Faros AI привлекает 16 миллионов долларов, чтобы пролить свет на продуктивность разработчиков, запускает бесплатную платформу с открытым исходным кодом

Виталий Гордон запустил Salesforce Einstein в подвале с пятью людьми в 5 году. Вскоре проект перерос в несомненный успех Salesforce: улучшение внутренних операций компании, которыми пользуются более 2016 тысяч клиентов, создание более 10 миллиардов прогнозов каждый день, а также передовые исследования, над которым работают сотни людей.

Так почему же Гордон не наслаждается плодами своего труда в Salesforce?

Потому что, по его словам, они не практиковали то, что проповедовали. Гордон понял, что инженерные группы в организациях вовсе не ориентируются на данные, как это должно быть. Он оставил свою должность вице-президента по науке о данных и разработке в Salesforce Einstein и вместе с некоторыми из своих бывших коллег начал поиски разработки программного обеспечения, управляемой данными.

Фарос ИИ — это компания, которую Гордон основал в 2019 году, чтобы предоставить инженерным командам полную картину своей деятельности, чтобы они могли быстрее поставлять продукцию. Платформу инженерных операций Faros уже используют такие компании, как Box, Coursera и GoFundMe.

Компания Faros AI сегодня объявила, что привлекла $16 млн начального финансирования под руководством SignalFire, Salesforce Ventures и Global Founders Capital при участии опытных светил в сфере технологий, включая Мейнарда Уэбба, Фредерика Керреста, Адама Гросса и других.

Более того, компания также объявляет о доступности своей бесплатной версии Community Edition с открытым исходным кодом Faros CE. Мы встретились с Гордоном, чтобы обсудить его опыт работы с Faros AI, философию того, что они называют EngOps, и создание платформы Faros AI.

Аналитика как маяк для команд разработки программного обеспечения

Фарос по-гречески означает маяк. Как отметил Гордон, аналогии с морской тематикой набирают силу в сфере инфраструктуры. Все началось с Docker, а затем появился Kubernetes, что по-гречески означает капитан дальнего плавания. Так что если Kubernetes — рулевой, который управляет кораблем, что указывает путь? Это будет маяк, и ИИ Фароса хочет быть маяком.

Гордон называет то, что делает Фарос, инженерные операции. Если вы знакомы с DevOps, вы можете подумать, что EngOps похож на него, но это не так. На самом деле то, что делает Faros AI, можно охарактеризовать как аналитику для команд разработчиков программного обеспечения. По словам Гордона, причина, по которой компания Faros использует термин EngOps, — это отсылка к другим дисциплинам.

Глядя на такие роли, как отдел продаж, маркетинговый отдел или отдел по подбору персонала, мы обнаруживаем, что их выполняют люди с высоким аналитическим потенциалом. Их работа — получать данные из нескольких источников, анализировать конвейеры, находить узкие места, а затем отчитываться перед соответствующими руководителями и работать с ними над улучшением того, что необходимо улучшить.

Faros AI построен на идее пропаганды такой роли разработки программного обеспечения. Гордон считает, что в каждой компании должны быть люди, которые анализируют данные и дают рекомендации инженерам по распределению ресурсов и принятию решений.

Можно подумать, что, поскольку разработка программного обеспечения является полностью цифровой, с использованием устоявшихся практик и систем, использование аналитики для этого кому-то пришло бы в голову, и это уже было бы реализовано. Концептуально это довольно просто, и ИИ Faros описывает это с помощью триптиха «Соединить — Анализировать — Настроить».

Во-первых, все системы, имеющие отношение к процессу разработки программного обеспечения, должны быть подключены, чтобы их данные можно было принимать. Faros позволяет пользователям подключать такие системы, как репозитории кода, CI / CD, управление заявками и программное обеспечение для управления проектами в одну централизованную систему учета.

Это необходимое условие для возможности заниматься аналитикой. Это также не так просто, как кажется. Помимо установки соединителей, данные необходимо интегрировать и согласовать, и Гордон сказал, что требуется «некоторый интеллект», чтобы объединить все эти различные источники данных. Цель состоит в том, чтобы отслеживать изменения от идеи до производства и далее, инциденты от обнаружения до восстановления и разрешения, а также согласовывать идентичности в различных системах.

Затем следует анализ, который является основой процесса. По опыту Гордона, метрики, которые часто используются для измерения продуктивности разработчиков, такие как строки кода или точки истории, могут быть легко измерены, но на самом деле они не являются репрезентативными. Во всяком случае, сказал Гордон, между этими показателями и фактической полученной стоимостью может существовать обратная корреляция.

Чтобы найти то, что, по его словам, может стать фактическим набором показателей для разработки программного обеспечения, Гордон и его соучредители провели поиск повсюду. Они стали во многом полагаться на DORA — исследование и оценка DevOps Google Cloud.

DORA изучила более 1000 компаний и измерила более 100 показателей, используя их для классификации команд по 4 группам — элитная, высокая, средняя и низкая. По словам Гордона, они сделали это, основываясь на показателях, которые фокусируются на процессах, а не на людях, измеряя результаты, а не результаты. Это философия, которую придерживается и Faros AI.

И последнее, но не менее важное: настройка позволяет пользователям Faros AI точно настраивать показатели в соответствии со своими потребностями и средой. Поскольку организации различаются по тому, как они работают, и по средам, которые они используют, это необходимое условие, позволяющее гарантировать, что платформа хорошо работает для каждого сценария, а собранные показатели отражают реальность на местах.

Измерение и максимизация ценности

Все это звучит красиво и хорошо, но как это приводит к ощутимым преимуществам на практике? Отвечая на этот вопрос, Гордон начал с того, что просто возможности увидеть все в одном месте зачастую достаточно, чтобы вызвать «момент ага». Но это выходит за рамки этого; он продолжал добавлять. Одним из важнейших аспектов, с которыми Faros AI смог помочь клиентам, является распределение ресурсов:

«Одна из вещей, которую мы постоянно слышим от наших клиентов, и в основном это исходит от высшего руководства, а иногда даже от совета директоров, заключается в следующем: мы нанимаем больше инженеров, но, похоже, мы не успеваем сделать больше. Почему это? Почему мы не видим результатов, особенно в условиях, когда так сложно нанять больше инженеров?

Одна из вещей, которые мы им показали, заключается в том, что если ваше узкое место не в инженерах, пишущих код, а в обеспечении качества, и у вас там недостаточно людей, то найм большего количества инженеров для написания большего количества функций на самом деле замедлит процесс, а не ускорит его. - сказал Гордон.

Как только организации осознали это, они отреагировали изменением своих планов найма, чтобы устранить эти узкие места, и это имело огромное значение. По словам Гордона, перераспределение существующей рабочей силы для решения проблем в процессе разработки программного обеспечения вместо найма большего количества людей может привести к найму на 20% больше инженеров.

Ценность заключается не только в более быстрой доставке программного обеспечения, но и в улучшении качества программного обеспечения и минимизации времени простоя, добавил Гордон. Согласно исследованию Google, экономия может составлять от 6 до 250 миллионов долларов в год, в зависимости от размера команды.

Faros AI предназначен для руководителей инженерных групп, технических директоров и аналогичных должностей. В то время как Гордон привел доводы в пользу ценности, которую это может им принести; нам было интересно, как продукт воспринимается членами инженерной команды, чья работа находится в центре внимания. По словам Гордона, опыт работы с клиентами Faros AI показывает, что удовлетворенность сотрудников возрастает. Это связано с тем, что это уменьшает «внутреннюю бюрократию», что приводит к более быстрому выполнению работ и позволяет инженерам увидеть влияние своей работы в реальном мире.

Если разговоры о таких вещах, как качество программного обеспечения и его ценность, разжигают ваш аппетит, вам придется управлять своими ожиданиями. По словам Гордона, попытка приписать работу инженерных команд бизнес-показателям высокого уровня — это Святой Грааль для EngOps, но мы еще не достигли этой цели.

Самое близкое, что мы можем получить на данный момент, добавил он, — это измерить, сколько времени потребуется, чтобы что-то запустить в производство. Учитывая, как разрастаются инженерные среды и системы, это нетривиально. По опыту Гордона, цикл «Соединить – Анализировать – Настроить» – это то, что используют многие организации под такими названиями, как продуктивность разработчика, инженерная эффективность или инженерные полномочия.

Большая часть этой работы совершенно недифференцирована и связана с созданием инфраструктуры. Идея заключается в том, что, как для большинства организаций имеет смысл использовать готовую систему ERP или CRM и настраивать ее под свои нужды, так и EngOps не должен быть исключением.

По мнению Гордона, миссия Faros AI — предоставить EngOps как можно большему количеству организаций. Выпуск Faros CE, бесплатной версии Community Edition платформы Faros AI с открытым исходным кодом, является важным шагом на пути к достижению этой цели. По словам Гордона, реальных различий в возможностях между Faros CE и Faros AI Enterprise нет, за исключением таких функций, как безопасность и соответствие требованиям.

Faros CE — это уровень бизнес-аналитики, API и автоматизации для всех инженерно-оперативных данных, включая контроль источников, управление задачами, управление инцидентами и данные CI/CD. Он включает в себя лучшее в своем классе программное обеспечение с открытым исходным кодом: Airbyte для приема данных, Hasura для уровня API, Metabase для BI и n8n для автоматизации. Faros CE основан на контейнерах и может работать в любой среде, включая общедоступное облако, без внешних зависимостей.

Faros AI Enterprise, доступный как SaaS с возможностью самостоятельного хостинга, по-прежнему будет драйвером монетизации Faros AI. Однако Faros CE также будет служить цели, позволяющей клиентам добавлять больше разъемов в выбранные ими системы. Faros AI работал в обратном порядке, как это обычно делают компании, использующие версии с открытым исходным кодом и корпоративные версии: начиная с корпоративной версии, а затем выпуская версию с открытым исходным кодом.

По словам Гордона, это также отражается на способе сбора средств, который компания выбрала. Начальный раунд в размере 16 миллионов долларов будет получен после того, как компания проработает некоторое время, имея полнофункциональную платформу и платящих клиентов. Это, добавил Гордон, означает, что учредители минимизируют размывание своих акций, а спонсоры минимизируют свои риски. Финансирование будет использовано для инвестиций в продукт, а также для развития команды Faros AI.