Faros AI recauda $ 16 millones para arrojar luz sobre la productividad de los desarrolladores, lanza una plataforma gratuita de código abierto

Vitaly Gordon puso en marcha Salesforce Einstein en un sótano con 5 personas en 2016. No pasó mucho tiempo antes de que se convirtiera en un éxito inequívoco para Salesforce: mejora de las operaciones internas de la empresa, utilizado por más de 10 10 clientes, produciendo más de XNUMX XNUMX millones de predicciones todos los días, tanto como investigación de vanguardia, con cientos de personas trabajando en ello.

Entonces, ¿por qué Gordon no disfruta de los frutos de su trabajo en Salesforce?

Porque, como él dijo, no estaban practicando lo que predicaban. Gordon se dio cuenta de que los equipos de ingeniería en las organizaciones no se basan en absoluto en los datos como deberían. Dejó su puesto como vicepresidente de ciencia e ingeniería de datos en Salesforce Einstein y se embarcó en una búsqueda para hacer que la ingeniería de software esté basada en datos, junto con algunos de sus antiguos colegas.

Faro AI es la empresa que Gordon cofundó en 2019 para brindar a los equipos de ingeniería una visibilidad profunda de sus operaciones para que puedan enviar productos más rápido. La plataforma de operaciones de ingeniería de Faros ya la utilizan Box, Coursera y GoFundMe.

Faros AI anunció hoy que ha recaudado $ 16 millones en fondos iniciales liderados por SignalFire, Salesforce Ventures y Global Founders Capital con la participación de luminarias tecnológicas experimentadas como Maynard Webb, Frederic Kerrest, Adam Gross y más.

Además, la compañía también anuncia la disponibilidad general de su Community Edition gratuita de código abierto, Faros CE. Nos reunimos con Gordon para hablar sobre su viaje con Faros AI, la filosofía de lo que ellos llaman EngOps y la creación de la plataforma Faros AI.

Analytics como faro de los equipos de ingeniería de software

Faros es griego para faro. Como señaló Gordon, las analogías de inspiración marina se están fortaleciendo en el espacio de la infraestructura. Comenzó con Docker, y luego llegó Kubernetes, que en griego significa capitán de barco. Así que si Kubernetes es el timonel que dirige el barco, ¿qué señala el camino? Ese sería el faro, y Faros AI quiere ser el faro.

Gordon se refiere a lo que hace Faros como EngOps. Si está familiarizado con DevOps, puede pensar que EngOps es similar, pero no lo es. En realidad, lo que hace Faros AI se puede resumir como análisis para equipos de ingeniería de software. La razón por la que Faros usa el término EngOps, dijo Gordon, es un guiño a otras disciplinas.

Al observar roles como Operaciones de ventas, Operaciones de marketing o Operaciones de reclutamiento, los encontramos ocupados por personas altamente analíticas. Su trabajo es obtener datos de múltiples fuentes, analizar las canalizaciones, encontrar los cuellos de botella y luego informar a los ejecutivos relevantes y trabajar con ellos para mejorar lo que se necesita mejorar.

Faros AI se basa en la noción de evangelizar ese tipo de rol para la ingeniería de software. Gordon cree que cada empresa debe tener personas que analicen datos para asesorar a los líderes de ingeniería sobre la asignación de recursos y la toma de decisiones.

Uno pensaría que, dado que la ingeniería de software es completamente digital, con prácticas y sistemas establecidos, a alguien se le habría ocurrido usar análisis para esto y ya se habría implementado. Conceptualmente, es bastante sencillo, y Faros AI lo describe utilizando el tríptico Conectar, analizar y personalizar.

Primero, todos los sistemas relevantes para el proceso de desarrollo de software deben estar conectados, para que sus datos puedan ser ingeridos. Faros permite a los usuarios conectar sistemas como repositorios de código, CI / CD, gestión de tickets y software de gestión de proyectos en un sistema de registro centralizado.

Ese es un requisito previo para poder hacer análisis. Tampoco es tan simple como parece. Más allá de colocar los conectores en su lugar, los datos deben integrarse y alinearse, y Gordon dijo que se necesita "algún tipo de inteligencia" para unir todas esas diferentes fuentes de datos. El objetivo es rastrear los cambios desde la idea hasta la producción y más allá, los incidentes desde el descubrimiento hasta la recuperación y la resolución, y reconciliar las identidades en los diferentes sistemas.

Luego viene el análisis, que es el núcleo del proceso. Según la experiencia de Gordon, las métricas que a menudo se usan para medir la productividad de los desarrolladores, como las líneas de código o los puntos de la historia de emisión de tickets, pueden ser fáciles de medir, pero en realidad no son representativas. En todo caso, dijo Gordon, puede haber una correlación inversa entre esas métricas y el valor real generado.

Para llegar a lo que, según él, puede convertirse en un conjunto de métricas de facto para la ingeniería de software, Gordon y sus cofundadores buscaron por todas partes. Llegaron a depender mucho de DORA: investigación y evaluación de DevOps de Google Cloud.

DORA estudió más de 1000 empresas y midió más de 100 métricas, usándolas para clasificar equipos en 4 grupos: Élite, Alto, Medio y Bajo. Lo hicieron, dijo Gordon, en base a métricas que se enfocan en el proceso y no en las personas, midiendo los resultados en lugar de los productos. Esta es la filosofía que también adopta Faros AI.

Por último, pero no menos importante, la personalización permite a los usuarios de Faros AI ajustar las métricas a sus propias necesidades y entorno. Dado que las organizaciones difieren en la forma en que trabajan y los entornos que utilizan, esta es una disposición necesaria para garantizar que la plataforma funcione bien para cada escenario y que las métricas recopiladas reflejen la realidad sobre el terreno.

Medir y maximizar el valor

Todo eso suena muy bien, pero ¿cómo se traduce en beneficios tangibles en la práctica? Para responder a esta pregunta, Gordon comenzó diciendo que el simple hecho de poder ver todo en un solo lugar a menudo es suficiente para generar un "momento ajá". Pero va más allá de eso; continuó agregando. Un aspecto crucial con el que Faros AI ha podido ayudar a los clientes es la asignación de recursos:

“Una de las cosas que seguimos escuchando de nuestros clientes, y proviene mucho de la gerencia de alto nivel, o incluso a veces de la junta, es: contratamos más ingenieros, pero parece que no hacemos más cosas. ¿Porqué es eso? Especialmente en un entorno en el que es tan difícil contratar más ingenieros, ¿por qué no vemos resultados?

Una de las cosas que les mostramos es que si su cuello de botella no está en los ingenieros que escriben código, sino en el control de calidad, y no tiene suficientes personas allí, contratar más ingenieros para escribir más funciones en realidad hará que las cosas sean más lentas, no más rápidas. ”, dijo Gordon.

Una vez que las organizaciones se dieron cuenta de eso, respondieron cambiando sus planes de contratación para abordar esos cuellos de botella, y eso marcó una gran diferencia. Reasignar la fuerza de trabajo existente para abordar problemas en la tubería de ingeniería de software, en lugar de contratar a más personas, puede dar como resultado el equivalente a contratar un 20 % más de ingenieros, según Gordon.

El valor proviene no solo de entregar el software más rápido, sino también de mejorar la calidad del software y minimizar el tiempo de inactividad, agregó Gordon. Según la investigación de Google, los ahorros pueden oscilar entre $6 millones y $250 millones por año, según el tamaño del equipo.

Faros AI está dirigido a líderes de equipos de ingeniería, CTO y roles similares. Mientras que Gordon defendió el valor que puede brindarles; nos preguntamos cómo reciben el producto los miembros del equipo de ingeniería, cuyo trabajo se destaca. La experiencia con los clientes de Faros AI muestra que la satisfacción de los empleados aumenta, dijo Gordon. Esto se debe a que reduce la "burocracia interna", lo que da como resultado un tiempo de respuesta más rápido y permite que los ingenieros vean el impacto de su trabajo en el mundo real.

Si hablar de cosas como la calidad del software y el valor generado le abre el apetito, tendrá que gestionar sus expectativas. Tratar de atribuir el trabajo de los equipos de ingeniería a métricas comerciales de alto nivel es el santo grial para EngOps, dijo Gordon, pero todavía no hemos llegado allí.

Lo más cerca que podemos llegar a este punto, agregó, es medir cuánto tiempo lleva llevar algo a producción. Dada la expansión de los entornos y sistemas de ingeniería, eso no es trivial. Según la experiencia de Gordon, el ciclo Conectar - Analizar - Personalizar es algo que hacen muchas organizaciones, bajo nombres como productividad del desarrollador, eficiencia de la ingeniería o empoderamiento de la ingeniería.

La mayor parte de ese trabajo es completamente indiferenciado y se trata de la construcción de infraestructura. La idea es que así como tiene sentido para la mayoría de las organizaciones usar un sistema ERP o CRM listo para usar y personalizarlo según sus necesidades, EngOps no debería ser diferente.

Para Gordon, la misión de Faros AI es llevar EngOps a tantas organizaciones como sea posible. El lanzamiento de Faros CE, la edición comunitaria gratuita y de código abierto de la plataforma de IA de Faros, es un paso importante para lograr ese objetivo. No existen diferencias reales en las capacidades entre Faros CE y Faros AI Enterprise, excepto cuando se trata de funciones como la seguridad y el cumplimiento, dijo Gordon.

Faros CE es una capa de BI, API y automatización para todos los datos operativos de ingeniería, incluido el control de fuentes, la gestión de tareas, la gestión de incidentes y los datos de CI/CD. Compone el mejor software de código abierto de su clase: Airbyte para la ingesta de datos, Hasura para la capa API, Metabase para BI y n8n para la automatización. Faros CE está basado en contenedores y puede ejecutarse en cualquier entorno, incluida la nube pública, sin dependencias externas.

Faros AI Enterprise, disponible como SaaS con opciones de alojamiento propio, seguirá siendo el motor de monetización de Faros AI. Sin embargo, Faros CE también cumplirá el objetivo de permitir que los clientes hagan cosas como agregar más conectores a sus sistemas de elección. Faros AI funcionó de la manera inversa que suelen hacer las empresas que tienen versiones de código abierto y empresariales, comenzando con la versión empresarial y luego lanzando la versión de código abierto.

Esto también se refleja en la forma en que la empresa eligió recaudar fondos, dijo Gordon. La ronda inicial de 16 millones de dólares se produce después de que la empresa haya estado en funcionamiento durante un tiempo, con una plataforma totalmente funcional y clientes de pago. Esto, agregó Gordon, significa que los fundadores minimizan la dilución de sus acciones y los patrocinadores minimizan su riesgo. La financiación se utilizará para invertir en el producto, así como para hacer crecer el equipo de IA de Faros.