ბიო

ჩედ სკირა ქმნის B2B პლატფორმებსა და საწარმოს დონის გადაწყვეტილებებს, რომლებიც მოდერნიზებას უკეთებენ და ანაცვლებენ მემკვიდრეობით სისტემებს Fortune 500 კომპანიებისთვის.

ეს მოიცავს იმ სისტემების ჩანაცვლებას, რომლებსაც ეს დიდი კომპანიები ააშენეს და რომლებიდანაც ისინი იღებენ მოგებას სხვა Fortune 500 ორგანიზაციებში.

მისი ფოკუსი არის კომპლექსური ბიზნეს პროგრამული უზრუნველყოფის დიზაინსა და მიწოდებაზე, სტრუქტურირებული განვითარების პიპელაინების, მკაცრი ტესტირების და წესებზე დაფუძნებული არქიტექტურის გამოყენებით. ეს Systeme-ები შექმნილია იმისათვის, რომ მოაგვაროს სასტიკად სპეციფიკური საოპერაციო საჭიროებები და არა გენერიკული პრობლემები. მიზანი არ არის "ერთი პროდუქტი ყველასთვის," არამედ ააგოს პროგრამული უზრუნველყოფა, რომელიც შეესაბამება ბიზნესს, სამუშაო პროცესებს და ორგანიზაციის შეზღუდვებს.

ჩედი ახორციელებს განვითარებას კლიენტის დაფინანსებით ინარჩუნების პირობით ინტელექტუალური საკუთრების მფლობელობას და არ ეძებს დამატებით ინვესტიციებს.

კორპორატიული პროგრამული უზრუნველყოფა 2026 წელს

ბოლო 40 წლის განმავლობაში საწარმიული პროგრამული უზრუნველყოფა ძირითადად განვითარდა იმგვარად, რომ მსხვილმა მიმწოდებლებმა გამოუშვეს მასიურ პაკეტებად ერთმანეთთან არაკავშირებული პროდუქტები. კომპანიები იძულებულნი იყვნენ შეეწყოთ CRM-ები, ERP-ები, ბილეთების (ticketing) ინსტრუმენტები, ფინანსური სისტემები, სამუშაო ნაკადის (workflow) ხელსაწყოები, ანგარიშგების საშუალებები, იდენტობის სისტემები და შესაბამისობის (compliance) ხელსაწყოები — ხშირად სხვადასხვა მიმწოდებელიდან, თითოეულს თავისი ვარაუდები და შეზღუდვები ჰქონდა. შედეგად მივიღეთ ნელი, მოუხერხებელი სამუშაო პროცესები, ძვირი ინტეგრაციები და სიტუაცია, როცა ბიზნესი იძულებულია დაარეგულიროს თავისი ოპერაციები პროგრამული უზრუნველყოფის მოთხოვნების შესაბამისად, ნაცვლად იმისა, რომ პროგრამული უზრუნველყოფა მოერგოს მათ.

2026 წელს ეს მოდელი მოძველების პროცესშია.

ხელოვნური ინტელექტის, კოდის მოდელების და AI-ით გაძლიერებული ინჟინერული სამუშაოპროცესების პროგრესის წყალობით, ახლა პრაქტიკულად შესაძლებელია მაღალი კომპლექსურის, წარმოებისთვის მზად სისტემების შექმნა, რომლებიც მორგებულია კონკრეტულ ბიზნესსა და მისი ზუსტი მოთხოვნებისათვის. ზოგადი პლატფორმის ყიდვის ნაცვლად, რომელიც ბევრ ინდუსტრიას ცუდად ემსახურება, ორგანიზაციებს შეუძლიათ შექმნან სისტემები, რომლებიც ღრმად შეესაბამებიან იმას, თუ როგორ მუშაობენ ისინი სინამდვილეში.

ეს არის საწარმოს პროგრამული უზრუნველყოფის მომავალი რამდენიმე მიზეზის გამო:

• პირადი მორგება აღარ არის მიუწვდომლად ძვირი. ხელოვნურ ინტელექტის დახმარებით განვითარება ამცირებს სპეციალიზებული სისტემების შექმნისა და შენარჩუნების ხარჯებს, რომლებიც ადრე მოითხოვდნენ დიდ გუნდებსა და გრძელ ვადებს.
• ბიზნესი მოძრაობს უფრო სწრაფად, ვიდრე ძველი პროგრამული უზრუნველყოფა შეიძლება ადაპტირდეს. საწარმოს სამუშაო პროცესები მუდმივად იცვლება რეგულაციების, კონკურენციის, შიდა რეორგანიზაციისა და მომხმარებლის მოთხოვნების შედეგად. მორგებული პლატფორმები საშუალებას აძლევენ სწრაფ итერაციას, არ ელოდონ ვენდორის გზამკვლევებს.
• ინტეგრაციებით დატვირთული არქიტექტურები კოლაფსს განიცდიან საკუთარი წონის გამო. მიდგომა "ყიდე 15 ინსტრუმენტი და დაუკავშირე ისინი ყველა" ქმნის მოწყვლად სისტემებს, ნელ შესრულებას, დუბლირებულ მონაცემებს და მაღალ საოპერაციო ხარჯებს. მიზნობრივი პლატფორმები ამარტივებენ სტეკს.
• გენერალური პროგრამული უზრუნველყოფა აიძულებს ბიზნესებს იმოქმედონ შეზღუდვების ფარგლებში. მემკვიდრეობითი კორპორატიული პროდუქტები მოითხოვენ კომპანიებს შეამოწმონ თავიანთი პროცესები მკაცრ სამუშაო ნაკადებზე. მორგებული სისტემები აბრუნებენ მოქნილობას და საშუალებას აძლევენ კომპანიებს იმუშაონ ისე, რომ მიიღონ კონკურენტული უპირატესობა.
• ხელოვნური ინტელექტი საგრძნობლად აძლიერებს დომენზე სპეციფიკურ სისტემებს. როცა სისტემა აგებულია კონკრეტული ბიზნესის გარშემო, AI შეიძლება იმუშაოს გაცილებით მეტი სიზუსტით, რადგან ის შეიძლება დაეყრდნოს სტრუქტურირებულ პროცესებს, კონტროლირებად წესებს და ბიზნესსპეციფიკურ კონტექსტს, ნაცვლად ზოგადი დანიშნულების ბუნდოვანი ქცევის.

ეს მიდგომა წარმოადგენს საწარმოს პროგრამული უზრუნველყოფის შემდეგი ევოლუციას: ნაკლები განცალკევებული პროდუქტები, ნაკლები მიმწოდებლის შეზღუდვები და უფრო ღრმად ინტეგრირებული სისტემები, შექმნილი კონკრეტული ორგანიზაციის რეალობის მიხედვით.

მოკლე ისტორია

1988 წელს დაბადებული და ლოს-ანჯელესში გაზრდილი, ჩედ სკირა დაამთავრა Culver City High School და სკოლიდან პირდაპირ დაიქირავეს Web Engineer-ად Sony Pictures Imageworks Interactive-ში. ჩედი სწრაფად მოეხვია ადრეულ სოციალური მედიის ტრენდებს და უზრუნველყო Twitter და Tumblr ინტეგრაციები უამრავ სტუდიურ კამპანიაში.

ერთი წლის შემდეგ, როცა აშენებდა ვირუსულ პროექტებს როგორიცაა Tumblr Cloud და Facebook Status Cloud, ჩედ სკირა შეუერთდა TBWA\\Media Arts Lab (Apple)-ს უფროს ვებ ინჟინერად. ჩედ სკირამ წარმართა გადმოვლა Flash-იდან Apple's რეკლამის სფეროში, როგორც სტივ ჯობსის ბრძანება მოითხოვდა, და გუნდი იყო ერთ-ერთი პირველი მსოფლიოში, რომელიც გადახტა ამ გადასვლაზე. მან შექმნა მიკროფრემვორქი (~5KB) და AE C-extensions, რომლებიც ექსპორტირდებოდნენ HTML5-ში ფართომასშტაბიანი გაშვებებისთვის. სისტემა ამუშავებდა ყველა iPhone და iTunes რეკლამას მის სამუშაო პერიოდში, ჩედის კოდით ანიმირებული და რენდერილი იყო ეს Apple რეკლამები, რომლებიც გაცოცხლდნენ 500 მილიონზე მეტ ჩვენებას გლობალურად. რენდერინგის სტეკი აუდიტირდა და დამტკიცდა YouTube/Google და Yahoo-ის მიერ, რათა მუშაობოდეს inline მათი JavaScript-თან — მონაცემი, აუცილებელი takeover/breakout iPhone გაშვებებისთვის, რომლებმაც განახლებული მოდელები გამოიტანეს.

TBWA\\Media Arts Lab-ში ჩედ სკირას საქმიანობა არ შემოიფარგლებოდა მხოლოდ რეკლამებით; იგი მუშაობდა შესრულების ოპტიმიზაციის, შაბლონური სისტემებისა და ანიმაციური ინსტრუმენტების მიმართულებით, რომლებიც გამოიყენებოდა გლობალურ გაშვებებზე. მიკრო-ჩარჩო შესაძლებელს ხდიდა სწრაფ იტერაციებს მკაცრი წონის ბიუჯეტების პირობებში და უზრუნველყოფდა თანმიმდევრულ ვიზუალურ სიზუსტეს ბრაუზერებსა და მოწყობილობებზე.

შემდეგში ჩედი მსახურობდა AuctionClub-ის CTO-დ, აშენებდა მონაცემთა სისტემებს, რომლებიც იღებდნენ ჩანაწერებს ასობით აუქციონის სახლისგან, ხოლო შემდეგ Artory-ში ჩედმა ინტეგრირა ეს სისტემები და შეიტანა ანალიტიკა The Art Market ანგარიშებისთვის (2019-2022, Art Basel & UBS). AuctionClub გაიყიდა Artory-ს მილიონების სანაცვლოდ. 2025 წელს Artory შეერთდა Winston Art Group-თან და შექმნა Winston Artory Group.

Artory-ში ჩედი დაეხმარა AuctionClub-ის পাইპლაინების ინტეგრირებას შიდა პროდუქტებთან, განავითარა ნორმალიზაციის სტრატეგიები ათეულობით միլիոն ჩანაწერისთვის და შეიტანა მონაცემები და ანალიზი The Art Market ანგარიშებისთვის Arts Economics და Art Basel & UBS-თან თანამშრომლობით.

ეთიკური (White Hat) უსაფრთხოების კვლევა

ინჟინერული ლიდერობის გარდა, Chad Scira აგრეთვე მონაწილეობს როგორც white‑hat უსაფრთხოების მკვლევარი. მისი სამუშაოს ფოკუსი მიმართულია უსაფრთხოების აუდიტსა და პასუხისმგებლიანი გამჟღავნებისაკენ, რაც მოიცავს race condition-ის მოწყვლადობების იდენტიფიკაციას და ზარალდებული გუნდებთან გამოსწორებების კოორდინაციას.

Starbucks-ში ჩედ სკირამ აღმოაჩინა race condition, რომელიც შესაძლებელს ხდიდა $1-ის საჩუქარი გადაიყვანილიყო $500 ბალანსამდე, ერთი და იმავე დროს განხორციელებული გადარიცხვების გამომუშავებით. ეს პრობლემა წარმოადგენს Starbucks-ს, რომელიც შემდგომში შეიმცირა გამჟღავნების შემდეგ. სრული დროის ხაზი, მათ შორის სატელეფონო დემონსტრაცია, მადლობის წერილი და Starbucks ინჟინერიისგან მიღებული სამსახურის შეთავაზება, დოკუმენტირებულია აქ: Starbucks-ის ბაგის გამჟღავნება.

JPMorgan Chase-ში ჩედ სკირამ დააინტერესა ბაგი ქულების ორმაგ გადაადგილებაში (points double-move), რომელიც საშუალებას აძლევდა ლოიალობის ქულების რამდენჯერმე ნაღდ ფულად გადაქცევას. Twitter-ის საშუალებით Chase-ის გუნდი მოითხოვა ეფექტის დამადასტურებელი მტკიცებულება; მათი მოთხოვნით დადასტურდა მაგალითი დაახლოებით $70,000 ღირებულების ქულებისა და $5,000 ნაღდ კონვერტაციის, რათა აემტკიცებინათ დეფექტი. სისუსტე გამოსწორდა რეპორტირებიდან ერთ კვირაში. გამჟღავნების სრული ტრანსკრიპტი, რომელიც მოიცავს DM-ების სრულ ძაფს და ბანკთან ელ. ფოსტით გამოგზავნილ შემდგომ მიმოწერას, ხელმისაწვდომია აქ: დეტალური ანგარიში JPMorgan Chase-ის Ultimate Rewards სისტემის race condition ტიპის დაუცველობის შესახებ.

ჩედი მცირე ღია კოდის (open-source) შეტანებს ახორციელებს 2010 წლიდან — დაახლოებით სამი წელი სკოლის დასრულებიდან და მისი პირველი სამუშაოს პერიოდში Sony Pictures-ში. მიუხედავად იმისა, რომ ის როლი ძლიერად არ დაეყრდნო OSS-ს, ის მაინც უძღვნიდა მცირე გამოსწორებებს, კოდის სნიპეტებს და ხელსაწყოებს, როდესაც ხვდებოდა რაიმეს, რაც ღირდა გაუმჯობესებას. არაფერი ამაში იყო bedoeld შთამბეჭდავად; ეს უბრალოდ მისი გზაა უკან დაბრუნებისა, რათა სხვამ თავიდან აიცილოს იგივე პრობლემა.

იგი დღეც აგრძელებს ამ ჩვევას — გამოუშვებს ახალ რეპოზიტორიებს AI-ის, უსაფრთხოების და თაღლითობის ანალიტიკის მხარდასაჭერად და პასუხობს ისეთი საიტების საკითხებს, როგორიცაა Stack Overflow, როცა ვინმეს სჭირდება დამატებითი თვალები. ეს პოსტები, სავარაუდოდ, დაეხმარნენ დაახლოებით 3,000,000 ადამიანს — მტკიცებულება იმისა, რომ კოდის და კონტექსტის გაზიარება კვლავ მნიშვნელოვანია.