Grab migliora la stabilità dell'app mobile gestendo l'aumento del codice generato dall'intelligenza artificiale

Grab ha implementato una strategia di difesa a strati per prevenire, rilevare e contenere i crash durante l'intero ciclo di vita dello sviluppo e del rilascio. Questa misura è stata adottata per contrastare l'aumento del volume di modifiche al codice per ogni rilascio, causato dalla crescente adozione di assistenti alla programmazione basati sull'intelligenza artificiale, che ha accelerato lo sviluppo ma ha anche creato maggiori opportunità per difetti e crash.

L'azienda ha osservato che l'intelligenza artificiale velocizza la scrittura del codice, rendendo necessaria una difesa a strati per garantire che tale velocità sia sicura. I crash che raggiungono la produzione rappresentano un rischio costante a causa dell'elevato volume di richieste di integrazione settimanali provenienti da numerosi team di prodotto, molti dei quali distribuiscono funzionalità tramite flag attivati indipendentemente dai rilasci.

I crash delle applicazioni mobili riducono i tassi di sessioni senza crash e, di conseguenza, il posizionamento dell'app su Google Play. Tali problemi comportano costi maggiori poiché non tutti gli utenti abilitano gli aggiornamenti automatici, facendo sì che un crash rimanga sui dispositivi per più tempo. Inoltre, non tutti i crash forniscono tracce dello stack pulite e simbolicate, costringendo a incrociare cronologie di rilascio, attivazioni di flag e metadati delle sessioni per trovarne la causa.

La strategia di Grab segue un approccio di spostamento a sinistra per intercettare i crash il prima possibile. Nella fase che va dal pre integrazione alla pre produzione, l'obiettivo è la prevenzione. Gli ingegneri utilizzano analizzatori di codice statico come Android Lint e SwiftLint, test automatizzati e manuali, inclusi test unitari, test dell'interfaccia utente e controlli di qualità. Viene inoltre utilizzato Grab Early Access, un passaggio di pre produzione dove le versioni preliminari sono distribuite a utenti interni e monitorate per evitare picchi di crash in produzione.

Durante la fase di rilascio, Grab utilizza il rilascio graduale e i flag delle funzionalità per controllare l'esposizione dei crash in produzione. Il rilascio graduale permette a una nuova versione di raggiungere inizialmente solo una piccola percentuale di utenti. I flag delle funzionalità consentono di attivare le funzioni progressivamente e di disabilitarle immediatamente se i tassi di crash superano le soglie predefinite.

Nella fase post rilascio, l'attenzione si sposta sulla risposta rapida agli incidenti. Grab impiega Firebase Crashlytics e BigQuery per il monitoraggio in tempo reale, insieme a sistemi di triage automatizzati e diagnostica arricchita per mappare i crash a specifiche richieste di integrazione. Infine, l'azienda utilizza cicli di feedback e analisi post mortem per ampliare le regole di analisi statica e la copertura dei test.