تقوم أطروحة أوبلين الأساسية على فكرة مباشرة: أدوات البرمجة المساعدة بالذكاء الاصطناعي مثل Claude Code و Cursor و GitHub Copilot مُحسَّنة لتحقيق السرعة وإنجاز المهام، وليس للأمن الشامل. ويمكن للكود الناتج أن يُدخل عن غير قصد ثغرات معمارية لا تكتشفها أدوات التحليل الساكن التقليدية .
لمواجهة ذلك، تعمل أوبلين بشكل مستمر في الخلفية، حيث ترسم خريطة لمعمارية قاعدة الكود بأكملها، وتكشف عن متطلبات الأمان على مستوى النظام، وتقدم حلولاً سياقية للمعالجة داخل الأدوات التي يستخدمها المطورون بالفعل—مثل بيئات التطوير المتكاملة عبر بروتوكول سياق النموذج (MCP)، وطلبات السحب (pull requests) على غيت هاب أو غيت لاب، وتطبيق سلاك .
تُوصف المنصة بأنها "وكيلة" لأنها لا تقوم ببساطة بإجراء فحص دوري. بدلاً من ذلك، تحلل كل تغيير في الكود فور حدوثه، مُحسِّنة فهمها لمعمارية النظام مع كل تكرار . وتُفصّل صفحة المنتج تحليلاً متعدد المسارات لنموذج لغوي كبير (LLM) يأخذ أوصاف المشروع بلغة واضحة ومعمارية المستودع كمدخلات، ويطرح أسئلة متابعة، ويولد متطلبات أمان دقيقة وقابلة للتنفيذ في غضون 10 دقائق تقريباً
.
"أدوات البرمجة بالذكاء الاصطناعي مُحسَّنة لحل المشكلة المباشرة أمامها – وليس للأمن… هذا يحتاج إلى أن يُعالج بحلول وكيلة، مدمجة بإحكام مع سير عمل التطوير في المؤسسة." — إميل كفارنهامار، الرئيس التنفيذي
تمتلك الشركة بالفعل قوة دفع ملموسة مع زبائن مؤسسيين مبكرين. منصة أوبلين مُنشَرة في بيئة الإنتاج لدى كل من Miro، منصة التعاون البصري، و Tandem Health، شركة تكنولوجيا الرعاية الصحية. في كليهما، توسع التبني من مجموعة صغيرة من المستودعات إلى عدة مئات، مولِّداً الآلاف من نماذج التهديدات في غضون أشهر من النشر .
مع تحول الكود المُولَّد بالذكاء الاصطناعي إلى ممارسة معيارية داخل فرق الهندسة، تشير جولة تمويل أوبلين إلى أن المستثمرين يراهنون على أن طبقة الأمان لا يمكن أن تكون فكرة لاحقة. نهج الشركة — المستمر، والمضمَّن، والوكيل — يضعها لتصبح جزءاً حيوياً من خط أنابيب التطوير الحديث.
Comments
0 comments