Основні висновки
- Доходи JFrog cloud зросли на 60% на тлі впровадження ШІ
- Дешевше генерування коду створює нові витрати на інфраструктуру
- Безпека програмного забезпечення стає все більш цінною зі зростанням автоматизації
Штучний інтелект робить розробку програмного забезпечення швидшою і потенційно дешевшою. Однак одна компанія отримує значно більше доходу, керуючи програмним забезпеченням, яке допомагає створювати ШІ.
JFrog повідомив про $101,5 мільйона доходів від хмарних послуг у третьому кварталі, що на 60% більше, ніж рік тому, згідно з його звітом про прибутки від 5 листопада. Загальний дохід збільшився на 31% до $179,2 мільйона, при цьому хмарні послуги становили 57% продажів.
Чому дешевше штучне інтелектуальне програмування призводить до більшої кількості програмного забезпечення для управління
Традиційна розробка програмного забезпечення вимагає від інженерів написання коду, тестування змін та підготовки додатків до випуску.
Агенти штучного інтелекту для програмування прискорюють ці завдання. Деякі з них можуть самостійно створювати файли, змінювати існуючі програми, запускати тести та пропонувати зміни для розгортання.
Coinpaper недавно охопив плани придбання OpenAI компанії Pierre Computer, чия технологія керує величезними репозиторіями, створеними автоматизованими системами розробки.
Однак написання коду — це лише один етап виробництва програмного забезпечення.
Перед тим як програма досягне клієнтів, компанії зазвичай конвертують її вихідний код у пакети, контейнери або інші розгортані файли, які називаються artifacts.
Ці артефакти потрібно зберігати, версіонувати, перевіряти на наявність вразливостей та надійно розповсюджувати.
Платформа JFrog Artifactory виконує велику частину цієї роботи.
Зі зростанням використання інструментів ШІ, бізнеси можуть генерувати більше версій, залежностей та пакетів розгортання, що створює додатковий попит на інфраструктуру.
Тренд також допомагає пояснити, чому платформи для AI-програмування стають стратегічними активами для великих технологічних компаній.
Чому код, згенерований ШІ, може збільшити витрати на безпеку
Більше програмного забезпечення означає більше компонентів, які компанії повинні перевіряти.
AI-агенти можуть вводити вразливі залежності, повторно використовувати застарілі бібліотеки або генерувати код, який поводиться інакше, ніж передбачали розробники.
Це робить автоматизовану безпеку все більш важливою.
Раніше зміни безпеки Bitcoin Core продемонстрували, як виявлення вразливостей з допомогою ШІ змінює підтримку програмного забезпечення.
Тим часом ініціатива Ripple з використанням штучного інтелекту для безпеки ілюструє, як розробники впроваджують автоматизоване тестування у робочі процеси виробництва.
JFrog користується відповідною вимогою: організаціям потрібні системи, які можуть визначати, які компоненти програмного забезпечення схвалені, звідки вони походять і чи залишаються вони безпечними.
Його останні результати свідчать про те, що клієнти збільшують витрати на ці можливості.
Чисте долларове утримання JFrog досягло 124%, що означає, що його існуючий когорт клієнтів згенерував на 24% більше доходу за виміряний період після врахування зростання та скорочення.
Чому найбільші переможці в галузі ШІ можуть не писати код
Виконання JFrog ілюструє, як ШІ може створювати можливості поза розробниками моделей та допоміжними інструментами для програмування.
Компанія повідомила про 112 клієнтів, які витрачали більше $1 мільйона на рік, порівняно з 71 роком раніше.
Його залишкові зобов’язання щодо виконання також зросли на 60% до 812,4 мільйона доларів, що відображає дохід, укладений на майбутні періоди.
Економічний принцип нагадує більш широкий зсув у бік інфраструктури та безпеки ШІ, де довіра та розподіл можуть стати важливішими, коли створення програмного забезпечення стає дешевшим.
Але збільшення попиту не виключає бізнес-ризики.
JFrog стикається з конкурентами, змінами в бюджетах підприємств та викликом перетворення адаптації ШІ на тривалі витрати. Його результати також не підтверджують, що саме кодування з використанням ШІ спричинило весь зростання доходів.
Поки фінансові регулятори все більше уваги приділяють штучним інтелектам, нагляд і відповідальність стають ключовими питаннями у всіх галузях.




