Faros AI samler inn 16 millioner dollar for å kaste lys over utviklerproduktivitet, lanserer gratis åpen kildekode-plattform

Vitaly Gordon startet Salesforce Einstein i en kjeller med 5 personer i 2016. Det tok ikke for lang tid før det vokste til en utvetydig suksess for Salesforce: forbedre intern virksomhet, brukt av over 10 10 kunder, produsere over XNUMX milliarder spådommer hver dag, i tillegg til banebrytende forskning, med hundrevis av mennesker som jobber med det.

Så hvorfor nyter ikke Gordon fruktene av sitt arbeid i Salesforce?

For, som han sa det, de praktiserte ikke det de forkynte. Gordon innså at ingeniørteam i organisasjoner slett ikke er datadrevne som de burde være. Han forlot rollen som VP, Data Science and Engineering hos Salesforce Einstein og la ut på en søken etter å gjøre programvareteknologi datadrevet, sammen med noen av hans tidligere kolleger.

Faros AI er selskapet Gordon var med å grunnlegge i 2019 for å gi ingeniørteam dypt innsyn i deres operasjoner slik at de kan sende produkter raskere. Faros Engineering Operations Platform er allerede i bruk av slike som Box, Coursera og GoFundMe.

Faros AI kunngjorde i dag at de har samlet inn 16 millioner dollar i startfinansiering ledet av SignalFire, Salesforce Ventures og Global Founders Capital med deltakelse fra erfarne teknologiske armaturer inkludert Maynard Webb, Frederic Kerrest, Adam Gross og flere.

Dessuten kunngjør selskapet også den generelle tilgjengeligheten av sin gratis åpen kildekode Community Edition, Faros CE. Vi tok en prat med Gordon for å diskutere reisen hans med Faros AI, filosofien til det de kaller EngOps, og utviklingen av Faros AI-plattformen.

Analytics som fyrtårnet for programvareingeniørteam

Faros er gresk for fyr. Som Gordon bemerket, går marine-inspirerte analogier sterkt i infrastrukturområdet. Det startet med Docker, og så kom Kubernetes, som er gresk for en sjøkaptein. Så hvis Kubernetes er rormannen som styrer skipet, hva viser vei? Det ville være fyret, og Faros AI ønsker å være fyret.

Gordon omtaler det Faros gjør som EngOps. Hvis du er kjent med DevOps, tror du kanskje at EngOps ligner - men det er det ikke. I virkeligheten kan det Faros AI gjør oppsummeres som analyser for programvareingeniørteam. Grunnen til at Faros bruker begrepet EngOps, sa Gordon, er et nikk til andre disipliner.

Når vi ser på roller som salgsoperasjoner, markedsføringsoperasjoner eller rekrutteringsoperasjoner, finner vi dem fylt ut av svært analytiske mennesker. Jobben deres er å hente data fra flere kilder, analysere rørledningene, finne flaskehalsene, og deretter rapportere til de relevante lederne og samarbeide med dem om å forbedre det som må forbedres.

Faros AI er bygget rundt ideen om å evangelisere den slags rolle for programvareutvikling. Gordon mener at hvert enkelt selskap bør ha folk som analyserer data for å gi råd til tekniske ledere om tildeling av ressurser og å ta beslutninger.

Du skulle tro at med programvareutvikling som var helt digital, med etablerte praksiser og systemer brukt, ville bruk av analyser for dette ha gått opp for noen, og det ville allerede vært implementert. Konseptuelt er det ganske enkelt, og Faros AI beskriver det ved å bruke Triptyken Connect — Analyser — Customize.

Først må alle systemene som er relevante for programvareutviklingsprosessen kobles sammen, slik at dataene deres kan inntas. Faros lar brukere koble til systemer som kodelagre, CI / CD, billettadministrasjon og prosjektstyringsprogramvare i ett sentralisert system for registrering.

Det er en forutsetning for å kunne gjøre analyser. Det er heller ikke så enkelt som det høres ut. Utover å få kontaktene på plass, må dataene integreres og justeres, og Gordon sa at det krever "en slags intelligens" for å sette sammen alle de forskjellige datakildene. Målet er å spore endringer fra idé til produksjon og utover, hendelser fra oppdagelse til gjenoppretting til løsning, og forene identiteter på tvers av de forskjellige systemene.

Så kommer analysen, som er kjernen i prosessen. Etter Gordons erfaring kan beregningene som ofte brukes for å måle utviklerproduktivitet, som kodelinjer eller billetthistoriepunkter, være enkle å måle, men de er egentlig ikke representative. Hvis noe, sa Gordon, kan det være en omvendt korrelasjon mellom disse beregningene og den faktiske verdien som genereres.

For å komme opp med det han hevder kan bli et de facto sett med beregninger for programvareutvikling, søkte Gordon og hans medgründere høyt og lavt. De kom til å stole tungt på DORA – Google Clouds DevOps Research and Assessment.

DORA studerte over 1000 selskaper og målte over 100 beregninger, og brukte dem til å klassifisere team i 4 bøtter - Elite, High, Medium og Low. De gjorde det, sa Gordon, basert på beregninger som fokuserer på prosess og ikke mennesker, og måler resultater i stedet for resultater. Dette er filosofien som Faros AI også omfavner.

Sist, men ikke minst, tilpassing tillater Faros AI-brukere å finjustere beregninger til deres egne behov og miljø. Siden organisasjoner er forskjellige i hvordan de jobber og miljøene de bruker, er dette en nødvendig bestemmelse for å sikre at plattformen fungerer bra for hvert scenario og at beregningene som samles inn gjenspeiler virkeligheten på bakken.

Måling og maksimering av verdi

Alt dette høres bra ut, men hvordan oversettes det til konkrete fordeler i praksis? For å svare på dette spørsmålet startet Gordon med å si at bare det å kunne se alt på ett sted ofte er nok til å generere et "aha-øyeblikk". Men det går utover det; fortsatte han med å legge til. Et avgjørende aspekt Faros AI har vært i stand til å hjelpe kunder med, er ressursallokering:

"En av tingene vi stadig hører fra kundene våre, og det kommer mye fra ledelsen på høyt nivå, eller til og med noen ganger styret, er: Vi ansetter flere ingeniører, men vi ser ikke ut til å få gjort flere ting. Hvorfor det? Spesielt i et miljø der det er så vanskelig å ansette flere ingeniører, hvorfor ser vi ikke resultater?

En av tingene vi viste dem er at hvis flaskehalsen din ikke er på ingeniører som skriver kode, men i kvalitetssikring, og du ikke har nok folk der, så vil det å ansette flere ingeniører til å skrive flere funksjoner faktisk gjøre ting tregere, ikke raskere ", sa Gordon.

Når organisasjonene innså det, svarte de med å endre ansettelsesplanene sine for å løse disse flaskehalsene, og det gjorde en stor forskjell. Å omdisponere den eksisterende arbeidsstyrken for å løse problemer i programvareutviklingspipelinen, i stedet for å ansette flere mennesker, kan resultere i å ansette 20 % flere ingeniører i henhold til Gordon.

Verdien kommer ikke bare fra å levere programvare raskere, men også fra å forbedre programvarekvaliteten og minimere nedetid, la Gordon videre til. I følge Googles undersøkelser kan besparelsene være hvor som helst mellom $6 millioner og $250 millioner per år, avhengig av teamstørrelse.

Faros AI er rettet mot ingeniørteamledere, CTOer og lignende roller. Mens Gordon argumenterte for verdien den kan levere til dem; vi lurte på hvordan produktet blir mottatt av ingeniørteammedlemmer, hvis arbeid blir satt i søkelyset. Erfaring med Faros AI-kunder viser at medarbeidertilfredsheten øker, sa Gordon. Det er fordi det reduserer "internt byråkrati", noe som resulterer i en raskere behandlingstid og at ingeniører ser virkningen av arbeidet deres i den virkelige verden.

Hvis det å snakke om ting som programvarekvalitet og verdigenerert vekker appetitten din, må du styre forventningene dine. Å prøve å tillegge arbeidet til ingeniørteam til forretningsmålinger på høyt nivå er den hellige gral for EngOps, sa Gordon, men vi er ikke der ennå.

Det nærmeste vi kan komme på dette tidspunktet, fortsatte han med å legge til, er å måle hvor lang tid det tar å få noe til produksjon. Gitt hvordan tekniske miljøer og systemer sprer seg, er det ikke trivielt. Gordons erfaring er Connect – Analyser – Customize-syklusen noe mange organisasjoner gjør, under navn som f.eks. utviklerens produktivitet, ingeniøreffektivitet eller ingeniørkompetanse.

Det meste av det arbeidet er helt udifferensiert, og det handler om infrastrukturbygging. Tanken er at akkurat som det er fornuftig for de fleste organisasjoner å bruke et hyllevare ERP- eller CRM-system og tilpasse det til deres behov, bør EngOps ikke være annerledes.

For Gordon er Faros AIs oppgave å bringe EngOps til så mange organisasjoner som mulig. Utgivelsen av Faros CE, den gratis, åpen kildekode Community Edition av Faros AI-plattformen, er et viktig skritt for å tjene dette målet. Det er ingen reelle forskjeller i evner mellom Faros CE og Faros AI Enterprise, bortsett fra når det kommer til funksjoner som sikkerhet og samsvar, sa Gordon.

Faros CE er et BI-, API- og automatiseringslag for alle tekniske driftsdata, inkludert kildekontroll, oppgavehåndtering, hendelseshåndtering og CI/CD-data. Den komponerer best-of-breed åpen kildekode-programvare: Airbyte for datainntak, Hasura for API-laget, Metabase for BI og n8n for automatisering. Faros CE er containerbasert og kan kjøres i alle miljøer, inkludert den offentlige skyen, uten eksterne avhengigheter.

Faros AI Enterprise, tilgjengelig som SaaS med alternativer for selvhosting, vil fortsette å være driveren for inntektsgenerering for Faros AI. Faros CE vil imidlertid også tjene målet om å gjøre det mulig for kunder å gjøre ting som å legge til flere koblinger til de valgte systemene. Faros AI fungerte på motsatt måte som selskaper med åpen kildekode- og bedriftsversjoner vanligvis gjør, og startet med bedriftsversjonen og deretter utgivelsen av åpen kildekodeversjon.

Dette gjenspeiles også i måten selskapet valgte å samle inn penger på, sa Gordon. Seed-runden på 16 millioner dollar kommer etter at selskapet har vært i drift en stund, med en fullt funksjonell plattform og betalende kunder. Dette, fortsatte Gordon med å legge til, betyr at grunnleggere minimerer utvanningen av aksjene sine og støttespillere minimerer risikoen. Finansieringen vil bli brukt til å investere i produktet, samt utvide Faros AI-teamet.