Faros AI indsamler $16M for at kaste lys over udviklerproduktivitet, lancerer gratis open source-platform

Kildeknude: 1735623

Vitaly Gordon startede Salesforce Einstein i en kælder med 5 personer i 2016. Det tog ikke for lang tid, før det voksede til en utvetydig succes for Salesforce: forbedring af virksomhedens interne drift, brugt af over 10 kunder, producerer over 10 milliarder forudsigelser hver dag, såvel som banebrydende forskning, med hundredvis af mennesker, der arbejder på det.

Kunstig intelligens

Så hvorfor nyder Gordon ikke frugterne af sit arbejde hos Salesforce?

For som han udtrykte det, praktiserede de ikke, hvad de prædiker. Gordon indså, at ingeniørteams i organisationer slet ikke er datadrevne, som de burde være. Han forlod sin rolle som VP, Data Science and Engineering hos Salesforce Einstein og påbegyndte en søgen efter at gøre software engineering datadrevet sammen med nogle af sine tidligere kolleger.

Faros AI er det firma, Gordon var med til at stifte i 2019 for at give ingeniørteams dyb synlighed i deres operationer, så de kan sende produkter hurtigere. Faros Engineering Operations Platform er allerede i brug af Box, Coursera og GoFundMe.

Faros AI annoncerede i dag, at det har rejst 16 millioner dollars i startfinansiering ledet af SignalFire, Salesforce Ventures og Global Founders Capital med deltagelse fra erfarne teknologiske koryfæer inklusive Maynard Webb, Frederic Kerrest, Adam Gross og mere.

Hvad mere er, annoncerer virksomheden også den generelle tilgængelighed af sin gratis open source Community Edition, Faros CE. Vi talte med Gordon for at diskutere hans rejse med Faros AI, filosofien bag det, de kalder EngOps, og fremstillingen af ​​Faros AI-platformen.

Analytics som fyrtårnet for softwareingeniørteams

Faros er græsk for fyrtårn. Som Gordon bemærkede, går havinspirerede analogier stærkt i infrastrukturområdet. Det startede med Docker, og så kom Kubernetes, som er græsk for en havkaptajn. Så hvis Kubernetes er rorsmanden, der styrer skibet, hvad viser vejen? Det ville være fyrtårnet, og Faros AI ønsker at være fyrtårnet.

Gordon omtaler, hvad Faros gør som EngOps. Hvis du er bekendt med DevOps, tror du måske, at EngOps ligner - men det er det ikke. I virkeligheden kan det, Faros AI gør, opsummeres som analyser for softwareingeniørteams. Grunden til, at Faros bruger udtrykket EngOps, sagde Gordon, er et nik til andre discipliner.

Når vi ser på roller som Sales Operations, Marketing Operations eller Recruiting Operations, finder vi dem udfyldt af meget analytiske mennesker. Deres opgave er at hente data fra flere kilder, analysere pipelines, finde flaskehalsene og derefter rapportere til de relevante ledere og arbejde sammen med dem om at forbedre det, der skal forbedres.

Faros AI er bygget op omkring idéen om at evangelisere den slags rolle for software engineering. Gordon mener, at hver enkelt virksomhed bør have folk, der analyserer data, for at rådgive tekniske ledere om tildeling af ressourcer og træffe beslutninger.

Man skulle tro, at når softwareteknologi er helt digital, med etablerede praksisser og anvendte systemer, ville det være faldet nogen ind at bruge analyser til dette, og det ville allerede være implementeret. Konceptuelt er det ret ligetil, og Faros AI beskriver det ved hjælp af Triptykonen Connect — Analyser — Customize.

For det første skal alle de systemer, der er relevante for softwareudviklingsprocessen, forbindes, så deres data kan indtages. Faros lader brugere forbinde systemer såsom kodelagre, CI / CD, billetstyring og projektstyringssoftware i ét centraliseret registreringssystem.

44b7dade8566bd527b25c2f2ddd47f0907f27814-1640x908.png

Faros AI refererer til software engineering analytics som EngOps, i et nik til discipliner som Sales eller Marketing, hvor termer som SalesOps refererer til analytiske funktioner. Billede: Faros AI

Faros AI

Det er en forudsætning for at kunne lave analyser. Det er heller ikke så enkelt, som det lyder. Ud over at få stikkene på plads, skal dataene integreres og justeres, og Gordon sagde, at det kræver "en form for intelligens" at sy alle de forskellige datakilder sammen. Målet er at spore ændringer fra idé til produktion og videre, hændelser fra opdagelse til gendannelse til løsning og afstemme identiteter på tværs af de forskellige systemer.

Så kommer analysen, som er kernen i processen. Gordons erfaring er, at de målinger, der ofte bruges til at måle udviklerproduktivitet, såsom linjer med kode eller billetsalgshistoriepunkter, kan være nemme at måle, men de er ikke rigtig repræsentative. Hvis noget, sagde Gordon, kan der være en omvendt sammenhæng mellem disse målinger og den faktisk genererede værdi.

For at finde frem til, hvad han hævder kan blive et de facto-sæt af metrikker for softwareteknologi, søgte Gordon og hans medstiftere højt og lavt. De kom til at stole meget på DORA – Google Clouds DevOps-forskning og -vurdering.

DORA undersøgte over 1000 virksomheder og målte over 100 målinger ved at bruge dem til at klassificere hold i 4 buckets - Elite, High, Medium og Low. Det gjorde de, sagde Gordon, baseret på målinger, der fokuserer på proces og ikke mennesker, og måler resultater snarere end output. Det er den filosofi, som Faros AI også omfavner.

Sidst men ikke mindst giver tilpasning Faros AI-brugere mulighed for at finjustere målinger til deres egne behov og miljø. Da organisationer er forskellige i, hvordan de arbejder og de miljøer, de bruger, er dette en nødvendig bestemmelse for at sikre, at platformen fungerer godt for hvert scenarie, og de indsamlede målinger afspejler virkeligheden på stedet.

Måling og maksimering af værdi

Alt det lyder fint og godt, men hvordan omsættes det til håndgribelige fordele i praksis? For at løse dette spørgsmål startede Gordon med at sige, at bare det at kunne se alt på ét sted ofte er nok til at generere et "aha-øjeblik". Men det går ud over det; fortsatte han med at tilføje. Et afgørende aspekt, Faros AI har været i stand til at hjælpe kunder med, er ressourceallokering:

Innovation

“En af de ting, vi bliver ved med at høre fra vores kunder, og det kommer meget fra ledelsen på højt niveau, eller endda nogle gange bestyrelsen, er: Vi ansætter flere ingeniører, men vi ser ikke ud til at få gjort flere ting. Hvorfor det? Især i et miljø, hvor det er så svært at ansætte flere ingeniører, hvorfor ser vi så ikke resultater?

En af de ting, vi viste dem, er, at hvis din flaskehals ikke er på ingeniører, der skriver kode, men i kvalitetssikring, og du ikke har nok folk der, så vil ansættelse af flere ingeniører til at skrive flere funktioner faktisk gøre tingene langsommere, ikke hurtigere ", sagde Gordon.

Når organisationerne indså det, reagerede de ved at ændre deres ansættelsesplaner for at løse disse flaskehalse, og det gjorde en enorm forskel. Omplacering af den eksisterende arbejdsstyrke til at løse problemer i softwareudviklingspipelinen i stedet for at ansætte flere mennesker kan resultere i, hvad der svarer til at ansætte 20 % flere ingeniører ifølge Gordon.

Værdien kommer ikke kun fra at levere software hurtigere, men også fra at forbedre softwarekvaliteten og minimere nedetid, fortsatte Gordon. Ifølge Googles forskning kan besparelser være alt mellem $6 millioner og $250 millioner om året, afhængigt af teamets størrelse.

Faros AI er rettet mod ingeniørteamledere, CTO'er og lignende roller. Mens Gordon argumenterede for den værdi, den kan give dem; vi undrede os over, hvordan produktet bliver modtaget af ingeniørteammedlemmer, hvis arbejde er sat i fokus. Erfaringer med Faros AI-kunder viser, at medarbejdertilfredsheden stiger, sagde Gordon. Det er fordi det reducerer "internt bureaukrati", hvilket resulterer i en hurtigere turnaround og at ingeniører ser virkningen af ​​deres arbejde i den virkelige verden.

Hvis du taler om ting som softwarekvalitet og værdiskabt, vækker din appetit, bliver du nødt til at styre dine forventninger. At forsøge at tilskrive ingeniørteams arbejde til forretningsmålinger på højt niveau er den hellige gral for EngOps, sagde Gordon, men vi er der ikke endnu.

faros2.png

Faros AI introducerer et sæt softwareudviklerproduktivitetsmålinger, der sigter mod at blive industristandarden og modelleret efter Googles DORA-initiativ

Faros AI

Det tætteste vi kan komme på dette tidspunkt, fortsatte han med at tilføje, er at måle, hvor lang tid det tager at få noget til produktion. I betragtning af hvordan tekniske miljøer og systemer spreder sig, er det ikke trivielt. Gordons erfaring er, at Connect – Analyser – Customize-cyklussen er noget, som mange organisationer gør, under navne som f.eks. udvikler produktivitet, ingeniøreffektivitet eller ingeniørmæssig empowerment.

Det meste af det arbejde er fuldstændig udifferentieret, og det handler om opbygning af infrastruktur. Tankegangen er, at ligesom det giver mening for de fleste organisationer at bruge et hyldevare ERP- eller CRM-system og tilpasse det til deres behov, burde EngOps ikke være anderledes.

For Gordon er Faros AI's mission at bringe EngOps til så mange organisationer som muligt. Frigivelsen af ​​Faros CE, den gratis open source-fællesskabsudgave af Faros AI-platformen, er et vigtigt skridt, der tjener dette mål. Der er ingen reelle forskelle i kapaciteter mellem Faros CE og Faros AI Enterprise, undtagen når det kommer til funktioner som sikkerhed og compliance, sagde Gordon.

Faros CE er et BI-, API- og automatiseringslag for alle tekniske driftsdata, inklusive kildekontrol, opgavestyring, hændelsesstyring og CI/CD-data. Den sammensætter den bedste open source-software: Airbyte til dataindtagelse, Hasura til API-laget, Metabase til BI og n8n til automatisering. Faros CE er containerbaseret og kan køre i ethvert miljø, inklusive den offentlige sky, uden eksterne afhængigheder.

Faros AI Enterprise, tilgængelig som SaaS med muligheder for selvhosting, vil fortsat være drivkraften for indtægtsgenerering for Faros AI. Faros CE vil dog også tjene målet om at gøre det muligt for kunderne at gøre ting såsom at tilføje flere stik til deres foretrukne systemer. Faros AI fungerede på den omvendte måde, som virksomheder med open source- og enterprise-versioner typisk gør, begyndende med enterprise-versionen og derefter frigive open source-versionen.

Dette afspejles også i den måde, virksomheden valgte at indsamle penge på, sagde Gordon. Seed-runden på $16 millioner kommer efter, at virksomheden har været i drift i et stykke tid, med en fuldt funktionel platform og betalende kunder. Dette, fortsatte Gordon med at tilføje, betyder, at grundlæggerne minimerer udvandingen af ​​deres aktier, og bagmændene minimerer deres risiko. Finansieringen vil blive brugt til at investere i produktet, samt til at vokse Faros AI-teamet.

Tidsstempel: