Faros AI levanta US $ 16 milhões para iluminar a produtividade do desenvolvedor e lança plataforma gratuita de código aberto

Vitaly Gordon iniciou o Salesforce Einstein em um porão com 5 pessoas em 2016. Não demorou muito para se tornar um sucesso inequívoco para o Salesforce: melhorar as operações internas da empresa, usadas por mais de 10 mil clientes, produzindo mais de 10 bilhões de previsões todos os dias, assim como pesquisa inovadora, com centenas de pessoas trabalhando nele.

Então, por que Gordon não está aproveitando os frutos de seu trabalho na Salesforce?

Porque, como ele disse, eles não estavam praticando o que pregavam. Gordon percebeu que as equipes de engenharia nas organizações não são orientadas por dados como deveriam ser. Ele deixou seu cargo como vice-presidente de ciência de dados e engenharia no Salesforce Einstein e embarcou em uma busca para tornar a engenharia de software orientada a dados, junto com alguns de seus ex-colegas.

Faros IA é a empresa que Gordon cofundou em 2019 para fornecer às equipes de engenharia uma visibilidade profunda de suas operações para que possam enviar produtos mais rapidamente. A Faros Engineering Operations Platform já está em uso por empresas como Box, Coursera e GoFundMe.

A Faros AI anunciou hoje que levantou US$ 16 milhões em financiamento inicial liderado pela SignalFire, Salesforce Ventures e Global Founders Capital com a participação de especialistas em tecnologia experientes, incluindo Maynard Webb, Frederic Kerrest, Adam Gross e muito mais.

Além disso, a empresa também está anunciando a disponibilidade geral de sua Community Edition gratuita e de código aberto, Faros CE. Conversamos com Gordon para discutir sua jornada com a Faros AI, a filosofia do que eles chamam de EngOps e a criação da plataforma Faros AI.

Analytics como o farol das equipes de engenharia de software

Faros é grego para farol. Como Gordon observou, as analogias inspiradas na marinha estão se fortalecendo no espaço de infraestrutura. Começou com o Docker, e depois veio o Kubernetes, que em grego significa capitão do mar. Então se Kubernetes é o timoneiro que comanda o navio, o que aponta o caminho? Esse seria o farol, e a Faros AI quer ser o farol.

Gordon refere-se ao que Faros faz como EngOps. Se você estiver familiarizado com o DevOps, pode pensar que o EngOps é semelhante, mas não é. Na realidade, o que a Faros AI faz pode ser resumido como análise para equipes de engenharia de software. A razão pela qual Faros está usando o termo EngOps, disse Gordon, é uma referência a outras disciplinas.

Olhando para funções como Operações de Vendas, Operações de Marketing ou Operações de Recrutamento, nós as encontramos preenchidas por pessoas altamente analíticas. Seu trabalho é obter dados de várias fontes, analisar os pipelines, encontrar os gargalos e, em seguida, reportar aos executivos relevantes e trabalhar com eles para melhorar o que precisa ser melhorado.

A Faros AI é construída em torno da noção de evangelizar esse tipo de papel para a engenharia de software. Gordon acredita que toda empresa deve ter pessoas que analisem dados para aconselhar os líderes de engenharia na alocação de recursos e na tomada de decisões.

Você pensaria que com a engenharia de software sendo totalmente digital, com práticas e sistemas estabelecidos usados, o uso de análises para isso teria ocorrido a alguém e já teria sido implementado. Conceitualmente, é bastante simples, e o Faros AI descreve-o usando o tríptico Connect — Analyze — Customize.

Primeiro, todos os sistemas relevantes para o processo de desenvolvimento de software precisam estar conectados, para que seus dados possam ser ingeridos. Faros permite aos usuários conectar sistemas como repositórios de código, CI / CD, gerenciamento de tickets e software de gerenciamento de projetos em um sistema centralizado de registro.

Esse é um pré-requisito para poder fazer análises. Também não é tão simples quanto parece. Além de colocar os conectores no lugar, os dados precisam ser integrados e alinhados, e Gordon disse que é preciso “algum tipo de inteligência” para unir todas essas diferentes fontes de dados. O objetivo é rastrear as mudanças da ideia à produção e além, incidentes da descoberta à recuperação e à resolução e reconciliar identidades nos diferentes sistemas.

Depois vem a análise, que é o cerne do processo. Na experiência de Gordon, as métricas que costumam ser usadas para medir a produtividade do desenvolvedor, como linhas de código ou pontos de história de tickets, podem ser fáceis de medir, mas não são realmente representativas. De qualquer forma, disse Gordon, pode haver uma correlação inversa entre essas métricas e o valor real gerado.

Para chegar ao que ele afirma que pode se tornar um conjunto de fato de métricas para engenharia de software, Gordon e seus cofundadores pesquisaram alto e baixo. Eles passaram a depender muito DORA – Pesquisa e avaliação de DevOps do Google Cloud.

A DORA estudou mais de 1000 empresas e mediu mais de 100 métricas, usando-as para classificar equipes em 4 grupos – Elite, High, Medium e Low. Eles fizeram isso, disse Gordon, com base em métricas que se concentram no processo e não nas pessoas, medindo resultados em vez de produtos. Esta é a filosofia que a Faros AI também adota.

Por último, mas não menos importante, a personalização permite que os usuários do Faros AI ajustem as métricas de acordo com suas próprias necessidades e ambiente. Como as organizações diferem na forma como trabalham e nos ambientes que usam, essa é uma provisão necessária para garantir que a plataforma funcione bem para cada cenário e as métricas coletadas reflitam a realidade local.

Medindo e maximizando o valor

Tudo isso soa bem, mas como isso se traduz em benefícios tangíveis na prática? Para responder a essa questão, Gordon começou dizendo que apenas poder ver tudo em um só lugar muitas vezes é suficiente para gerar um “momento aha”. Mas vai além disso; ele passou a acrescentar. Um aspecto crucial que a Faros AI conseguiu ajudar os clientes é a alocação de recursos:

“Uma das coisas que sempre ouvimos de nossos clientes, e que vem muito da alta administração, ou mesmo às vezes do conselho, é: contratamos mais engenheiros, mas parece que não fazemos mais coisas. Por que é que? Especialmente em um ambiente onde é tão difícil contratar mais engenheiros, por que não vemos resultados?

Uma das coisas que mostramos a eles é que, se seu gargalo não está em engenheiros escrevendo código, mas em garantia de qualidade, e você não tem pessoas suficientes lá, contratar mais engenheiros para escrever mais recursos tornará as coisas mais lentas, não mais rápidas ”, disse Gordon.

Uma vez que as organizações perceberam isso, elas responderam alterando seus planos de contratação para resolver esses gargalos, e isso fez uma enorme diferença. Reatribuir a força de trabalho existente para resolver problemas no pipeline de engenharia de software, em vez de contratar mais pessoas, pode resultar no equivalente a contratar 20% mais engenheiros, conforme Gordon.

O valor vem não apenas de entregar software mais rápido, mas também de melhorar a qualidade do software e minimizar o tempo de inatividade, acrescentou Gordon. De acordo com a pesquisa do Google, a economia pode variar entre US$ 6 milhões e US$ 250 milhões por ano, dependendo do tamanho da equipe.

Faros AI destina-se a líderes de equipe de engenharia, CTOs e funções semelhantes. Enquanto Gordon defendeu o valor que pode entregar a eles; questionamos como o produto é recebido pelos membros da equipe de engenharia, cujo trabalho é destacado. A experiência com os clientes da Faros AI mostra que a satisfação dos funcionários aumenta, disse Gordon. Isso porque reduz a “burocracia interna”, resultando em um retorno mais rápido e fazendo com que os engenheiros vejam o impacto de seu trabalho no mundo real.

Se falar de coisas como qualidade de software e valor gerado abre seu apetite, você terá que gerenciar suas expectativas. Tentar atribuir o trabalho das equipes de engenharia a métricas de negócios de alto nível é o santo graal para EngOps, disse Gordon, mas ainda não chegamos lá.

O mais próximo que podemos chegar neste momento, ele acrescentou, é medir quanto tempo leva para colocar algo em produção. Dado como os ambientes de engenharia e os sistemas se espalham, isso não é trivial. Na experiência de Gordon, o ciclo Conectar – Analisar – Personalizar é algo que muitas organizações fazem, sob nomes como produtividade do desenvolvedor, eficiência de engenharia ou capacitação de engenharia.

A maior parte desse trabalho é completamente indiferenciada e trata da construção de infraestrutura. O pensamento é que, assim como faz sentido para a maioria das organizações usar um sistema ERP ou CRM pronto para uso e personalizá-lo de acordo com suas necessidades, o EngOps não deve ser diferente.

Para Gordon, a missão da Faros AI é levar o EngOps ao maior número possível de organizações. O lançamento do Faros CE, a Community Edition gratuita e de código aberto da plataforma Faros AI, é um passo importante para atingir esse objetivo. Não há diferenças reais nos recursos entre o Faros CE e o Faros AI Enterprise, exceto quando se trata de recursos como segurança e conformidade, disse Gordon.

Faros CE é uma camada de BI, API e automação para todos os dados operacionais de engenharia, incluindo controle de origem, gerenciamento de tarefas, gerenciamento de incidentes e dados CI/CD. Ele compõe o melhor software de código aberto: Airbyte para ingestão de dados, Hasura para a camada de API, Metabase para BI e n8n para automação. O Faros CE é baseado em contêiner e pode ser executado em qualquer ambiente, incluindo a nuvem pública, sem dependências externas.

O Faros AI Enterprise, disponível como SaaS com opções de auto-hospedagem, continuará sendo o driver de monetização do Faros AI. No entanto, a Faros CE também servirá ao objetivo de permitir que os clientes façam coisas como adicionar mais conectores aos seus sistemas de escolha. A Faros AI funcionou da maneira inversa que as empresas que usam versões corporativas e de código aberto normalmente fazem, começando com a versão corporativa e depois liberando a versão de código aberto.

Isso também se reflete na forma como a empresa escolheu arrecadar fundos, disse Gordon. A rodada inicial de US$ 16 milhões ocorre depois que a empresa está em operação há algum tempo, com uma plataforma totalmente funcional e clientes pagantes. Isso, Gordon acrescentou, significa que os fundadores minimizam a diluição de suas ações e os financiadores minimizam seus riscos. O financiamento será usado para investir no produto, bem como para aumentar a equipe da Faros AI.