Poin-poin utama
- Pendapatan cloud JFrog melonjak 60% di tengah adopsi AI
- Pembuatan kode yang lebih murah menciptakan biaya infrastruktur baru
- Keamanan perangkat lunak menjadi semakin berharga seiring dengan meluasnya otomatisasi
Kecerdasan buatan membuat pengembangan perangkat lunak menjadi lebih cepat dan berpotensi lebih murah. Namun, satu perusahaan menghasilkan pendapatan jauh lebih besar dengan mengelola perangkat lunak yang dibantu oleh AI untuk dibuat.
JFrog melaporkan pendapatan cloud kuartal ketiga sebesar $101,5 juta, naik 60% dari tahun sebelumnya, menurut rilis laba 5 Novembernya. Pendapatan total naik 31% menjadi $179,2 juta, sementara layanan cloud menyumbang 57% dari penjualan.
Mengapa Pengkodean AI yang Lebih Murah Menciptakan Lebih Banyak Perangkat Lunak untuk Dikelola
Pengembangan perangkat lunak tradisional memerlukan insinyur untuk menulis kode, menguji perubahan, dan menyiapkan aplikasi untuk rilis.
Agen pemrograman AI mempercepat tugas-tugas tersebut. Beberapa dapat membuat file secara mandiri, memodifikasi program yang sudah ada, menjalankan pengujian, dan menyarankan perubahan deploy.
Coinpaper baru-baru ini membahas rencana akuisisi OpenAI terhadap Pierre Computer, yang teknologinya mengelola repositori besar yang dibuat oleh sistem pengembangan otomatis.
Namun, menulis kode hanyalah salah satu tahap dalam produksi perangkat lunak.
Sebelum sebuah program mencapai pelanggan, perusahaan biasanya mengonversi kode sumbernya menjadi paket, kontainer, atau file lain yang dapat dideploy yang disebut artifacts.
Artifak-artifak tersebut harus disimpan, diberi versi, diperiksa kerentanannya, dan didistribusikan secara andal.
Platform Artifactory dari JFrog menangani sebagian besar pekerjaan ini.
Sebagai alat AI meningkatkan output perangkat lunak, bisnis dapat menghasilkan lebih banyak versi, ketergantungan, dan paket deployment, menciptakan permintaan tambahan untuk infrastruktur.
Tren ini juga membantu menjelaskan mengapa platform pengkodean AI menjadi aset strategis bagi perusahaan teknologi besar.
Mengapa Kode yang Dihasilkan AI Dapat Meningkatkan Pengeluaran Keamanan
Lebih banyak perangkat lunak juga berarti lebih banyak komponen yang harus diperiksa oleh perusahaan.
Agen AI dapat memperkenalkan ketergantungan yang rentan, menggunakan ulang perpustakaan usang, atau menghasilkan kode yang berperilaku berbeda dari yang dimaksudkan pengembang.
Itu membuat keamanan otomatis menjadi semakin penting.
Sebelumnya perubahan keamanan Bitcoin Core menunjukkan bagaimana penemuan kerentanan yang dibantu AI mengubah pemeliharaan perangkat lunak.
Sementara itu, Ripple's AI-assisted security initiative menggambarkan bagaimana pengembang mengintegrasikan pengujian otomatis ke dalam alur kerja produksi.
JFrog mendapat manfaat dari kebutuhan terkait: organisasi membutuhkan sistem yang dapat mengidentifikasi komponen perangkat lunak mana yang disetujui, dari mana asalnya, dan apakah tetap aman.
Hasil terbarunya menunjukkan bahwa pelanggan memperluas pengeluaran mereka pada kemampuan-kemampuan ini.
Retensi dolar bersih JFrog mencapai 124%, artinya kohort pelanggan yang ada menghasilkan pendapatan 24% lebih banyak selama periode yang diukur setelah memperhitungkan ekspansi dan kontraksi.
Mengapa Pemenang AI Terbesar Mungkin Tidak Menulis Kode
Kinerja JFrog menggambarkan bagaimana AI dapat menciptakan peluang di luar pengembang model dan asisten pemrograman.
Perusahaan melaporkan 112 pelanggan yang menghabiskan lebih dari $1 juta per tahun, dibandingkan dengan 71 tahun sebelumnya.
Kewajiban kinerja yang tersisa juga meningkat 60% menjadi $812,4 juta, mencerminkan pendapatan yang dikontrak untuk periode mendatang.
Prinsip ekonomi ini menyerupai pergeseran lebih luas menuju infrastruktur dan keamanan AI, di mana kepercayaan dan distribusi dapat menjadi lebih penting seiring dengan menurunnya biaya penciptaan perangkat lunak.
Tetapi permintaan yang lebih kuat tidak menghilangkan risiko bisnis.
JFrog menghadapi pesaing, anggaran perusahaan yang berubah, dan tantangan dalam mengubah adopsi AI menjadi pengeluaran berkelanjutan. Hasilnya juga tidak menunjukkan bahwa coding AI semata menyebabkan seluruh peningkatan pendapatan.
Saat regulator keuangan semakin memperketat pengawasan terhadap agen AI, pengawasan dan akuntabilitas menjadi perhatian utama di berbagai industri.




