تصور کنید دنیایی را که در آن انسان‌ها دیگر کد نمی‌نویسند، بلکه صرفاً مسیر حرکت نرم‌افزار را تعیین می‌کنند و ماشین‌ها تمام جزئیات ساخت را بر عهده می‌گیرند. اگر هنوز به هوش مصنوعی به چشم یک افزونه یا دستیار ساده برای برنامه‌نویسان نگاه می‌کنید، باید بدانید که GitLab در حال تخریب و بازسازی کل مدل کسب‌وکار خود است تا با این واقعیت جدید سازگار شود.
این تحول که شرکت آن را «پرده دوم» (Act 2) نامیده است، بر این فرضیه استوار است که هزینه تولید نرم‌افزار در حال سقوط است و در نتیجه، تقاضا برای آن به‌طور نمایی افزایش خواهد یافت. بیل استیپلز (Bill Staples)، مدیرعامل شرکت، طبق اعلام رسمی، معتقد است بزرگ‌ترین اشتباه این عصر، چسباندن ابزارهای هوش مصنوعی به پلتفرم‌هایی است که برای سرعتِ کارِ انسان طراحی شده‌اند؛ به همین دلیل، بازسازی نسلی زیرساخت‌ها ضروری است.
بر اساس مستندات این شرکت، بازسازی سازمانی تا ۱ ژوئن ۲۰۲۶ نهایی خواهد شد و شامل اقدامات تهاجمی زیر است:
- کاهش ۳۰ درصدی حضور جغرافیایی شرکت برای تمرکز تیم‌ها.
- حذف تا سه لایه مدیریتی برای تخت کردن ساختار سازمان.
- گسترش بخش تحقیق و توسعه به ۶۰ تیم کوچک و خودمختار با مالکیت کامل پروژه.
- تغییر مدل قیمت‌گذاری به «مبتنی بر مصرف» (Consumption-based pricing) تا با ارزش کاری که عامل (Agent) — تشبیه روزمره: مثل کارمندی که نه فقط پیشنهاد می‌دهد، بلکه خودش دست به عمل می‌زند و کار را تمام می‌کند — انجام می‌دهد، همسو شود.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی گذار از کدنویسی دستی به سیستم‌های خودکار اشاره کردیم، چالش اصلی اکنون مقیاس‌پذیری است. GitLab برای حل این مشکل، در حال بازطراحی خودِ سیستم Git برای مقیاس ماشین است و یک لایه ارکستراسیون (Orchestration) می‌سازد تا عامل‌ها را در تمام چرخه حیات نرم‌افزار هماهنگ کند. طبق گزارش شرکت، این مدل داده‌ای متصل، «زمینه» (Context) را به عنوان یک سرویس درجه‌یک می‌بیند تا هزینه استنتاج (Inference) — تشبیه روزمره: لحظه‌ای که مدل واقعاً جواب تولید می‌کند — مثل خودِ آشپزی، نه دوره‌ی آموزش آشپز — را کاهش و دقت نتایج را بالا ببرد.
برای سازمان‌ها، این به معنای گذار از دِو‌سِک‌اوپس (DevSecOps) — تشبیه روزمره: مثل یک خط تولید اتومبیل که همزمان با ساخت، ایمنی و کیفیت را در هر مرحله چک می‌کند — سنتی به یک تجربه مهندسی کاملاً خودکار است. GitLab با تبدیل عامل‌های هوش مصنوعی به «کاربران درجه‌یک» به جای ابزارهای جانبی، سعی دارد از تله‌ی کالایی شدن (Commodity Trap) در تولید کد ساده بگریزد.
این تغییر مسیر احتمالاً رقبای این شرکت را مجبور می‌کند تا بررسی کنند آیا زیرساخت‌های آن‌ها توان مدیریت حجم عظیم «کامیت‌ها» (Commits) و درخواست‌های ادغام (Merge Requests) را که توسط ماشین‌ها تولید می‌شود، دارند یا خیر. اگر این استراتژی موفق شود، GitLab از یک مدیر مخزن کد به محیط اجرای (Runtime) خلق نرم‌افزارهای عامل‌محور تبدیل خواهد شد.
گام بعدی شما
- اگر مدیر فنی هستید، مدل قیمت‌گذاری جدید GitLab را بررسی کنید تا متوجه شوید هزینه تولید کد در عصر عامل‌ها چگونه تغییر می‌کند.
- در ۲ ژوئن ۲۰۲۶ به گزارش مالی شرکت توجه کنید تا اثرات واقعی این بازسازی سازمانی مشخص شود.
- نقشه راه نوآوری‌های جدید را در رویداد GitLab Transcend در ۱۰ ژوئن دنبال کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی نیازهای پردازشی مدل‌های استدلالی مراجعه کنید.
گفتگو