Faros AI מגייס 16 מיליון דולר כדי להאיר אור על פרודוקטיביות מפתחים, משיקה פלטפורמת קוד פתוח בחינם

ויטלי גורדון הקימה את Salesforce Einstein במרתף עם 5 אנשים בשנת 2016. לא לקח יותר מדי זמן עד שזה צמח להצלחה חד משמעית עבור Salesforce: שיפור הפעילות הפנימית של החברה, בשימוש על ידי למעלה מ-10K לקוחות, הפקת למעלה מ-10 מיליארד תחזיות מדי יום, בנוסף ל מחקר חדשני, עם מאות אנשים שעובדים על זה.

אז למה גורדון לא נהנה מפירות עבודתו ב-Salesforce?

כי, כפי שהוא ניסח זאת, הם לא נהגו במה שהם מטיפים. גורדון הבין שצוותי הנדסה בארגונים אינם מונעי נתונים כלל כפי שהם צריכים להיות. הוא עזב את תפקידו כסמנכ"ל, מדע והנדסת נתונים ב-Salesforce Einstein ויצא למסע להפוך את הנדסת התוכנה למונעת נתונים, יחד עם כמה מעמיתיו לשעבר.

פארוס AI היא החברה שהקים גורדון ב-2019 כדי לספק לצוותי הנדסה נראות עמוקה לפעילותם כדי שיוכלו לשלוח מוצרים מהר יותר. פלטפורמת התפעול ההנדסית של פארוס כבר נמצאת בשימוש על ידי אנשים כמו Box, Coursera ו-GoFundMe.

Faros AI הודיעה היום שהיא גייסה 16 מיליון דולר במימון ראשוני בהובלת SignalFire, Salesforce Ventures ו-Global Founders Capital בהשתתפות גופי טכנולוגיה ותיקים כולל מיינרד ווב, פרדריק קרסט, אדם גרוס ועוד.

יתרה מכך, החברה גם מכריזה על זמינות כללית של מהדורת הקהילה החינמית שלה בקוד פתוח, Faros CE. פגשנו את גורדון כדי לדון במסע שלו עם Faros AI, הפילוסופיה של מה שהם מכנים EngOps, ויצירת פלטפורמת Faros AI.

אנליטיקה כמגדלור של צוותי הנדסת תוכנה

פארוס היא יוונית עבור מגדלור. כפי שציין גורדון, אנלוגיות בהשראת הים מתחזקות במרחב התשתיות. זה התחיל עם דוקר, ואז הגיע Kubernetes, שזה יווני עבור קפטן ים. אז אם Kubernetes הוא הגאי שמנווט את הספינה, מה מפנה את הדרך? זה יהיה המגדלור, ו-Faros AI רוצה להיות המגדלור.

גורדון מתייחס למה שעושה פארוס כאל EngOps. אם אתה מכיר את DevOps, אולי אתה חושב ש-EngOps דומה - אבל זה לא. במציאות, ניתן לסכם את מה שעושה Faros AI כניתוח עבור צוותי הנדסת תוכנה. הסיבה שפארוס משתמש במונח EngOps, אמר גורדון, היא קריצה לדיסציפלינות אחרות.

כשמסתכלים על תפקידים כמו תפעול מכירות, תפעול שיווק או תפעול גיוס, אנו מוצאים אותם ממולאים על ידי אנשים אנליטיים מאוד. התפקיד שלהם הוא לקבל נתונים ממספר מקורות, לנתח את הצינורות, למצוא את צווארי הבקבוק, ולאחר מכן לדווח למנהלים הרלוונטיים ולעבוד איתם על שיפור מה שצריך לשפר.

פארוס בינה מלאכותית בנויה סביב הרעיון של העברת תפקידים מסוג זה להנדסת תוכנה. גורדון מאמין שלכל חברה צריכה להיות אנשים שמנתחים נתונים כדי לייעץ ללידים הנדסיים בהקצאת משאבים וקבלת החלטות.

הייתם חושבים שכאשר הנדסת תוכנה דיגיטלית לחלוטין, עם שיטות מבוססות ומערכות בשימוש, השימוש באנליטיקה לשם כך היה עולה בדעתו של מישהו, וזה כבר היה מיושם. מבחינה רעיונית, זה די פשוט, ו-Faros AI מתאר את זה באמצעות הטריפטיכון Connect - Analyze - Customize.

ראשית, יש לחבר את כל המערכות הרלוונטיות לתהליך פיתוח התוכנה, כך שניתן יהיה להטמיע את הנתונים שלהן. פארוס מאפשרת למשתמשים לחבר מערכות כגון מאגרי קוד, CI / CD, תוכנת ניהול כרטיסים וניהול פרויקטים למערכת רישום מרכזית אחת.

זה תנאי מוקדם ליכולת לעשות אנליטיקה. זה גם לא פשוט כמו שזה נשמע. מעבר למקומם של המחברים, יש לשלב ולהתאים את הנתונים, וגורדון אמר שדרוש "איזושהי אינטליגנציה" כדי לחבר את כל מקורות הנתונים השונים. המטרה היא לעקוב אחר שינויים מרעיון לייצור ומעבר לכך, תקריות מגילוי לשחזור ועד לפתרון, וליישב זהויות בין המערכות השונות.

ואז מגיע הניתוח, שהוא הליבה של התהליך. מניסיונו של גורדון, המדדים המשמשים לעתים קרובות למדידת פרודוקטיביות של מפתחים, כמו שורות קוד או נקודות כרטוס, אולי קל למדוד, אבל הם לא ממש מייצגים. אם כבר, אמר גורדון, ייתכן שיש מתאם הפוך בין המדדים הללו לבין הערך שנוצר בפועל.

על מנת להמציא את מה שלטענתו יכול להפוך לסט פקטו של מדדים להנדסת תוכנה, גורדון ומייסדיו חיפשו גבוה ונמוך. הם באו לסמוך בכבדות DORA – המחקר וההערכה של DevOps של Google Cloud.

DORA חקרה יותר מ-1000 חברות ומדדה למעלה מ-100 מדדים, תוך שימוש בהם כדי לסווג צוותים ב-4 דליים - עילית, גבוהה, בינונית ונמוכה. הם עשו את זה, אמר גורדון, בהתבסס על מדדים שמתמקדים בתהליך ולא באנשים, מודדים תוצאות ולא תפוקות. זו הפילוסופיה שגם פארוס AI מאמצת.

אחרון חביב, התאמה אישית מאפשרת למשתמשי Faros AI לכוונן מדדים לצרכים ולסביבה שלהם. מכיוון שארגונים שונים באופן שבו הם עובדים ובסביבות שהם משתמשים בהם, זוהי הוראה הכרחית כדי להבטיח שהפלטפורמה פועלת היטב עבור כל תרחיש והמדדים שנאספו משקפים את המציאות בשטח.

מדידה ומקסום ערך

כל זה נשמע בסדר וטוב, אבל איך זה מתורגם ליתרונות מוחשיים בפועל? כדי לענות על השאלה הזו, גורדון התחיל באומרו שעצם היכולת לראות הכל במקום אחד מספיקה לעתים קרובות כדי ליצור "רגע אהה". אבל זה חורג מעבר לזה; הוא המשיך והוסיף. היבט אחד מכריע ש-Faros AI הצליח לעזור ללקוחות הוא הקצאת משאבים:

"אחד הדברים שאנחנו כל הזמן שומעים מהלקוחות שלנו, וזה מגיע הרבה מהנהלה ברמה גבוהה, או אפילו לפעמים מהדירקטוריון, הוא: אנחנו שוכרים יותר מהנדסים, אבל נראה שאנחנו לא מצליחים לעשות יותר דברים. למה? במיוחד בסביבה שבה כל כך קשה לגייס מהנדסים נוספים, למה אנחנו לא רואים תוצאות?

אחד הדברים שהראינו להם הוא שאם צוואר הבקבוק שלך הוא לא על מהנדסים שכותבים קוד, אלא באבטחת איכות, ואין לך מספיק אנשים שם, אז שכירת מהנדסים נוספים שיכתבו יותר פיצ'רים יהפכו את הדברים לאיטיים יותר, לא מהר יותר. ", אמר גורדון.

ברגע שארגונים הבינו את זה, הם הגיבו בשינוי תוכניות הגיוס שלהם כדי להתמודד עם צווארי הבקבוק האלה, וזה עשה הבדל עצום. הקצאה מחדש של כוח העבודה הקיים לטיפול בבעיות בצנרת של הנדסת תוכנה, במקום להעסיק יותר אנשים, יכולה לגרום לשכירת 20% יותר מהנדסים לפי גורדון.

הערך נובע לא רק מאספקת תוכנה מהירה יותר אלא גם משיפור איכות התוכנה וממזעור זמן השבתה, הוסיף גורדון. לפי המחקר של גוגל, החיסכון יכול להיות בין 6 מיליון דולר ל-250 מיליון דולר בשנה, תלוי בגודל הצוות.

Faros AI מכוון לראשי צוותי הנדסה, CTOs ותפקידים דומים. בעוד גורדון טען את הערך שהוא יכול לספק להם; תהינו כיצד המוצר מתקבל על ידי חברי צוות ההנדסה, שעבודתם זוכה בזרקור. הניסיון עם לקוחות Faros AI מראה ששביעות הרצון של העובדים עולה, אמר גורדון. הסיבה לכך היא שהיא מפחיתה את ה"בירוקרטיה הפנימית", מה שמביא לתפנית מהירה יותר ולכך שהמהנדסים רואים את ההשפעה של עבודתם בעולם האמיתי.

אם דיבור על דברים כמו איכות תוכנה וערך שנוצר מעוררים את התיאבון שלך, תצטרך לנהל את הציפיות שלך. הניסיון לייחס את עבודתם של צוותי הנדסה למדדים עסקיים ברמה גבוהה הוא הגביע הקדוש עבור EngOps, אמר גורדון, אבל אנחנו עדיין לא שם.

הכי קרוב שאנחנו יכולים להגיע בשלב זה, הוא הוסיף והוסיף, הוא למדוד כמה זמן לוקח להגיע למשהו לייצור. בהתחשב באופן שבו סביבות הנדסיות ומערכות מתפשטות, זה לא טריוויאלי. מניסיונו של גורדון, מחזור Connect – Analyze – Customize הוא משהו שארגונים רבים עושים, תחת שמות כמו פרודוקטיביות של מפתחים, יעילות הנדסית, או העצמה הנדסית.

רוב העבודה הזו היא בלתי מובדלת לחלוטין, והיא עוסקת בבניית תשתיות. החשיבה היא שבדיוק כמו שזה הגיוני עבור רוב הארגונים להשתמש במערכת ERP או CRM מדף ולהתאים אותה לצרכים שלהם, EngOps לא צריך להיות שונה.

עבור גורדון, המשימה של Faros AI היא להביא EngOps לכמה שיותר ארגונים. השחרור של Faros CE, מהדורת הקהילה החינמית בקוד פתוח של פלטפורמת Faros AI, היא צעד חשוב המשרת את המטרה הזו. אין הבדלים אמיתיים ביכולות בין Faros CE ל-Faros AI Enterprise, למעט כשמדובר בתכונות כמו אבטחה ותאימות, אמר גורדון.

Faros CE היא שכבת BI, API ואוטומציה עבור כל הנתונים התפעוליים ההנדסיים, כולל בקרת מקור, ניהול משימות, ניהול אירועים ונתוני CI/CD. הוא מרכיב את תוכנת הקוד הפתוח הטובה ביותר: Airbyte להטמעת נתונים, Hasura עבור שכבת ה-API, Metabase עבור BI ו-n8n עבור אוטומציה. Faros CE מבוסס על קונטיינרים ומסוגל לפעול בכל סביבה, כולל הענן הציבורי, ללא תלות חיצונית.

Faros AI Enterprise, זמין כ-SaaS עם אפשרויות אירוח עצמי, ימשיך להיות מניע המונטיזציה של Faros AI. עם זאת, Faros CE ישרת גם את המטרה לאפשר ללקוחות לעשות דברים כמו הוספת מחברים נוספים למערכות הבחירה שלהם. Faros AI עבד בדרך כלל באופן הפוך שחברות עם קוד פתוח וגרסאות ארגוניות פועלות בדרך כלל, החל מהגרסה הארגונית ואז שחררו את גרסת הקוד הפתוח.

זה בא לידי ביטוי גם בדרך שבה בחרה החברה לגייס כספים, אמר גורדון. סבב ה-Seed של 16 מיליון דולר מגיע לאחר שהחברה פעלה מזה זמן מה, עם פלטפורמה מתפקדת במלואה ולקוחות משלמים. זה, הוסיף גורדון, אומר שמייסדים ממזערים את דילול המניות שלהם ותומכים ממזערים את הסיכון שלהם. המימון ישמש להשקעה במוצר, כמו גם להגדלת צוות AI Faros.