Faros AI zbiera 16 milionów dolarów, aby rzucić światło na produktywność programistów, uruchamia bezpłatną platformę open source

Vitaly Gordon założył Salesforce Einstein w piwnicy z 5 osobami w 2016 roku. Nie minęło dużo czasu, zanim przerodziło się to w jednoznaczny sukces Salesforce: usprawnienie wewnętrznych operacji firmy, z których korzysta ponad 10 10 klientów, generowanie ponad XNUMX miliardów prognoz każdego dnia, jak również najnowocześniejsze badania, nad którym pracują setki osób.

Dlaczego więc Gordon nie cieszy się owocami swojej pracy w Salesforce?

Ponieważ, jak to ujął, nie praktykowali tego, co głosili. Gordon zdał sobie sprawę, że zespoły inżynierów w organizacjach wcale nie opierają się na danych tak, jak powinny. Zrezygnował ze stanowiska wiceprezesa ds. nauki i inżynierii danych w Salesforce Einstein i wraz z niektórymi ze swoich byłych kolegów podjął się zadania, aby inżynieria oprogramowania była oparta na danych.

Faros AI to firma, którą Gordon założył w 2019 r., aby zapewnić zespołom inżynierów głęboki wgląd w ich działania, aby mogli szybciej wysyłać produkty. Platforma Faros Engineering Operations Platform jest już używana przez Box, Coursera i GoFundMe.

Firma Faros AI ogłosiła dzisiaj, że zebrała 16 milionów dolarów w ramach finansowania początkowego prowadzonego przez SignalFire, Salesforce Ventures i Global Founders Capital z udziałem doświadczonych luminarzy technologii, w tym Maynarda Webba, Frederica Kerresta, Adama Grossa i innych.

Co więcej, firma ogłasza także powszechną dostępność swojej bezpłatnej wersji Community Edition o otwartym kodzie źródłowym, Faros CE. Spotkaliśmy się z Gordonem, aby omówić jego podróż z Faros AI, filozofię tego, co nazywają EngOps, oraz tworzenie platformy Faros AI.

Analityka jako latarnia morska zespołów inżynierów oprogramowania

Faros to po grecku latarnia morska. Jak zauważył Gordon, analogie inspirowane morzem są coraz silniejsze w przestrzeni infrastrukturalnej. Zaczęło się od Dockera, a potem pojawił się Kubernetes, co po grecku oznacza kapitana morskiego. Więc jeśli Kubernetes jest sternikiem, który steruje statkiem, co wskazuje drogę? To byłaby latarnia morska, a Faros AI chce być latarnią morską.

Gordon odnosi się do tego, co robi Faros Inżynierowie. Jeśli znasz DevOps, możesz pomyśleć, że EngOps jest podobny — ale tak nie jest. W rzeczywistości to, co robi Faros AI, można podsumować jako analitykę dla zespołów inżynierów oprogramowania. Gordon powiedział, że powodem, dla którego Faros używa terminu EngOps, jest ukłon w stronę innych dyscyplin.

Patrząc na role takie jak Sales Operations, Marketing Operations czy Recruiting Operations, widzimy, że są one obsadzane przez wysoce analityczne osoby. Ich zadaniem jest pozyskiwanie danych z wielu źródeł, analizowanie potoków, znajdowanie wąskich gardeł, a następnie składanie raportów odpowiednim kierownikom i współpraca z nimi nad ulepszeniem tego, co należy poprawić.

Faros AI jest zbudowany wokół koncepcji ewangelizacji tego rodzaju roli inżynierii oprogramowania. Gordon uważa, że ​​każda firma powinna mieć ludzi, którzy analizują dane, aby doradzać kierownikom ds. inżynierii w zakresie alokacji zasobów i podejmowania decyzji.

Można by pomyśleć, że gdyby inżynieria oprogramowania była całkowicie cyfrowa, z ustalonymi praktykami i używanymi systemami, użycie analityki do tego przyszłoby komuś do głowy i zostałoby już wdrożone. Koncepcyjnie jest to całkiem proste, a sztuczna inteligencja Faros opisuje to za pomocą tryptyku Połącz — Analizuj — Dostosuj.

Po pierwsze, wszystkie systemy istotne dla procesu tworzenia oprogramowania muszą być połączone, aby ich dane mogły zostać przetworzone. Faros pozwala użytkownikom łączyć systemy, takie jak repozytoria kodu, CI / CD, zarządzanie zgłoszeniami i oprogramowanie do zarządzania projektami w jeden scentralizowany system zapisu.

Jest to warunek konieczny do wykonywania analiz. To też nie jest takie proste, jak się wydaje. Poza umieszczeniem łączników dane muszą być zintegrowane i wyrównane, a Gordon powiedział, że połączenie wszystkich tych różnych źródeł danych wymaga „pewnego rodzaju inteligencji”. Celem jest śledzenie zmian od pomysłu do produkcji i poza nią, incydentów od odkrycia do odzyskiwania po rozwiązanie oraz uzgodnienie tożsamości w różnych systemach.

Następnie przychodzi analiza, która jest podstawą procesu. Z doświadczenia Gordona wynika, że ​​metryki, które są często używane do mierzenia produktywności programistów, takie jak wiersze kodu lub punkty fabularne związane z biletami, mogą być łatwe do zmierzenia, ale nie są tak naprawdę reprezentatywne. Jeśli już, powiedział Gordon, może istnieć odwrotna korelacja między tymi wskaźnikami a rzeczywistą wygenerowaną wartością.

Aby wymyślić to, co, jak twierdzi, może stać się de facto zbiorem metryk dla inżynierii oprogramowania, Gordon i jego współzałożyciele szukali wysoko i nisko. Przybyli, aby w dużym stopniu polegać na DORA — badanie i ocena DevOps w Google Cloud.

DORA zbadała ponad 1000 firm i zmierzyła ponad 100 wskaźników, używając ich do sklasyfikowania zespołów w 4 przedziałach — elitarnym, wysokim, średnim i niskim. Zrobili to, powiedział Gordon, w oparciu o wskaźniki, które koncentrują się na procesie, a nie na ludziach, mierząc raczej wyniki niż produkty. Jest to filozofia, którą kieruje się również Faros AI.

Wreszcie, dostosowywanie pozwala użytkownikom Faros AI na precyzyjne dostrojenie wskaźników do własnych potrzeb i środowiska. Ponieważ organizacje różnią się sposobem pracy i środowiskami, z których korzystają, jest to niezbędne zapewnienie, aby platforma działała dobrze w każdym scenariuszu, a zebrane wskaźniki odzwierciedlały rzeczywistość w terenie.

Pomiar i maksymalizacja wartości

Wszystko to brzmi pięknie i dobrze, ale jak przekłada się to na wymierne korzyści w praktyce? Aby odpowiedzieć na to pytanie, Gordon zaczął od stwierdzenia, że ​​sama możliwość zobaczenia wszystkiego w jednym miejscu często wystarcza, aby wygenerować „moment aha”. Ale to wykracza poza to; dodał. Jednym z kluczowych aspektów, w którym firma Faros AI była w stanie pomóc klientom, jest alokacja zasobów:

„Jedną z rzeczy, które wciąż słyszymy od naszych klientów, a która w dużej mierze pochodzi od kierownictwa wysokiego szczebla, a czasem nawet zarządu, jest: Zatrudniamy więcej inżynierów, ale wydaje się, że nie wykonujemy więcej zadań. Dlaczego? Dlaczego nie widzimy rezultatów, zwłaszcza w środowisku, w którym tak trudno jest zatrudnić więcej inżynierów?

Jedną z rzeczy, które im pokazaliśmy, jest to, że jeśli twoim wąskim gardłem nie są inżynierowie piszący kod, ale zapewnienie jakości, i nie masz tam wystarczającej liczby ludzi, to zatrudnienie większej liczby inżynierów do napisania większej liczby funkcji faktycznie spowolni, a nie przyspieszy – powiedział Gordon.

Gdy organizacje zdały sobie z tego sprawę, zareagowały, zmieniając plany zatrudnienia, aby zaradzić wąskim gardłom, a to zrobiło ogromną różnicę. Zmiana przydziału istniejącej siły roboczej w celu rozwiązania problemów w procesie inżynierii oprogramowania zamiast zatrudniania większej liczby osób może skutkować zatrudnieniem o 20% więcej inżynierów według Gordona.

Wartość wynika nie tylko z szybszego dostarczania oprogramowania, ale także z poprawy jakości oprogramowania i minimalizacji przestojów, dodał Gordon. Według badań Google oszczędności mogą wynosić od 6 do 250 milionów dolarów rocznie, w zależności od wielkości zespołu.

Faros AI jest skierowany do kierowników zespołów inżynierskich, CTO i podobnych ról. Podczas gdy Gordon przedstawił argumenty za wartością, jaką może im zapewnić; zastanawialiśmy się, jak produkt jest odbierany przez członków zespołu inżynierów, których praca jest w centrum uwagi. Doświadczenie z klientami Faros AI pokazuje, że zadowolenie pracowników rośnie, powiedział Gordon. Dzieje się tak, ponieważ zmniejsza „wewnętrzną biurokrację”, co skutkuje szybszym zwrotem i pozwala inżynierom zobaczyć wpływ ich pracy na rzeczywisty świat.

Jeśli rozmawianie o takich rzeczach jak jakość oprogramowania i generowana wartość zaostrza apetyt, będziesz musiał sprostać swoim oczekiwaniom. Próba przypisania pracy zespołów inżynierskich do wskaźników biznesowych wysokiego poziomu jest świętym Graalem dla EngOps, powiedział Gordon, ale jeszcze nie jesteśmy na tym etapie.

Dodał, że najbliższe, jakie możemy uzyskać w tym momencie, to zmierzenie, ile czasu zajmuje doprowadzenie czegoś do produkcji. Biorąc pod uwagę, jak rozrastają się środowiska i systemy inżynierskie, nie jest to trywialne. Z doświadczenia Gordona wynika, że ​​cykl Połącz – Analizuj – Dostosuj jest czymś, co robi wiele organizacji pod nazwami takimi jak produktywność programistów, wydajność inżynierii lub wzmocnienie inżynierii.

Większość tych prac jest całkowicie niezróżnicowana i dotyczy budowy infrastruktury. Myślenie jest takie, że tak jak dla większości organizacji sensowne jest korzystanie z gotowego systemu ERP lub CRM i dostosowywanie go do swoich potrzeb, EngOps nie powinno być inaczej.

Dla Gordona misją Faros AI jest zapewnienie EngOps jak największej liczbie organizacji. Wydanie Faros CE, bezpłatnej, open source Community Edition platformy Faros AI, jest ważnym krokiem w realizacji tego celu. Nie ma rzeczywistych różnic w możliwościach między Faros CE i Faros AI Enterprise, z wyjątkiem funkcji takich jak bezpieczeństwo i zgodność, powiedział Gordon.

Faros CE to warstwa BI, API i automatyzacji dla wszystkich technicznych danych operacyjnych, w tym kontroli źródła, zarządzania zadaniami, zarządzania incydentami i danych CI/CD. Tworzy najlepsze w swojej klasie oprogramowanie open source: Airbyte do pozyskiwania danych, Hasura do warstwy API, Metabase do BI i n8n do automatyzacji. Faros CE jest oparty na kontenerach i może działać w dowolnym środowisku, w tym w chmurze publicznej, bez zewnętrznych zależności.

Faros AI Enterprise, dostępny jako SaaS z opcjami samodzielnego hostowania, będzie nadal motorem monetyzacji Faros AI. Jednak Faros CE będzie również służyć celowi, jakim jest umożliwienie klientom robienia takich rzeczy, jak dodawanie większej liczby złączy do wybranych przez nich systemów. Sztuczna inteligencja Faros działała w odwrotny sposób niż zwykle robią to firmy oferujące wersje open source i korporacyjne, zaczynając od wersji korporacyjnej, a następnie wypuszczając wersję open source.

Znajduje to również odzwierciedlenie w sposobie, w jaki firma wybrała zbieranie funduszy, powiedział Gordon. Runda zalążkowa w wysokości 16 milionów dolarów następuje po tym, jak firma działa już od jakiegoś czasu, z w pełni funkcjonalną platformą i płacącymi klientami. To, dodał Gordon, oznacza, że ​​założyciele minimalizują rozwodnienie swoich akcji, a sponsorzy minimalizują ryzyko. Fundusze zostaną wykorzystane na inwestycje w produkt, a także na rozwój zespołu Faros AI.