Faros AI raccoglie 16 milioni di dollari per far luce sulla produttività degli sviluppatori e lancia la piattaforma open source gratuita

Vitaly Gordon ha avviato Salesforce Einstein in un seminterrato con 5 persone nel 2016. Non ci è voluto molto prima che diventasse un successo inequivocabile per Salesforce: miglioramento delle operazioni aziendali interne, utilizzate da oltre 10 clienti, producendo oltre 10 miliardi di previsioni ogni giorno, così come ricerca all'avanguardia, con centinaia di persone che ci lavorano.

Allora perché Gordon non sta godendo i frutti del suo lavoro in Salesforce?

Perché, come ha detto lui, non stavano praticando ciò che predicano. Gordon si è reso conto che i team di ingegneri nelle organizzazioni non sono affatto basati sui dati come dovrebbero. Ha lasciato il suo ruolo di VP, Data Science and Engineering presso Salesforce Einstein e ha intrapreso una ricerca per rendere l'ingegneria del software basata sui dati, insieme ad alcuni dei suoi ex colleghi.

Faro AI è la società co-fondata da Gordon nel 2019 per fornire ai team di ingegneri una visibilità approfondita sulle loro operazioni in modo che possano spedire i prodotti più velocemente. La piattaforma per le operazioni di ingegneria di Faros è già utilizzata da artisti del calibro di Box, Coursera e GoFundMe.

Faros AI ha annunciato oggi di aver raccolto 16 milioni di dollari in finanziamenti iniziali guidati da SignalFire, Salesforce Ventures e Global Founders Capital con la partecipazione di esperti luminari della tecnologia tra cui Maynard Webb, Frederic Kerrest, Adam Gross e altri.

Inoltre, la società annuncia anche la disponibilità generale della sua Community Edition open source gratuita, Faros CE. Abbiamo incontrato Gordon per discutere del suo viaggio con Faros AI, della filosofia di ciò che chiamano EngOps e della realizzazione della piattaforma Faros AI.

Analytics come il faro dei team di ingegneria del software

Faros in greco significa faro. Come ha notato Gordon, le analogie di ispirazione marina stanno andando forte nello spazio delle infrastrutture. È iniziato con Docker, e poi è arrivato Kubernetes, che in greco significa capitano di mare. Quindi se Kubernetes è il timoniere che guida la nave, cosa indica la strada? Quello sarebbe il faro e Faros AI vuole essere il faro.

Gordon si riferisce a ciò che fa Faros EngOps. Se hai familiarità con DevOps, potresti pensare che EngOps sia simile, ma non lo è. In realtà, ciò che fa Faros AI può essere riassunto come analisi per i team di ingegneria del software. Il motivo per cui Faros usa il termine EngOps, ha detto Gordon, è un cenno ad altre discipline.

Esaminando ruoli come operazioni di vendita, operazioni di marketing o operazioni di reclutamento, li troviamo ricoperti da persone altamente analitiche. Il loro compito è ottenere dati da più fonti, analizzare le pipeline, trovare i colli di bottiglia, quindi riferire ai dirigenti interessati e collaborare con loro per migliorare ciò che deve essere migliorato.

Faros AI è costruito attorno all'idea di evangelizzare quel tipo di ruolo per l'ingegneria del software. Gordon crede che ogni singola azienda dovrebbe avere persone che analizzino i dati per consigliare i lead di ingegneria sull'allocazione delle risorse e sul prendere decisioni.

Penseresti che con l'ingegneria del software interamente digitale, con pratiche e sistemi consolidati utilizzati, l'utilizzo dell'analisi per questo sarebbe venuto in mente a qualcuno e sarebbe già stato implementato. Concettualmente, è piuttosto semplice e Faros AI lo descrive utilizzando il trittico Connetti — Analizza — Personalizza.

Innanzitutto, tutti i sistemi rilevanti per il processo di sviluppo del software devono essere collegati, in modo che i loro dati possano essere inseriti. Faros consente agli utenti di connettere sistemi come repository di codice, CI / CD, gestione dei biglietti e software di gestione dei progetti in un unico sistema centralizzato di registrazione.

Questo è un prerequisito per essere in grado di fare analisi. Inoltre non è così semplice come sembra. Oltre a mettere in atto i connettori, i dati devono essere integrati e allineati e Gordon ha affermato che ci vuole "un certo tipo di intelligenza" per unire tutte queste diverse fonti di dati. L'obiettivo è tracciare i cambiamenti dall'idea alla produzione e oltre, gli incidenti dalla scoperta al ripristino fino alla risoluzione e riconciliare le identità tra i diversi sistemi.

Poi arriva l'analisi, che è il fulcro del processo. Secondo l'esperienza di Gordon, le metriche che vengono spesso utilizzate per misurare la produttività degli sviluppatori, come righe di codice o story point di ticketing, possono essere facili da misurare, ma non sono realmente rappresentative. Semmai, ha detto Gordon, potrebbe esserci una correlazione inversa tra quelle metriche e il valore effettivo generato.

Per trovare ciò che, secondo lui, può diventare di fatto un insieme di parametri per l'ingegneria del software, Gordon e i suoi co-fondatori hanno cercato in alto e in basso. Sono venuti a fare molto affidamento DORA - Ricerca e valutazione DevOps di Google Cloud.

DORA ha studiato oltre 1000 aziende e misurato oltre 100 metriche, utilizzandole per classificare i team in 4 bucket: Elite, High, Medium e Low. Lo hanno fatto, ha detto Gordon, sulla base di metriche che si concentrano sui processi e non sulle persone, misurando i risultati piuttosto che i risultati. Questa è la filosofia che abbraccia anche Faros AI.

Ultimo ma non meno importante, la personalizzazione consente agli utenti di Faros AI di mettere a punto le metriche in base alle proprie esigenze e al proprio ambiente. Poiché le organizzazioni differiscono nel modo in cui lavorano e negli ambienti che utilizzano, questa è una disposizione necessaria per garantire che la piattaforma funzioni bene per ogni scenario e che le metriche raccolte riflettano la realtà sul campo.

Misurare e massimizzare il valore

Tutto ciò suona bene e bene, ma come si traduce in benefici tangibili nella pratica? Per rispondere a questa domanda, Gordon ha iniziato dicendo che il solo poter vedere tutto in un posto è spesso sufficiente per generare un "momento aha". Ma va oltre; ha continuato ad aggiungere. Un aspetto cruciale con cui Faros AI è stata in grado di aiutare i clienti è l'allocazione delle risorse:

“Una delle cose che continuiamo a sentire dai nostri clienti, e deriva molto dalla gestione di alto livello, o talvolta anche dal consiglio di amministrazione, è: assumiamo più ingegneri, ma non sembra che riusciamo a fare più cose. Perché? Soprattutto in un ambiente in cui è così difficile assumere più ingegneri, perché non vediamo risultati?

Una delle cose che abbiamo mostrato loro è che se il tuo collo di bottiglia non è sugli ingegneri che scrivono codice, ma sulla garanzia di qualità, e non hai abbastanza persone lì, assumere più ingegneri per scrivere più funzionalità renderà le cose più lente, non più veloci ”, ha detto Gordon.

Una volta che le organizzazioni se ne sono rese conto, hanno risposto modificando i loro piani di assunzione per affrontare quei colli di bottiglia, e questo ha fatto un'enorme differenza. Riassegnare la forza lavoro esistente per affrontare i problemi nella pipeline di ingegneria del software, piuttosto che assumere più persone, può comportare l'equivalente di assumere il 20% in più di ingegneri secondo Gordon.

Il valore non deriva solo dalla consegna del software più veloce, ma anche dal miglioramento della qualità del software e dalla riduzione al minimo dei tempi di inattività, ha aggiunto Gordon. Secondo la ricerca di Google, i risparmi possono variare tra $ 6 milioni e $ 250 milioni all'anno, a seconda delle dimensioni del team.

Faros AI si rivolge a responsabili del team di ingegneri, CTO e ruoli simili. Mentre Gordon ha sostenuto il valore che può offrire loro; ci siamo chiesti come viene accolto il prodotto dai membri del team di ingegneri, il cui lavoro è messo in luce. L'esperienza con i clienti Faros AI mostra che la soddisfazione dei dipendenti aumenta, ha affermato Gordon. Questo perché riduce la "burocrazia interna", determinando un turnaround più rapido e consentendo agli ingegneri di vedere l'impatto del loro lavoro nel mondo reale.

Se parlare di cose come la qualità del software e il valore generato stuzzica il tuo appetito, dovrai gestire le tue aspettative. Cercare di attribuire il lavoro dei team di ingegneri a metriche aziendali di alto livello è il Santo Graal per EngOps, ha detto Gordon, ma non ci siamo ancora arrivati.

Il più vicino che possiamo ottenere a questo punto, ha aggiunto, è misurare quanto tempo ci vuole per portare qualcosa alla produzione. Dato il modo in cui gli ambienti e i sistemi di ingegneria si espandono, non è banale. Nell'esperienza di Gordon, il ciclo Connetti – Analizza – Personalizza è qualcosa che molte organizzazioni fanno, sotto nomi come produttività degli sviluppatori, efficienza ingegneristica o potenziamento ingegneristico.

La maggior parte di quel lavoro è completamente indifferenziato e riguarda la costruzione di infrastrutture. L'idea è che, proprio come ha senso per la maggior parte delle organizzazioni utilizzare un sistema ERP o CRM standard e personalizzarlo in base alle proprie esigenze, EngOps non dovrebbe essere diverso.

Per Gordon, la missione di Faros AI è portare EngOps al maggior numero possibile di organizzazioni. Il rilascio di Faros CE, la Community Edition gratuita e open source della piattaforma Faros AI, è un passo importante per raggiungere questo obiettivo. Non ci sono reali differenze nelle capacità tra Faros CE e Faros AI Enterprise, tranne quando si tratta di funzionalità come sicurezza e conformità, ha affermato Gordon.

Faros CE è un livello BI, API e automazione per tutti i dati operativi di ingegneria, inclusi controllo del codice sorgente, gestione delle attività, gestione degli incidenti e dati CI/CD. Compone il miglior software open source: Airbyte per l'importazione di dati, Hasura per il livello API, Metabase per BI e n8n per l'automazione. Faros CE è basato su container ed è in grado di funzionare in qualsiasi ambiente, incluso il cloud pubblico, senza dipendenze esterne.

Faros AI Enterprise, disponibile come SaaS con opzioni di self-hosting, continuerà a essere il motore di monetizzazione per Faros AI. Tuttavia, Faros CE servirà anche all'obiettivo di consentire ai clienti di fare cose come aggiungere più connettori ai loro sistemi preferiti. Faros AI ha funzionato in modo inverso nel modo in cui le aziende che sfoggiano versioni open source e aziendali in genere, iniziando con la versione enterprise e quindi rilasciando la versione open source.

Ciò si riflette anche nel modo in cui la società ha scelto di raccogliere fondi, ha detto Gordon. Il round iniziale di 16 milioni di dollari arriva dopo che l'azienda è operativa da un po', con una piattaforma completamente funzionante e clienti paganti. Questo, ha aggiunto Gordon, significa che i fondatori riducono al minimo la diluizione delle loro azioni e i finanziatori riducono al minimo il rischio. Il finanziamento verrà utilizzato per investire nel prodotto e per far crescere il team di Faros AI.