Tricentis купує Tabnine: AI-тестування з графом знань

Придбання Tabnine для покращення AI-тестування

Компанія Tricentis оголосила про придбання Tabnine. Основною метою цього придбання є отримання доступу до графа знань, який використовуватиметься для надання контексту AI-агентам, навченим автоматизувати широкий спектр завдань тестування.

Після завершення угоди Tricentis планує інтегрувати граф знань, розроблений Tabnine і названий Enterprise Context Engine, у власну платформу Agentic Quality Engineering Platform.

Роль графа знань у платформі Tricentis

Граф знань, у поєднанні з векторною моделлю, дозволяє витягувати сутності, зв'язки, залежності та архітектурні патерни з репозиторіїв, документації, тікетів, інтерфейсів прикладного програмування (API) та метаданих інфраструктури. Це робить інформацію значно легшою для споживання та розуміння AI-агентами.

Кінцевим результатом стане платформа, яка безперервно поглинає код, документацію, тікети та API, щоб надавати організаційну інформацію в реальному часі. Це дозволить кільком AI-агентам ділитися пам'яттю та контекстом для перевірки результатів та кращого розуміння потенційного впливу дій.

Переваги для ефективності та якості

Девід Колуелл, віцепрезидент з AI та машинного навчання в Tricentis, зазначив, що ця можливість дозволяє AI-агентам ефективніше тестувати код, що сприяє зменшенню загальної кількості токенів, які інакше були б потрібні.

Хоча інтеграція AI-агентів у робочі процеси DevOps ще на ранній стадії, вже очевидна зростаюча потреба покладатися на незалежний набір AI-агентів для перевірки результатів роботи AI-агентів кодування. Найкращою практикою є використання окремої моделі AI для тестування, навіть якщо агенти кодування використовують ту ж саму модель.

Виклики та можливості у DevOps

Без інтеграції AI-агентів у робочі процеси тестування, команди DevOps не зможуть встигати за темпами генерації коду. Це призведе до того, що більше неперевіреного коду потраплятиме у виробничі середовища, збільшуючи кількість інцидентів, які командам DevOps доведеться усувати.

Недавнє опитування Tricentis показало, що 60% організацій вже регулярно випускають неперевірений код у виробництво. З огляду на те, що понад дві третини (68%) організацій певною мірою інтегрували AI у робочі процеси доставки програмного забезпечення, ймовірність потрапляння неперевіреного коду у виробничі середовища лише зросла. Завдання та можливість полягають у тому, щоб знайти спосіб зменшити цей відсоток, не сповільнюючи темпи створення коду.

Прискорення доставки коду не завжди означає більшу цінність для бізнесу. Кожен інцидент зменшує рентабельність інвестицій (ROI) від прискореної доставки програмного забезпечення. В епоху AI ця проблема стає ще більш актуальною, оскільки обсяг створюваного та розгортаного коду перевищує можливості більшості команд DevOps ефективно ним керувати.

Що це означає для розробників

Придбання Tricentis компанії Tabnine означає, що розробники отримають платформу, де AI-агенти зможуть ефективніше тестувати код, перевіряти результати та розуміти потенційний вплив змін. Це має допомогти керувати зростаючим обсягом AI-генерованого коду та зменшити кількість неперевіреного коду, що потрапляє у продакшн.

Ключові факти

Tricentis купує Tabnine для отримання доступу до графа знань.
Граф знань Tabnine (Enterprise Context Engine) буде інтегрований у платформу Tricentis Agentic Quality Engineering.
Граф знань дозволяє AI-агентам витягувати сутності, зв'язки та архітектурні патерни з різних джерел для ефективнішого тестування.
Платформа надаватиме організаційну інформацію в реальному часі, дозволяючи AI-агентам ділитися пам'яттю та контекстом.
60% організацій регулярно випускають неперевірений код у виробництво, а 68% інтегрували AI у робочі процеси доставки ПЗ.