แนวคิดหลักของ Oplane นั้นตรงไปตรงมา: เครื่องมือช่วยเขียนโค้ดด้วย AI อย่าง Claude Code, Cursor และ GitHub Copilot ถูกออกแบบมาเพื่อความเร็วและทำงานให้เสร็จ ไม่ใช่เพื่อความปลอดภัยโดยรวม โค้ดที่ได้จึงอาจแฝงช่องโหว่เชิงสถาปัตยกรรมที่เครื่องมือวิเคราะห์โค้ดแบบดั้งเดิมหาไม่เจอ
เพื่อตอบโจทย์นี้ Oplane ทำงานอยู่เบื้องหลังตลอดเวลา สร้างแผนที่สถาปัตยกรรมของโค้ดเบสทั้งหมด ค้นหา Security Requirements ในระดับระบบ และเสนอแนวทางแก้ไขตามบริบทในเครื่องมือที่นักพัฒนาคุ้นเคย ไม่ว่าจะเป็น IDE ผ่าน Model Context Protocol (MCP), Pull Request บน GitHub หรือ GitLab, และ Slack
แพลตฟอร์มนี้ถูกเรียกว่าเป็นแบบ "Agentic" เพราะมันไม่ได้แค่สแกนเป็นช่วงๆ แต่จะวิเคราะห์การเปลี่ยนแปลงของโค้ดทุกรายการทันทีที่เกิดขึ้น และพัฒนาความเข้าใจในสถาปัตยกรรมของระบบให้แม่นยำขึ้นเรื่อยๆ ในทุกๆ รอบ
หน้าแสดงรายละเอียดผลิตภัณฑ์อธิบายถึงการใช้ LLM (โมเดลภาษาขนาดใหญ่) แบบหลายรอบ โดยรับคำอธิบายโปรเจกต์และโครงสร้างของ repository เป็นข้อมูลตั้งต้น จากนั้นจะถามคำถามเจาะลึก และสร้าง Security Requirements ที่ชัดเจน นำไปปฏิบัติต่อได้ ในเวลาประมาณ 10 นาที
"เครื่องมือ AI เขียนโค้ดถูกออกแบบมาเพื่อแก้ปัญหาเฉพาะหน้า ไม่ใช่เพื่อความปลอดภัย... มันต้องถูกแก้ด้วยโซลูชันอัจฉริยะ ที่ฝังตัวอย่างแนบแน่นเข้ากับขั้นตอนการพัฒนาขององค์กร" - Emil Kvarnhammar, ซีอีโอ
บริษัทเริ่มมีฐานลูกค้าที่เป็นรูปธรรมตั้งแต่ระยะแรก Oplane ถูกใช้งานในระดับ Production แล้วที่ Miro แพลตฟอร์ม Visual Collaboration และ Tandem Health บริษัทเทคโนโลยีด้านสุขภาพ โดยเริ่มจากการใช้ใน repository ไม่กี่แห่ง และขยายไปสู่หลายร้อยแห่ง สร้างแบบจำลองภัยคุกคามนับพันรายการภายในไม่กี่เดือน
นอกจากนี้ Oplane ยังเปิดเผยว่า ยังมีโปรเจกต์นำร่องอีกจำนวนหนึ่งที่กำลังดำเนินอยู่ โดยคาดว่าจะประกาศรายชื่อลูกค้าเพิ่มเติมเร็วๆ นี้
ในยุคที่โค้ดจาก AI กำลังกลายเป็นมาตรฐานในทีมวิศวกรรม การระดมทุนของ Oplane ส่งสัญญาณว่า นักลงทุนกำลังเดิมพันว่า ชั้นความปลอดภัยไม่สามารถเป็นสิ่งที่ถูกคิดทีหลังได้ แนวทางของบริษัท — ต่อเนื่อง, ฝังตัว, และเป็นอัจฉริยะ — กำลังวางตำแหน่งให้ Oplane กลายเป็นองค์ประกอบสำคัญในกระบวนการพัฒนาซอฟต์แวร์ยุคใหม่
Comments
0 comments