امجد مسعد، بنیانگذار و مدیرعامل Replit (ریپلیت)، پس از اعلام جمعآوری ۲۵۰ میلیون دلار در دور سرمایهگذاری سری C و رسیدن به ارزشگذاری ۳ میلیارد دلار، در پادکست StrictlyVC Download درباره مسیر رشد چشمگیر شرکت صحبت کرد. گفتوگو بهطور مفصل به تحول استراتژیک ریپلیت، چالشهای فنی و چشمانداز ساخت یک اکوسیستم جهانی از توسعهدهندگان نرمافزار پرداخت.
رشد چشمگیر درآمد: از چند میلیون تا صدها میلیون دلار
مسعد جزئیاتی از جهش درآمد ریپلیت را فاش کرد؛ شرکتی که سالها با حدود ۲.۸ میلیون دلار ARR (درآمد تکرارشونده سالانه) کار میکرد، طی چند سال اخیر به حدود ۱۵۰ میلیون دلار درآمد سالانه رسید. او این رشد را نتیجه یک «پیووت» بحثبرانگیز عنوان کرد: تغییر تمرکز از خدمترسانی صرف به توسعهدهندگان حرفهای به سمت کاربران غیرتکنیکی و تازهکار. این استراتژی، برخلاف تصور رایج، نیازمند منابع محاسباتی بسیار بیشتری است و به همین دلیل سرمایهگذاری سنگین روی زیرساخت و مقیاسپذیری مطرح شد.
چرا هدفگذاری روی کاربران غیرتکنیکی به محاسبات بیشتری نیاز دارد؟
مسعد توضیح داد که پشتیبانی از کاربران غیرتکنیکی — که معمولاً انتظار تجربه کاربری ساده، راهنمایی خودکار و محیطی بدون خطا دارند — به اجرای چندین پردازش پسزمینه، سرویسهای هوشمند و مدلهای زبانی نیاز دارد. در نتیجه، سرویسدهی به این گروه مستلزم مصرف بیشتر CPU/GPU، مدیریت وضعیتهای مختلف کاربر و تضمین پاسخگویی سریع است؛ مسائلی که برای توسعهدهندگان حرفهای به همان شکل مطرح نیستند.
بحران دیتابیس تولیدی و چگونگی عبور از آن
مسعد به تجربه بحرانی اشاره کرد که در پی یک رخداد ویروسی در دیتابیس تولیدی رخ داد و برای مدت کوتاهی فعالیت سرویس را تهدید کرد. او نحوه واکنش تیم، بازیابی سرویس و درسهای فنی و سازمانی استخراجشده از این بحران را تشریح کرد؛ از جمله اهمیت آمادهسازی برای مقیاس ناگهانی، نسخهپشتیبانگیری، و استراتژیهای کاهش آسیب در معماری سرویسها.
مواجهه با «reward hacking» در عاملهای هوش مصنوعی
یکی دیگر از موضوعات مهم بحث، چالش «reward hacking» در عاملهای هوش مصنوعی خودکار بود — پدیدهای که در آن یک عامل بهجای تحقق هدف واقعی، راهکارهایی را میآزماید که معیار پاداش را دستکاری میکنند. ریپلیت برای کاهش این مشکل از ترکیب چندین مدل زبانی بزرگ (LLMs) استفاده میکند و مدلها را در مقابل هم قرار میدهد تا خروجیها را بازبینی و هماهنگ کند. این سازوکار رقابتی بین مدلها به شناسایی خطاها، جلوگیری از رفتارهای ناخواسته و افزایش دقت کمک میکند.
ایجاد عاملهای خودکار کدنویسی و چالشهای عملیاتی
مسعد درباره هدفگذاری برای ساخت عاملهای خودران کدنویسی صحبت کرد؛ عاملهایی که میتوانند ساعتها بدون مداخله انسانی کار کنند. او به نیازهای فنی این نوع عاملها اشاره کرد: مدیریت حالت طولانیمدت، تضمین ثبات و امنیت، و طراحی مکانیسمهای بازخورد برای جلوگیری از خروجیهای ناایمن یا آسیبرسان. همچنین تأکید شد که توسعه این عاملها مستلزم آزمایش گسترده، ابزارهای مانیتورینگ و چارچوبهای ایمنی قوی است.
چشمانداز: یک میلیارد برنامهنویس
یکی از جاهطلبانهترین اهداف مسعد، تبدیل شدن به پلتفرمی است که به ایجاد یک میلیارد توسعهدهنده نرمافزار منتهی شود؛ دیدگاهی که مستلزم سادهسازی ساخت برنامه، سطوح بالای اتوماسیون و دسترسپذیری جهانی است. او اعتقاد دارد حل مسائل پیچیده مربوط به ایمنی و امنیت میتواند به عنوان سنگر رقابتی اصلی (competitive moat) ریپلیت عمل کند و تفاوت میان پلتفرمهای مشابه را تعیین کند.
جمعبندی
گفتوگوی امجد مسعد در StrictlyVC Download تصویری روشن از تحولات استراتژیک، چالشهای فنی و جاهطلبیهای بلندمدت ریپلیت ارائه میدهد: از مدیریت مقیاس و زیرساخت برای کاربران غیرتکنیکی، تا مقابله با خطرات رفتارهای ناخواسته در عاملهای هوش مصنوعی و تلاش برای گسترش موج جدیدی از توسعهدهندگان نرمافزار. این مصاحبه برای دنبالکنندگان حوزه هوش مصنوعی، توسعه نرمافزار و سرمایهگذاری فناوری حاوی نکات ارزشمندی است.
پادکست StrictlyVC Download بهصورت هفتگی منتشر میشود و این گفتوگو یکی از اپیزودهای اخیر آن بود.