Spotify-ს საუკეთესო დეველოპერებს დეკემბრის შემდეგ კოდის არცერთი ხაზი არ დაუწერიათ — მიზეზი ხელოვნური ინტელექტია

მიაღწია თუ არა ხელოვნური ინტელექტის მიერ კოდის წერამ გარდამტეხ წერტილს? როგორც ჩანს, Spotify-სთვის ეს მომენტი უკვე დადგა. კომპანიის მეოთხე კვარტლის ფინანსური ანგარიშის წარდგენისას ცნობილი გახდა, რომ მათმა საუკეთესო დეველოპერებმა „დეკემბრის შემდეგ კოდის არცერთი ხაზი არ დაუწერიათ“.

ეს განცხადება Spotify-ს თანააღმასრულებელმა დირექტორმა, გუსტავ სოდერსტრომმა გააკეთა. მან დეტალურად ისაუბრა იმაზე, თუ როგორ იყენებს კომპანია ხელოვნურ ინტელექტს განვითარების პროცესის დასაჩქარებლად. აღსანიშნავია, რომ 2025 წლის განმავლობაში Spotify-მ თავის სტრიმინგ აპლიკაციაში 50-ზე მეტი ახალი ფუნქცია და ცვლილება დაამატა. მათ შორისაა ბოლო კვირებში გაშვებული ისეთი სიახლეები, როგორიცაა AI-ზე დაფუძნებული Prompted Playlists, Page Match აუდიოწიგნებისთვის და About This Song.

შიდა სისტემა „Honk“ და მუშაობის პროცესი

Spotify-ს ინჟინრები კოდის წერისა და პროდუქტის განვითარების ტემპის გასაზრდელად იყენებენ შიდა სისტემას, სახელწოდებით „Honk“. ანალიტიკოსებთან საუბრისას კომპანიამ განმარტა, რომ ეს სისტემა გენერაციული ხელოვნური ინტელექტის, კერძოდ კი Claude Code-ის მეშვეობით, კოდის დისტანციურად და რეალურ დროში დანერგვის საშუალებას იძლევა.

სოდერსტრომმა პროცესის საილუსტრაციოდ კონკრეტული მაგალითი მოიყვანა:

• ინჟინერს, რომელიც დილით სამსახურში მიდის, შეუძლია მობილური ტელეფონით, Slack-ის მეშვეობით დაავალოს Claude-ს ხარვეზის (bug) გამოსწორება ან iOS აპლიკაციისთვის ახალი ფუნქციის დამატება.
• მას შემდეგ, რაც Claude დაასრულებს სამუშაოს, ინჟინერი Slack-შივე იღებს აპლიკაციის ახალ ვერსიას.
• ინჟინერი აპლიკაციას საწარმოო გარემოში (production) აერთიანებს (merge) მანამ, სანამ ოფისში მივა.

კომპანიის შეფასებით, ამ სისტემამ კოდის წერისა და დანერგვის პროცესი „წარმოუდგენლად“ დააჩქარა. სოდერსტრომის თქმით, ეს არ არის AI განვითარების დასასრული, არამედ მხოლოდ დასაწყისი.

უნიკალური მონაცემთა ბაზა და AI მუსიკა

აღმასრულებელმა დირექტორმა ასევე ხაზი გაუსვა Spotify-ს შესაძლებლობას, შექმნას უნიკალური მონაცემთა ბაზა, რომლის „კომოდიტიზაციას“ (სტანდარტულ პროდუქტად ქცევას) სხვა დიდი ენობრივი მოდელები (LLM) ვერ შეძლებენ, განსხვავებით ისეთი რესურსებისგან, როგორიცაა Wikipedia. ეს განპირობებულია იმით, რომ მუსიკასთან დაკავშირებულ კითხვებზე ყოველთვის არ არსებობს ერთი ფაქტობრივი პასუხი.

მაგალითად, კითხვაზე, თუ რა არის ვარჯიშის მუსიკა, სხვადასხვა ადამიანი განსხვავებულ პასუხს გასცემს, რაც ხშირად მათ გეოგრაფიულ მდებარეობაზეა დამოკიდებული:

• ამერიკელების უმეტესობა უპირატესობას ჰიპ-ჰოპს ანიჭებს, თუმცა მილიონობით ადამიანს Death Metal ურჩევნია.
• ევროპელების ნაწილი EDM-ის ფონზე ვარჯიშობს, სკანდინავიელებს კი ხშირად Heavy Metal მოსწონთ.

„ეს არის მონაცემთა ბაზა, რომელსაც ჩვენ ახლა ვქმნით და რომელსაც სხვა არავინ აშენებს. მსგავსი მასშტაბის ბაზა არ არსებობს და ჩვენ ვხედავთ, როგორ უმჯობესდება ის ჩვენი მოდელების ყოველი გადამზადებისას“, — აღნიშნა სოდერსტრომმა.

შეხვედრისას ანალიტიკოსები ასევე დაინტერესდნენ ხელოვნური ინტელექტის მიერ შექმნილი მუსიკის მიმართ კომპანიის მიდგომით. Spotify-მ განმარტა, რომ ისინი არტისტებსა და ლეიბლებს აძლევენ საშუალებას, ტრეკის მეტამონაცემებში მიუთითონ, თუ როგორ შეიქმნა სიმღერა, თუმცა პლატფორმა კვლავაც მკაცრად აკონტროლებს სპამს.