محرك المراقبة الاستباقية من ديجما يحلّ مشاكل التعليمات البرمجية و يُحسّن أداء الذكاء الاصطناعي
بوابة الذكاء الاصطناعي - وحدة المتابعة

وتُشير الشركة إلى أن تطبيق المراقبة الاستباقية قبل الإنتاج قد يكتسب أهمية متزايدة مع انتشار أدوات توليد التعليمات البرمجية بالذكاء الاصطناعي. فقد كشفت دراسة أجرتها جامعة ستانفورد عام 2023 أن المطورين الذين يستخدمون مساعدي البرمجة بالذكاء الاصطناعي يميلون أكثر إلى إدخال أخطاء في تعليماتهم البرمجية. وعلى الرغم من ذلك، تزداد اعتماد الشركات الكبرى مثل جوجل على التعليمات البرمجية المُولدة بالذكاء الاصطناعي، حيث تُشكل أكثر من 25% من التعليمات البرمجية الجديدة للشركة.
ويرى نير شافير، الرئيس التنفيذي والشريك المؤسس لديجما، أن الجهود المبذولة لضمان الأداء الأمثل للأنظمة تتزايد، قائلاً: “نلاحظ استثمارًا كبيرًا في ضمان الأداء الأمثل للأنظمة، لكن لا يزال يتم اكتشاف العديد من المشاكل في قواعد التعليمات البرمجية المعقدة في مراحل متأخرة من الإنتاج”.
ويضيف: “أكثر من ذلك، غالبًا ما يبقى التوسع تقديرًا تقريبيًا في المؤسسات التي تتوقع النمو، وكثير منها تواجه عقبات في نمو التكنولوجيا التي تنشأ تحديدًا خلال فترات التوسع التنظيمي الهامة. وهذا يعني أن فرق الهندسة قد تقضي ما بين 20-40% من وقتها في معالجة المشاكل التي يتم اكتشافها في مراحل متأخرة من بيئات الإنتاج، مع قضاء بعض المؤسسات ما يصل إلى 50% من موارد الهندسة في إصلاح مشاكل الإنتاج”.
ومن المتوقع أن تصبح المراقبة الاستباقية عاملاً رئيسيًا يساعد الشركات على اكتساب ميزة تنافسية. فهي تتمتع بالعديد من الفوائد المحتملة للتعليمات البرمجية المُولدة بالذكاء الاصطناعي، بما في ذلك زيادة السرعة وتحسين موثوقية التعليمات البرمجية المكتوبة يدويًا. ووفقًا لديجما، تساعد المراقبة الاستباقية على ضمان موثوقية التعليمات البرمجية المكتوبة يدويًا، وتقليل المخاطر في المنتج النهائي.
إلى جانب معالجة الأخطاء التي تُدخلها أدوات توليد التعليمات البرمجية بالذكاء الاصطناعي، صُمّم محرك تحليل المراقبة الاستباقية من ديجما لمكافحة المشاكل الشائعة والمتجذرة التي قد تكون واجهتها الشركات مع التعليمات البرمجية المكتوبة يدويًا، والتي قد تؤدي إلى انتهاكات اتفاقيات مستوى الخدمة (SLA) ومشاكل الأداء. وقد تُصبح هذه التكنولوجيا قيّمة للمؤسسات ذات المعاملات العالية، مثل تجارة التجزئة، والتكنولوجيا المالية، والتجارة الإلكترونية.
صُممت خوارزمية ديجما لاستخدام تقنيات مطابقة الأنماط والكشف عن الشذوذ لتحليل البيانات والعثور على سلوكيات أو مشاكل محددة. وهي قادرة على التنبؤ بما ينبغي أن تكون عليه أوقات استجابة التطبيق واستخدام الموارد، وتحديد المشاكل المحتملة قبل أن تسبب أي ضرر ملحوظ. وتكتشف ديجما تحديدًا جزء التعليمات البرمجية الذي يسبب المشكلة من خلال تحليل بيانات التتبع.
يُمنع تحليل المراقبة الاستباقية المشاكل بدلاً من التعامل مع عواقبها. ويمكن للفرق مراقبة الأمور بشكل شامل، ومعالجة المشاكل المحتملة في المجالات التي غالبًا ما تُهمل بمجرد الانتقال إلى مرحلة الإنتاج.
يُسلّط روني دوفير، المدير التقني والشريك المؤسس لديجما، الضوء على ما يميز محرك تحليل المراقبة الاستباقية لديجما عن غيره: “من خلال فهم سلوك وقت التشغيل واقتراح حلول لمشاكل الأداء ومشاكل التوسع والصراعات بين الفرق، نساعد المؤسسات على منع المشاكل وتقليل المخاطر بشكل استباقي بدلاً من إخماد الحرائق في الإنتاج”.
تُستخدم أدوات مراقبة أداء التطبيقات (APM) لتحديد مشاكل الخدمة، ومراقبة حالات الإنتاج، وتسليط الضوء على أخطاء اتفاقيات مستوى الخدمة. وتُعد أدوات APM عملية لإرسال تنبيهات عندما تفشل الخدمات أو تتباطأ خلال الإنتاج. لكن على عكس المراقبة الاستباقية، فإن أدوات APM محدودة في بيئات ما قبل الإنتاج، ولا تستطيع تقديم تحليل لمصادر المشاكل.
من خلال تحديد مشاكل الأداء والتوسع في وقت مبكر من عملية الإنتاج، حتى عندما تكون أحجام البيانات منخفضة، تساعد المراقبة الاستباقية على منع المشاكل الكبرى وتقليل تكاليف الحوسبة السحابية.
وقد أكملت ديجما مؤخرًا جولة تمويل أولية ناجحة بقيمة 6 ملايين دولار، مما يشير إلى ثقة متزايدة في هذه التكنولوجيا.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي