Faros AI mengumpulkan $16 juta untuk menyoroti produktivitas pengembang, meluncurkan platform sumber terbuka gratis

Vitaly Gordon memulai Salesforce Einstein di ruang bawah tanah dengan 5 orang pada tahun 2016. Tidak butuh waktu lama untuk tumbuh menjadi kesuksesan yang pasti bagi Salesforce: meningkatkan operasi internal perusahaan, digunakan oleh lebih dari 10 ribu pelanggan, menghasilkan lebih dari 10 miliar prediksi setiap hari, sebaik penelitian mutakhir, dengan ratusan orang mengerjakannya.

Jadi mengapa Gordon tidak menikmati hasil kerja kerasnya di Salesforce?

Karena, seperti yang dia katakan, mereka tidak mempraktekkan apa yang mereka khotbahkan. Gordon menyadari bahwa tim teknik dalam organisasi sama sekali tidak digerakkan oleh data sebagaimana mestinya. Dia meninggalkan perannya sebagai VP, Ilmu Data dan Teknik di Salesforce Einstein dan memulai pencarian untuk membuat rekayasa perangkat lunak berbasis data, bersama dengan beberapa mantan rekannya.

Faros AI adalah perusahaan yang didirikan bersama oleh Gordon pada tahun 2019 untuk memberi tim teknik visibilitas mendalam ke dalam operasi mereka sehingga mereka dapat mengirimkan produk lebih cepat. Platform Operasi Rekayasa Faros sudah digunakan oleh orang-orang seperti Box, Coursera, dan GoFundMe.

Faros AI hari ini mengumumkan telah mengumpulkan $16 juta dalam pendanaan awal yang dipimpin oleh SignalFire, Salesforce Ventures, dan Global Founders Capital dengan partisipasi dari tokoh teknologi berpengalaman termasuk Maynard Webb, Frederic Kerrest, Adam Gross, dan banyak lagi.

Terlebih lagi, perusahaan juga mengumumkan ketersediaan umum Edisi Komunitas open-source gratisnya, Faros CE. Kami bertemu dengan Gordon untuk mendiskusikan perjalanannya dengan Faros AI, filosofi dari apa yang mereka sebut EngOps, dan pembuatan platform Faros AI.

Analytics sebagai mercusuar tim rekayasa perangkat lunak

Faros adalah bahasa Yunani untuk mercusuar. Seperti yang dicatat Gordon, analogi yang diilhami kelautan menjadi kuat di ruang infrastruktur. Itu dimulai dengan Docker, dan kemudian datanglah Kubernetes, yang merupakan bahasa Yunani untuk kapten laut. Jadi jika Kubernetes adalah juru mudi yang mengemudikan kapal, apa yang menunjukkan jalannya? Itu akan menjadi mercusuar, dan Faros AI ingin menjadi mercusuar.

Gordon mengacu pada apa yang Faros lakukan sebagai EngOps. Jika Anda terbiasa dengan DevOps, Anda mungkin berpikir bahwa EngOps serupa — tetapi sebenarnya tidak. Pada kenyataannya, apa yang dilakukan Faros AI dapat diringkas sebagai analitik untuk tim rekayasa perangkat lunak. Alasan Faros menggunakan istilah EngOps, kata Gordon, mengacu pada disiplin ilmu lain.

Melihat peran seperti Operasi Penjualan, Operasi Pemasaran, atau Operasi Perekrutan, kami menemukan mereka diisi oleh orang-orang yang sangat analitis. Tugas mereka adalah mendapatkan data dari berbagai sumber, menganalisis jalur pipa, menemukan kemacetan, dan kemudian melaporkan kepada eksekutif terkait dan bekerja bersama mereka untuk meningkatkan apa yang perlu ditingkatkan.

Faros AI dibangun dengan gagasan menginjili peran semacam itu untuk rekayasa perangkat lunak. Gordon percaya bahwa setiap perusahaan harus memiliki orang-orang yang menganalisis data untuk memberi saran kepada pimpinan teknik dalam mengalokasikan sumber daya dan membuat keputusan.

Anda akan berpikir bahwa dengan rekayasa perangkat lunak sepenuhnya digital, dengan praktik dan sistem yang mapan digunakan, menggunakan analitik untuk ini akan terjadi pada seseorang, dan itu akan sudah diterapkan. Secara konseptual, ini cukup mudah, dan Faros AI menjelaskannya menggunakan triptych Hubungkan — Analisis — Kustomisasi.

Pertama, semua sistem yang relevan untuk proses pengembangan perangkat lunak perlu dihubungkan, sehingga datanya dapat dicerna. Faros memungkinkan pengguna menghubungkan sistem seperti repositori kode, CI / CD, manajemen tiket dan perangkat lunak manajemen proyek menjadi satu sistem pencatatan terpusat.

Itu adalah prasyarat untuk dapat melakukan analitik. Ini juga tidak sesederhana kedengarannya. Selain memasang konektor, data harus diintegrasikan dan diselaraskan, dan Gordon mengatakan bahwa dibutuhkan "semacam kecerdasan" untuk menyatukan semua sumber data yang berbeda tersebut. Tujuannya adalah untuk melacak perubahan dari ide hingga produksi dan seterusnya, insiden dari penemuan hingga pemulihan hingga penyelesaian, dan rekonsiliasi identitas di seluruh sistem yang berbeda.

Kemudian muncul analisis, yang merupakan inti dari proses tersebut. Dalam pengalaman Gordon, metrik yang sering digunakan untuk mengukur produktivitas developer, seperti baris kode atau poin cerita tiket, mungkin mudah diukur, tetapi sebenarnya tidak representatif. Jika ada, kata Gordon, mungkin ada korelasi terbalik antara metrik tersebut dan nilai aktual yang dihasilkan.

Untuk menghasilkan apa yang dia klaim dapat menjadi kumpulan metrik de facto untuk rekayasa perangkat lunak, Gordon dan rekan pendirinya melakukan penelusuran tinggi dan rendah. Mereka datang untuk bergantung pada DORA – Penelitian dan Penilaian DevOps Google Cloud.

DORA mempelajari lebih dari 1000 perusahaan dan mengukur lebih dari 100 metrik, menggunakannya untuk mengklasifikasikan tim dalam 4 kelompok — Elit, Tinggi, Sedang, dan Rendah. Mereka melakukan itu, kata Gordon, berdasarkan metrik yang berfokus pada proses dan bukan orang, mengukur hasil daripada keluaran. Ini adalah filosofi yang dianut oleh Faros AI juga.

Last but not least, kustomisasi memungkinkan pengguna Faros AI untuk menyesuaikan metrik dengan kebutuhan dan lingkungan mereka sendiri. Karena organisasi berbeda dalam cara mereka bekerja dan lingkungan yang mereka gunakan, ini adalah ketentuan yang diperlukan untuk memastikan platform bekerja dengan baik untuk setiap skenario dan metrik yang dikumpulkan mencerminkan kenyataan di lapangan.

Mengukur dan memaksimalkan nilai

Semua itu terdengar bagus dan bagus, tetapi bagaimana hal itu diterjemahkan menjadi manfaat nyata dalam praktiknya? Untuk menjawab pertanyaan ini, Gordon memulai dengan mengatakan bahwa hanya dengan melihat segala sesuatu di satu tempat seringkali cukup untuk menghasilkan "momen aha". Tapi lebih dari itu; dia melanjutkan untuk menambahkan. Salah satu aspek penting yang dapat dibantu oleh Faros AI bagi pelanggan adalah alokasi sumber daya:

“Salah satu hal yang terus kami dengar dari pelanggan kami, dan itu banyak datang dari manajemen tingkat tinggi, atau bahkan terkadang dewan direksi, adalah: Kami mempekerjakan lebih banyak insinyur, tetapi tampaknya kami tidak menyelesaikan lebih banyak hal. Mengapa demikian? Terutama di lingkungan yang sangat sulit untuk mempekerjakan lebih banyak insinyur, mengapa kita tidak melihat hasilnya?

Salah satu hal yang kami tunjukkan kepada mereka adalah bahwa jika kemacetan Anda bukan pada insinyur yang menulis kode, tetapi pada jaminan kualitas, dan Anda tidak memiliki cukup banyak orang di sana, mempekerjakan lebih banyak insinyur untuk menulis lebih banyak fitur sebenarnya akan membuat segalanya lebih lambat, bukan lebih cepat. ”, kata Gordon.

Begitu organisasi menyadari hal itu, mereka merespons dengan mengubah rencana perekrutan mereka untuk mengatasi hambatan tersebut, dan itu membuat perbedaan besar. Menugaskan kembali tenaga kerja yang ada untuk mengatasi masalah dalam jalur rekayasa perangkat lunak, daripada mempekerjakan lebih banyak orang, dapat menghasilkan hal yang setara dengan mempekerjakan 20% lebih banyak insinyur sesuai dengan Gordon.

Nilai datang tidak hanya dari pengiriman perangkat lunak lebih cepat tetapi juga dari peningkatan kualitas perangkat lunak dan meminimalkan downtime, tambah Gordon. Menurut penelitian Google, penghematan bisa mencapai antara $6 juta dan $250 juta per tahun, tergantung ukuran tim.

Faros AI ditujukan untuk pimpinan tim teknik, CTO, dan peran serupa. Sementara Gordon menunjukkan nilai yang dapat diberikannya kepada mereka; kami bertanya-tanya bagaimana produk diterima oleh anggota tim teknik, yang pekerjaannya disorot. Pengalaman dengan pelanggan Faros AI menunjukkan bahwa kepuasan karyawan meningkat, kata Gordon. Itu karena ini mengurangi “birokrasi internal”, menghasilkan perputaran yang lebih cepat dan membuat para insinyur melihat dampak pekerjaan mereka di dunia nyata.

Jika berbicara tentang hal-hal seperti kualitas perangkat lunak dan nilai yang dihasilkan membangkitkan selera Anda, Anda harus mengelola ekspektasi Anda. Mencoba mengaitkan pekerjaan tim teknik dengan metrik bisnis tingkat tinggi adalah cawan suci bagi EngOps, kata Gordon, tetapi kami belum sampai di sana.

Yang paling dekat yang bisa kita dapatkan pada titik ini, lanjutnya menambahkan, adalah mengukur berapa lama waktu yang dibutuhkan untuk membuat sesuatu menjadi produksi. Mengingat bagaimana lingkungan teknik dan sistem terkapar, itu tidak sepele. Dalam pengalaman Gordon, siklus Hubungkan – Analisis – Sesuaikan adalah sesuatu yang dilakukan banyak organisasi, dengan nama seperti produktivitas pengembang, efisiensi teknik, atau pemberdayaan teknik.

Sebagian besar pekerjaan itu sama sekali tidak dibedakan, dan ini tentang pembangunan infrastruktur. Pemikirannya adalah sama seperti masuk akal bagi sebagian besar organisasi untuk menggunakan sistem ERP atau CRM siap pakai dan menyesuaikannya dengan kebutuhan mereka, EngOps seharusnya tidak berbeda.

Bagi Gordon, misi Faros AI adalah membawa EngOps ke sebanyak mungkin organisasi. Rilis Faros CE, Edisi Komunitas gratis, sumber terbuka dari platform Faros AI, merupakan langkah penting untuk mewujudkan tujuan tersebut. Tidak ada perbedaan nyata dalam kemampuan antara Faros CE dan Faros AI Enterprise, kecuali dalam hal fitur seperti keamanan dan kepatuhan, kata Gordon.

Faros CE adalah lapisan BI, API, dan otomatisasi untuk semua data operasional teknik, termasuk kontrol sumber, manajemen tugas, manajemen insiden, dan data CI/CD. Itu menyusun perangkat lunak sumber terbuka terbaik: Airbyte untuk penyerapan data, Hasura untuk lapisan API, Metabase untuk BI, dan n8n untuk otomatisasi. Faros CE berbasis kontainer dan dapat berjalan di lingkungan apa pun, termasuk cloud publik, tanpa ketergantungan eksternal.

Faros AI Enterprise, tersedia sebagai SaaS dengan opsi self-hosting, akan terus menjadi penggerak monetisasi untuk Faros AI. Namun, Faros CE juga akan melayani tujuan memungkinkan pelanggan melakukan hal-hal seperti menambahkan lebih banyak konektor ke sistem pilihan mereka. Faros AI bekerja dengan cara terbalik yang biasanya dilakukan oleh perusahaan yang menggunakan sumber terbuka dan versi perusahaan, dimulai dengan versi perusahaan dan kemudian merilis versi sumber terbuka.

Ini juga tercermin dalam cara perusahaan memilih untuk menggalang dana, kata Gordon. Putaran awal $ 16 juta datang setelah perusahaan beroperasi untuk sementara waktu, dengan platform yang berfungsi penuh dan pelanggan yang membayar. Ini, lanjut Gordon, berarti para pendiri meminimalkan dilusi saham mereka dan pendukung meminimalkan risiko mereka. Pendanaan akan digunakan untuk berinvestasi pada produk, serta mengembangkan tim Faros AI.