Faros AI samlar in 16 miljoner dollar för att belysa utvecklarens produktivitet, lanserar gratis plattform med öppen källkod

Vitaly Gordon startade Salesforce Einstein i en källare med 5 personer 2016. Det tog inte alltför lång tid för det att växa till en otvetydig framgång för Salesforce: förbättra företagets interna verksamhet, som används av över 10 10 kunder, producerar över XNUMX miljarder förutsägelser varje dag, såväl som spetsforskning, med hundratals människor som arbetar med det.

Så varför njuter inte Gordon av frukterna av sitt arbete på Salesforce?

För, som han uttryckte det, praktiserade de inte vad de predikade. Gordon insåg att ingenjörsteam i organisationer inte alls är datadrivna som de borde vara. Han lämnade sin roll som VP, Data Science and Engineering på Salesforce Einstein och påbörjade en strävan att göra mjukvaruteknik datadriven, tillsammans med några av sina tidigare kollegor.

Faros AI är företaget som Gordon var med och grundade 2019 för att ge ingenjörsteam djup insyn i sin verksamhet så att de kan skicka produkter snabbare. Faros Engineering Operations Platform används redan av sådana som Box, Coursera och GoFundMe.

Faros AI meddelade idag att de har samlat in 16 miljoner dollar i startfinansiering ledd av SignalFire, Salesforce Ventures och Global Founders Capital med deltagande från erfarna tekniska armaturer inklusive Maynard Webb, Frederic Kerrest, Adam Gross och mer.

Vad mer är, företaget tillkännager också den allmänna tillgängligheten för sin gratis community Edition med öppen källkod, Faros CE. Vi träffade Gordon för att diskutera hans resa med Faros AI, filosofin kring vad de kallar EngOps och skapandet av Faros AI-plattformen.

Analytics som fyren av mjukvaruteknikteam

Faros är grekiska för fyr. Som Gordon noterade går marininspirerade analogier starkt i infrastrukturområdet. Det började med Docker, och sedan kom Kubernetes, som är grekiska för en sjökapten. Så om Kubernetes är rorsman som styr fartyget, vad visar vägen? Det skulle vara fyren, och Faros AI vill vara fyren.

Gordon hänvisar till vad Faros gör som EngOps. Om du är bekant med DevOps kanske du tror att EngOps är liknande — men det är det inte. I verkligheten kan vad Faros AI gör sammanfattas som analyser för programvaruteknikteam. Anledningen till att Faros använder termen EngOps, sa Gordon, är en nick till andra discipliner.

När vi tittar på roller som säljverksamhet, marknadsföringsverksamhet eller rekryteringsverksamhet ser vi att de fylls av mycket analytiska personer. Deras jobb är att hämta data från flera källor, analysera pipelines, hitta flaskhalsarna och sedan rapportera till relevanta chefer och arbeta med dem för att förbättra det som behöver förbättras.

Faros AI är byggd kring idén om att evangelisera den typen av roll för mjukvaruteknik. Gordon anser att varje enskilt företag bör ha personer som analyserar data för att ge råd till tekniska leads om att allokera resurser och fatta beslut.

Man skulle kunna tro att när mjukvaruteknik är helt digital, med etablerade metoder och system som används, skulle någon ha fallit på att använda analyser för detta, och det skulle redan ha implementerats. Konceptuellt är det ganska okomplicerat, och Faros AI beskriver det med Triptyken Connect — Analysera — Anpassa.

Först måste alla system som är relevanta för mjukvaruutvecklingsprocessen anslutas, så att deras data kan tas in. Faros låter användare ansluta system som kodlager, CI / CD, biljetthantering och projekthanteringsprogram till ett centraliserat registersystem.

Det är en förutsättning för att kunna göra analyser. Det är inte heller så enkelt som det låter. Förutom att få kontakterna på plats måste data integreras och anpassas, och Gordon sa att det krävs "någon sorts intelligens" för att sammanfoga alla dessa olika datakällor. Målet är att spåra förändringar från idé till produktion och vidare, incidenter från upptäckt till återställning till upplösning, och stämma av identiteter mellan de olika systemen.

Sedan kommer analysen, som är kärnan i processen. Enligt Gordons erfarenhet kan de mätvärden som ofta används för att mäta utvecklarens produktivitet, såsom rader med kod eller biljettförteckningar, vara lätta att mäta, men de är inte riktigt representativa. Om något, sa Gordon, kan det finnas en omvänd korrelation mellan dessa mätvärden och det faktiska värdet som genereras.

För att komma på vad han hävdar kan bli en de facto uppsättning mätvärden för mjukvaruteknik, sökte Gordon och hans medgrundare högt och lågt. De kom att förlita sig mycket på DORA – Google Clouds DevOps Research and Assessment.

DORA studerade över 1000 100 företag och mätte över 4 mätvärden och använde dem för att klassificera team i XNUMX buckets - Elit, High, Medium och Low. De gjorde det, sa Gordon, baserat på mått som fokuserar på process och inte människor, och mäter resultat snarare än resultat. Detta är filosofin som Faros AI också omfattar.

Sist men inte minst, anpassning gör att Faros AI-användare kan finjustera mätvärden till sina egna behov och miljö. Eftersom organisationer skiljer sig åt i hur de arbetar och de miljöer de använder, är detta en nödvändig bestämmelse för att säkerställa att plattformen fungerar bra för varje scenario och de insamlade mätvärdena återspeglar verkligheten på plats.

Mäta och maximera värdet

Allt det låter bra och bra, men hur översätts det till konkreta fördelar i praktiken? För att ta itu med denna fråga började Gordon med att säga att bara att kunna se allt på ett ställe ofta räcker för att generera ett "aha-ögonblick". Men det går utöver det; fortsatte han med att tillägga. En avgörande aspekt som Faros AI har kunnat hjälpa kunder med är resursallokering:

"En av de saker som vi hela tiden hör från våra kunder, och det kommer mycket från ledningen på hög nivå, eller till och med ibland styrelsen, är: Vi anställer fler ingenjörer, men vi verkar inte få fler saker gjorda. Varför är det så? Särskilt i en miljö där det är så svårt att anställa fler ingenjörer, varför ser vi inga resultat?

En av sakerna vi visade dem är att om din flaskhals inte ligger hos ingenjörer som skriver kod, utan i kvalitetssäkring, och du inte har tillräckligt med folk där, då kommer det att anställa fler ingenjörer för att skriva fler funktioner faktiskt göra saker långsammare, inte snabbare ", sa Gordon.

När organisationerna insåg det, svarade de genom att ändra sina anställningsplaner för att komma till rätta med dessa flaskhalsar, och det gjorde en enorm skillnad. Att omplacera den befintliga arbetsstyrkan för att ta itu med problem i mjukvaruutvecklingspipelinen, snarare än att anställa fler, kan resultera i motsvarande 20 % fler ingenjörer enligt Gordon.

Värdet kommer inte bara från att leverera mjukvara snabbare utan också från att förbättra mjukvarukvaliteten och minimera stillestånd, fortsatte Gordon. Enligt Googles forskning kan besparingarna vara allt mellan $6 miljoner och $250 miljoner per år, beroende på teamets storlek.

Faros AI riktar sig till ingenjörsteamledare, CTO:er och liknande roller. Medan Gordon gjorde ett argument för värdet det kan leverera till dem; vi undrade hur produkten tas emot av ingenjörsteammedlemmar, vars arbete är uppmärksammat. Erfarenheter med Faros AI-kunder visar att medarbetarnas nöjdhet ökar, sa Gordon. Det beror på att det minskar "intern byråkrati", vilket resulterar i en snabbare vändning och att ingenjörer ser effekten av sitt arbete i den verkliga världen.

Om du blir sugen på att prata om saker som mjukvarukvalitet och värdeskapande, måste du hantera dina förväntningar. Att försöka tillskriva ingenjörsteams arbete till affärsmått på hög nivå är den heliga gralen för EngOps, sa Gordon, men vi är inte där än.

Det närmaste vi kan komma vid det här laget, fortsatte han med att tillägga, är att mäta hur lång tid det tar att få något till produktion. Med tanke på hur tekniska miljöer och system sprider sig är det inte trivialt. Enligt Gordons erfarenhet är cykeln Connect – Analysera – Customize något som många organisationer gör, under namn som t.ex. utvecklarens produktivitet, ingenjörseffektivitet eller teknisk bemyndigande.

Det mesta av det arbetet är helt odifferentierat, och det handlar om att bygga infrastruktur. Tanken är att precis som det är vettigt för de flesta organisationer att använda ett standardiserat ERP- eller CRM-system och anpassa det efter deras behov, borde EngOps inte vara annorlunda.

För Gordon är Faros AI:s uppdrag att föra EngOps till så många organisationer som möjligt. Utgivningen av Faros CE, den kostnadsfria communityutgåvan med öppen källkod av Faros AI-plattformen, är ett viktigt steg för att tjäna det målet. Det finns inga verkliga skillnader i kapacitet mellan Faros CE och Faros AI Enterprise, förutom när det kommer till funktioner som säkerhet och efterlevnad, sa Gordon.

Faros CE är ett BI-, API- och automationslager för all teknisk driftdata, inklusive källkontroll, uppgiftshantering, incidenthantering och CI/CD-data. Den består av den bästa mjukvaran med öppen källkod: Airbyte för dataintag, Hasura för API-lagret, Metabase för BI och n8n för automatisering. Faros CE är containerbaserat och kan köras i vilken miljö som helst, inklusive det offentliga molnet, utan externa beroenden.

Faros AI Enterprise, tillgängligt som SaaS med alternativ för självvärd, kommer att fortsätta att vara drivkraften för intäktsgenerering för Faros AI. Faros CE kommer dock också att tjäna målet att göra det möjligt för kunder att göra saker som att lägga till fler kontakter till sina valfria system. Faros AI fungerade på det omvända sättet som företag med öppen källkod och företagsversioner vanligtvis gör, och började med företagsversionen och släppte sedan versionen med öppen källkod.

Detta återspeglas också i hur företaget valde att samla in pengar, sa Gordon. Seed-rundan på 16 miljoner dollar kommer efter att företaget har varit i drift ett tag, med en fullt fungerande plattform och betalande kunder. Detta, fortsatte Gordon med att tillägga, innebär att grundare minimerar utspädningen av sina aktier och stödpersoner minimerar sin risk. Finansieringen kommer att användas för att investera i produkten, samt att utöka Faros AI-team.