AI туслахаас бүрэн бие даасан SWE агент руу: Google яагаад 35 хүнтэй Mechanize стартапт $1.5 тэрбум ам.доллар зарцуулав?

Сүүлийн хоёр жилийн турш бидний өдөр тутамдаа ашиглаж ирсэн AI кодинг туслахууд (Copilot, Cursor, ChatGPT) үндсэндээ нэг л зарчмаар ажиллаж байв: хөгжүүлэгчийн бичсэн кодын контекстийг уншаад дараагийн мөрийг таамаглах эсвэл функц бичиж өгөх. Гэвч энэ хандлага хөгжүүлэгчийн ажлыг бүрэн бие даан гүйцэтгэх түвшинд хүрэхэд том саадтай тулгарч буй.

Google компани энэхүү саадыг даван туулж, зах зээлд тэргүүлэгч байр сууриа эргүүлэн авахын тулд San Francisco-д төвтэй, дөнгөж 35 хүнтэй Mechanize хэмээх стартапын багийг нэгтгэж, технологийг нь 1.5 тэрбум гаруй ам.доллароор лицензлэх томоохон хэлэлцээг хийж байгаа талаар салбарын эх сурвалжууд мэдээллээ.

Энэхүү алхам нь AI кодчиллын салбар ямар хурдтайгаар "туслах хэрэгсэл"-ээс (assistive tool) "бие даасан инженер" (autonomous software engineer) рүү шилжиж буйг тод харуулж байна.

Mechanize гэж ямар компани вэ? Яагаад ийм өндөр үнэлэгдэв?

Өнгөрсөн онд байгуулагдаж, дөнгөж хэдхэн сарын өмнө $9.1 саяын seed хөрөнгө оруулалт татаж байсан Mechanize нь энгийн чатбот эсвэл IDE плагин хөгжүүлдэггүй. Тэдний үндсэн зорилго бол AI загваруудыг жинхэнэ программ хангамжийн инженер шиг сэтгэж, ажиллахад сургах симуляцийн орчин (Reinforcement Learning Environments) болон үнэлгээний benchmark систем бүтээх юм.

Одоогийн LLM загварууд энгийн алгоритмын бодлого эсвэл функц бичихдээ гаргууд боловч дараах бодит инженерийн процессууд дээр гацдаг:

Олон мянган файлтай, үл таних том репозитор (legacy codebase) дотор дебаг хийх.
Алдаа гарсан үед лог уншиж, root cause-ийг тодорхойлон, өөрөө бие даан fix хийх.
Сервер асаах, build тохируулах, unit test ажиллуулах, deployment хийх зэрэг олон үе шаттай гинжин үйлдлийг төлөвлөх.

Mechanize яг энэ асуудлыг шийддэг. Тэдний бүтээсэн GBA Eval хэмээх бенчмарк нь AI агент 24 цагийн дотор Game Boy Advance эмуляторыг 0-ээс нь бүрэн бичиж, ажиллагааг нь автомат шалгуураар (grader) оноожуулж дүгнэдэг. Ийм төрлийн бодит орчинд загварыг Reinforcement Learning (RL) аргаар сургаснаар AI нь алдаанаасаа суралцаж, компиляцийн алдааг өөрөө засварлаж чаддаг бие даасан түвшинд хүрдэг байна.

Big Tech-ийн шинэ тактик: "Reverse-Acquisition / Licensing"

Google яагаад компаниа шууд худалдаж авсангүй вэ?

Сүүлийн үед АНУ болон Европын холбооны монополийн эсрэг зохицуулагч байгууллагууд (FTC, DOJ) технологийн акулуудын жижиг компаниудыг шууд залгих үйлдлийг хатуу хянаж, олон сараар царцаах болсон.

Үүний эсрэгээр Big Tech-үүд шинэ "тойрог зам" ашиглаж байна:

Компанийг бүхэлд нь авахгүйгээр, үүсгэн байгуулагч болон гол инженерүүдийг нь ажилд авах.
Технологи, кодын баазыг нь "онцгой бус" (non-exclusive) эрхтэйгээр асар өндөр дүнгээр лицензлэх.

Google өмнө нь Windsurf (хуучнаар Codeium)-ийн инженерүүдийг ийм зарчмаар Google DeepMind-д авчирч байсан бол энэ удаад Mechanize-тай ижил тактикаар тохиролцож байгаа юм.

Хөгжүүлэгчдэд энэ юу гэсэн үг вэ?

Энэхүү хөрөнгө оруулалт болон технологийн шилжилт нь програм хангамжийн хөгжүүлэгч бидний өдөр тутмын ажилд хэд хэдэн томоохон дохио өгч байна:

1. Синтакс бичих биш, Системийн дизайн ба Архитектур чухал болно

Код бичих механик хөдөлмөр (boilerplate код, CRUD үйлдэл, стандарт API интеграци) бүрэн автоматжих шатандаа орж байна. Хөгжүүлэгчийн үнэ цэнэ нь системийн архитектур, дэд бүтцийн найдвартай байдал, бизнес логикийн нарийн уялдааг тодорхойлоход төвлөрнө.

2. Reinforcement Learning (RL) эрин үе кодчилолд ирлээ

Зөвхөн интернэтээс цуглуулсан бэлэн кодон дээр "Pre-training" хийх арга хязгаартаа хүрсэн. Одоо загварууд тусгайлан бэлтгэсэн виртуал орчинд өөрсдөө код ажиллуулж, test-ийг fail болгож, алдаагаа засварлах замаар (RL loops) сайжирч байна. Энэ нь AI-ийн гаргах хий үзэгдэл (hallucination)-ийг эрс бууруулдаг.

3. Багийн бүтцийн өөрчлөлт

Ирээдүйд 5-10 инженерээс бүрддэг баг 1-2 ахлах инженер болон олон тооны бие даасан AI агентуудын (SWE agents) хослол болон хувирах магадлалтай. Ахлах инженерийн үүрэг нь код бичихээс илүүтэй агентуудад даалгавар хуваарилах, гарсан PR-уудыг review хийж, баталгаажуулах менежмент рүү шилжинэ.

Дүгнэлт

Anthropic Claude Code болон OpenAI Codex-ийн өрсөлдөөн ид өрнөж байгаа энэ үед Google $1.5 тэрбум долларын бооцоо тавьж байгаа нь кодчиллын талбарыг AI экосистемийн хамгийн ашигтай, хамгийн халуун цэг гэдгийг дахин баталлаа.

Хөгжүүлэгч бидний хувьд AI-ийг зөвхөн "код гүйцээгч" гэж харахаа больж, бүрэн бие даасан агентуудыг хэрхэн зөв удирдаж, архитектурын өндөр түвшинд хамтран ажиллах вэ гэдэг ур чадварт суралцах цаг иржээ.

Эх сурвалж: Business Insider / Towards AI - Google in Talks for $1.5B+ Mechanize AI Deal