်ချွေတာမှုမှာ သိသာထင်ရှားသော်လည်း၊ အဖွဲ့များသည် အလုပ်များ ပြီးမြောက်ပုံတွင် ပိုမိုအဓိပ္ပါယ်ရှိသော ပြောင်းလဲမှုတစ်ခုရှိကြောင်း တစ်သမတ်တည်း ပြောကြားခဲ့သည်။ 

Datadog အတွက် ပိုမိုကျယ်ပြန့်သော သက်ရောက်မှုမှာ ကုဒ်ပြန်လည်သုံးသပ်ခြင်းကိုယ်တိုင်ကို သတ်မှတ်ပုံ ပြောင်းလဲသွားခြင်းပင် ဖြစ်သည်။ ပြန်လည်သုံးသပ်မှုကို အမှားများကို တွေ့ရှိရန် သို့မဟုတ် လုပ်ငန်းစက်ဝန်းကြာချိန်ကို အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ရန်အတွက်၊ စစ်ဆေးရေးအဆင့်တစ်ခုအဖြစ် သဘောထားမည့်အစား၊ ယခုအခါ အဖွဲ့သည် Codex ကို မိတ်ဖက်တစ်ဦးကဲ့သို့ လုပ်ဆောင်သော အဓိက ယုံကြည်စိတ်ချရမှုစနစ်တစ်ခုအဖြစ် မြင်လာပါသည်-

• သုံးသပ်သူ တစ်ဦးချင်းစီ၏ ဆက်စပ်အခြေအနေများအတွင်း ထိန်းသိမ်းစဉ်းစားနိုင်သည့် အတိုင်းအတာထက် ကျော်လွန်သော အန္တရာယ်များကို ဖော်ထုတ်ပြသခြင်း
• မော်ဂျူးများနှင့် ဝန်ဆောင်မှုများအကြား အပြန်အလှန်ဆက်သွယ်မှုများကို အသားပေးဖော်ပြခြင်း
• အကြီးစားအတိုင်းအတာဖြင့် ဖြန့်ချိရာတွင် ယုံကြည်မှု တိုးမြှင့်ခြင်း
• လူသားသုံးသပ်သူများအား အာခီတက်ချာနှင့် ဒီဇိုင်းအပေါ် အာရုံစိုက်နိုင်စေခြင်း

ဤအပြောင်းအလဲသည် Datadog ၏ ခေါင်းဆောင်များက အင်ဂျင်နီယာဆိုင်ရာ ဦးစားပေးချက်များကို ပုံဖော်သတ်မှတ်သည့်ပုံစံနှင့် ကိုက်ညီပြီး၊ ထိုနေရာတွင် ယုံကြည်စိတ်ချရမှုနှင့် ယုံကြည်မှုတို့သည် လုပ်ဆောင်မှုအရှိန်ထက် မပိုလျှင်ပင် တူညီသောအရေးပါမှုရှိသည်။

"ကျန်တာအားလုံး ပျက်နေတဲ့အချိန်မှာ ကုမ္ပဏီတွေ အားကိုးရတဲ့ ပလက်ဖောင်းက ကျွန်တော်တို့ပါ" ဟု Carter က ပြောသည်။ “ဖြစ်ရပ်များ မဖြစ်ပွားအောင် ကြိုတင်ကာကွယ်ခြင်းသည် ကျွန်ုပ်တို့အပေါ် ဖောက်သည်များထားရှိသော ယုံကြည်မှုကို ပိုမိုခိုင်မာစေပါသည်။”