Terwijl door AI aangedreven codeertools de markt overspoelen, is er een kritieke zwakte aan het licht gekomen: standaard zijn ze, zoals bij de meeste LLM-chatsessies, tijdelijk: zodra je een sessie sluit en een nieuwe start, vergeet de tool alles waar je net aan bezig was.
Ontwikkelaars hebben dit omzeild door codeertools en agenten hun status te laten opslaan in markdown- en tekstbestanden, maar deze oplossing is op zijn best hacky.
Gravende AI-code review startup, gelooft dat het een oplossing heeft met de lancering van wat zij het eerste intelligente regelsysteem voor AI-governance in de sector noemt – een raamwerk dat AI-code reviewers een persistent, organisatorisch geheugen geeft.
Het nieuwe systeem, vandaag aangekondigd als onderdeel van Qodo 2.1, vervangt statische, handmatig onderhouden regelbestanden door een intelligente beheerlaag. Het genereert automatisch regels op basis van daadwerkelijke codepatronen en eerdere auditbeslissingen, handhaaft de voortdurende status van de regels, handhaaft standaarden bij elke codebeoordeling en meet de echte wereld.
Voor Itamar Friedman, CEO en mede-oprichter van Qodo, vertegenwoordigt de release een beslissend moment, niet alleen voor zijn bedrijf, maar voor het hele veld van AI-ontwikkeltools.
“Ik ben ervan overtuigd dat deze aankondiging de belangrijkste is die we ooit hebben gedaan”, zei Friedman in een interview met VentureBeat.
Het ‘Memento’-probleem
Om de beperkingen van de huidige AI-coderingstools uit te leggen, beroept Friedman zich op de film van Christopher Nolan uit 2000 Aandenkenwaar de hoofdpersoon lijdt aan kortstondig geheugenverlies en aantekeningen op zijn lichaam moet tatoeëren om cruciale informatie te onthouden.
“Elke keer dat je ze belt, is het een machine die uit het niets ontwaakt”, zei Friedman over de hedendaagse AI-codeerassistenten. “Dus het enige dat het kan doen, is voordat het in de slaapstand gaat en opnieuw opstart, dat het naar een bestand kan schrijven wat het ook deed.”
Deze aanpak – het opslaan van context om bestanden als agents.md of servet.md te markeren – is een veelgebruikte oplossing geworden onder ontwikkelaars die tools als Claude Code en Cursor gebruiken. Maar Friedman stelt dat deze methode op bedrijfsschaal faalt.
“Denk eens aan zware software waarbij je nu, laten we zeggen, 100.000 van deze sticky notes hebt”, zei hij. “Sommige ervan zijn plakbriefjes. Sommige zijn enorme verklaringen. Sommige zijn verhalen. Je wordt wakker en je krijgt een taak. Het eerste wat (de AI) doet is statistisch op zoek gaan naar de juiste notities… Het is veel beter dan het niet hebben. Maar het is heel willekeurig.”
Van staatloos naar staat
De evolutie van AI-ontwikkeltools heeft volgens Friedman een duidelijk traject gevolgd: van automatische aanvulling (GitHub Copilot) tot vragen-en-antwoorden (ChatGPT) tot agentcodering binnen de IDE (Marker) tot agentfuncties overal (Claude Code). Maar hij stelt dat deze allemaal fundamenteel staatloos blijven.
“Als softwareontwikkeling echt een revolutie teweeg wil brengen in de manier waarop we software ontwikkelen voor echte software, moet het een stateful machine zijn”, aldus Friedman.
De kernuitdaging, legde hij uit, is dat codekwaliteit inherent subjectief is. Verschillende organisaties hanteren verschillende normen en zelfs teams binnen hetzelfde bedrijf kunnen problemen verschillend benaderen.
“Om echt een hoog automatiseringsniveau te bereiken, moet je je kunnen aanpassen aan de specifieke eisen van het bedrijf”, aldus Friedman. “Je moet code van hoge kwaliteit kunnen leveren. Maar kwaliteit is subjectief.”
Het antwoord van Qodo is wat Friedman beschrijft als “geheugen dat in de loop van de tijd is opgebouwd en beschikbaar is voor de codeeragenten, en dan kunnen ze controleren en verifiëren dat wat ze feitelijk doen consistent is met de subjectieve behoeften van het bedrijf.”
Dit is hoe het regelssysteem van Qodo werkt
Het regelssysteem van Qodo zorgt voor wat het bedrijf één enkele bron van waarheid noemt voor codeerstandaarden voor organisaties. Het systeem omvat verschillende belangrijke componenten:
-
Automatische regeldetectie: Een Rules Discovery Agent genereert standaarden op basis van codebases en pull-request-feedback, waardoor het handmatig aanmaken van regelbestanden overbodig wordt.
-
Intelligent onderhoud: Een regelexpert-agent identificeert voortdurend conflicten, duplicaten en verouderde standaarden om te voorkomen wat het bedrijf ‘regelverval’ noemt.
-
Schaalbare handhaving: Regels worden automatisch afgedwongen tijdens de beoordeling van de pull-request-code, waarbij aanbevolen oplossingen aan ontwikkelaars worden geleverd.
-
Analyse in de echte wereld: Organisaties kunnen de adoptiepercentages, overtredingstrends en verbeteringsstatistieken volgen om te bewijzen dat de normen worden nageleefd.
Friedman benadrukte dat dit een fundamentele verandering betekent in de manier waarop AI-codebeoordelingstools werken. “Dit is de eerste keer dat de AI-code review-tool overgaat van reactief naar proactief”, zei hij.
Het systeem geeft regels weer op basis van codepatronen, best practices en een eigen bibliotheek en legt deze vervolgens ter goedkeuring voor aan technische leads. Eenmaal geaccepteerd, ontvangen organisaties statistieken over de adoptie van beleid en overtredingen voor hun gehele codebase.
Een nauwere verbinding tussen geheugen en agenten
Wat de aanpak van Qodo volgens Friedman onderscheidt, is hoe nauw het regelsysteem integreert met de AI-agenten zelf – in plaats van het geheugen te behandelen als een externe hulpbron waar de AI doorheen kan zoeken.
“Met Qodo zijn dit geheugen en deze agenten veel meer verbonden dan wij in onze hersenen hebben”, zei Friedman. “Er zit veel meer structuur in… waarbij verschillende delen goed met elkaar verbonden zijn en niet gescheiden.”
Friedman merkte op dat Qodo leertechnieken voor verfijning en versterking toepast op dit geïntegreerde systeem, wat volgens hem het bedrijf heeft geholpen een verbetering van 11% te bereiken in precisie en terugroepactie ten opzichte van andere platforms, waarbij met succes 580 defecten werden geïdentificeerd in 100 echte productie-PR’s.
Friedman deed een voorspelling voor de industrie: “Als we een jaar vooruit kijken, zal het heel duidelijk zijn dat toen we in 2026 begonnen, we in staatloze machines zaten die probeerden te hacken hoe ze met het geheugen omgaan. En tegen het einde van 2026 zullen we een zeer gekoppelde manier hebben, en Qodo 2.1 is de eerste blauwdruk voor hoe we dat moeten doen.”
Enterprise-implementatie en prijzen
Qodo positioneert zichzelf als het eerste bedrijf dat meerdere implementatieopties aanbiedt. Organisaties kunnen het systeem volledig binnen hun eigen infrastructuur implementeren via cloudlocaties of VPN, een SaaS-optie met één tenant gebruiken waarbij Qodo een geïsoleerde instantie host, of kiezen voor traditionele selfservice SaaS.
De regels en in-memory-bestanden kunnen worden gevonden waar het bedrijf deze nodig heeft – op hun eigen cloudinfrastructuur of gehost door Qodo – en pakken gegevensbeheerproblemen aan die zakelijke klanten doorgaans tegenkomen.
Wat de prijzen betreft, handhaaft Qodo zijn bestaande stoelgebaseerde model met gebruiksquota. Momenteel biedt het bedrijf drie prijsniveaus: een gratis ontwikkelaarsabonnement voor individuen met 30 PR-beoordelingen per maand, een Teams-abonnement voor $ 38 per gebruiker per maand (met 21% besparing beschikbaar voor jaarlijkse facturering) dat 20 PR’s per maandelijks gebruik en 2.500 IDE/CLI-credits omvat, en een aangepast Enterprise-abonnement met contact-us-prijzen die functies toevoegen zoals multi-implementatie en on-SOm-ondersteuning.
Friedman erkende het voortdurende debat in de sector over de vraag of op stoelen gebaseerde prijzen zinvol zijn in een tijdperk van AI-agenten, maar zei dat het bedrijf van plan is dit onderwerp later dit jaar uitgebreider aan te pakken.
“Als u meer waarde krijgt, betaalt u meer”, zei Friedman. “Als jij het niet doet, zullen we dat allemaal doen.”
Vroege reactie van de klant
Ofer Morag Brin van HR-technologiebedrijf Hibob, een early adopter van het Rules System, rapporteerde positieve resultaten in een persbericht dat Qodo voorafgaand aan de lancering deelde met VentureBeat.
“Het regelssysteem van Qodo liet niet alleen de normen zien die we over verschillende plaatsen hadden verspreid; het maakte ze ook operationeel”, zegt Brin. “Het systeem versterkt voortdurend de manier waarop onze teams code daadwerkelijk beoordelen en schrijven, en we zien een sterkere consistentie, snellere onboarding en meetbare verbeteringen in de beoordelingskwaliteit binnen de teams.”
Qodo, opgericht in 2018, heeft $50 miljoen opgehaald bij investeerders, waaronder TLV Partners, Vine Ventures, Susa Ventures en Square Peg, met engelinvesteerders van OpenAI, Shopify en Snyk.
