Faros AI ระดมเงิน 16 ล้านดอลลาร์เพื่อให้ความกระจ่างเกี่ยวกับประสิทธิภาพการทำงานของนักพัฒนา เปิดตัวแพลตฟอร์มโอเพ่นซอร์สฟรี

Vitaly Gordon เริ่มต้น Salesforce Einstein ในห้องใต้ดินที่มีพนักงาน 5 คนในปี 2016 ใช้เวลาไม่นานในการเติบโตจนเป็นความสำเร็จที่ชัดเจนสำหรับ Salesforce: การปรับปรุงการดำเนินงานภายในบริษัท ซึ่งใช้งานโดยลูกค้ากว่า 10 ราย สร้างการคาดการณ์มากกว่า 10 ล้านรายการทุกวัน เช่นเดียวกับ การวิจัยที่ทันสมัยโดยมีคนทำงานหลายร้อยคน

แล้วทำไม Gordon ถึงไม่มีความสุขกับผลงานของเขาที่ Salesforce?

เพราะตามที่เขาพูด พวกเขาไม่ได้ปฏิบัติตามสิ่งที่พวกเขาสั่งสอน Gordon ตระหนักว่าทีมวิศวกรในองค์กรไม่ได้ขับเคลื่อนด้วยข้อมูลอย่างที่ควรจะเป็น เขาออกจากตำแหน่งรองประธานฝ่ายวิทยาศาสตร์ข้อมูลและวิศวกรรมที่ Salesforce Einstein และเริ่มต้นภารกิจเพื่อสร้างวิศวกรรมซอฟต์แวร์ที่ขับเคลื่อนด้วยข้อมูล ร่วมกับอดีตเพื่อนร่วมงานของเขาบางคน

ฟารอส เอไอ เป็นบริษัทที่ Gordon ร่วมก่อตั้งในปี 2019 เพื่อให้ทีมวิศวกรมองเห็นการดำเนินงานอย่างลึกซึ้ง เพื่อให้พวกเขาสามารถจัดส่งผลิตภัณฑ์ได้เร็วขึ้น แพลตฟอร์ม Faros Engineering Operations Platform ถูกใช้งานโดย Box, Coursera และ GoFundMe แล้ว

Faros AI ประกาศในวันนี้ว่า บริษัทได้ระดมทุนเริ่มต้น 16 ล้านดอลลาร์ นำโดย SignalFire, Salesforce Ventures และ Global Founders Capital โดยมีส่วนร่วมจากผู้ทรงคุณวุฒิด้านเทคโนโลยีที่ช่ำชอง เช่น Maynard Webb, Frederic Kerrest, Adam Gross และอีกมากมาย

ยิ่งไปกว่านั้น บริษัทยังประกาศความพร้อมใช้งานทั่วไปของ Faros CE ซึ่งเป็น Open-source Community Edition ฟรี เราติดต่อกับ Gordon เพื่อพูดคุยเกี่ยวกับการเดินทางของเขากับ Faros AI ปรัชญาของสิ่งที่พวกเขาเรียกว่า EngOps และการสร้างแพลตฟอร์ม Faros AI

Analytics เป็นประภาคารของทีมวิศวกรรมซอฟต์แวร์

Faros เป็นภาษากรีก แปลว่าประภาคาร ดังที่กอร์ดอนกล่าวไว้ การเปรียบเทียบที่ได้รับแรงบันดาลใจจากทะเลกำลังเติบโตอย่างแข็งแกร่งในพื้นที่โครงสร้างพื้นฐาน มันเริ่มต้นด้วยนักเทียบท่าและตามมาด้วย Kubernetes ซึ่งเป็นภาษากรีกสำหรับกัปตันเรือ ดังนั้นหาก Kubernetes เป็นนายท้ายเรืออะไรชี้ทาง? นั่นคือประภาคาร และ Faros AI ต้องการเป็นประภาคาร

Gordon อ้างถึงสิ่งที่ Faros ทำ EngOps. หากคุณคุ้นเคยกับ DevOps คุณอาจคิดว่า EngOps คล้ายกัน — แต่ไม่ใช่ ในความเป็นจริง สิ่งที่ Faros AI ทำสามารถสรุปเป็นการวิเคราะห์สำหรับทีมวิศวกรรมซอฟต์แวร์ได้ เหตุผลที่ Faros ใช้คำว่า EngOps กอร์ดอนกล่าวว่าเป็นการพยักหน้าให้กับสาขาวิชาอื่น

เมื่อพิจารณาจากบทบาทต่างๆ เช่น ฝ่ายปฏิบัติการขาย ฝ่ายการตลาด หรือฝ่ายสรรหา เราพบว่าพวกเขาเต็มไปด้วยผู้ที่มีการวิเคราะห์สูง งานของพวกเขาคือรับข้อมูลจากหลายแหล่ง วิเคราะห์ท่อส่ง ค้นหาคอขวด แล้วรายงานต่อผู้บริหารที่เกี่ยวข้องและทำงานร่วมกับพวกเขาเพื่อปรับปรุงสิ่งที่ต้องปรับปรุง

Faros AI สร้างขึ้นจากแนวคิดของการประกาศบทบาทประเภทนั้นสำหรับวิศวกรรมซอฟต์แวร์ Gordon เชื่อว่าทุก ๆ บริษัทควรมีบุคคลที่วิเคราะห์ข้อมูลเพื่อให้คำแนะนำด้านวิศวกรรมเกี่ยวกับการจัดสรรทรัพยากรและการตัดสินใจ

คุณอาจคิดว่าเมื่อวิศวกรรมซอฟต์แวร์เป็นแบบดิจิทัลทั้งหมด มีแนวทางปฏิบัติและระบบที่ใช้อยู่ การใช้การวิเคราะห์สำหรับสิ่งนี้อาจเกิดขึ้นกับใครบางคน และมันจะถูกนำไปใช้แล้ว ตามแนวคิดแล้ว มันค่อนข้างตรงไปตรงมา และ Faros AI อธิบายโดยใช้การเชื่อมต่อ — วิเคราะห์ — ปรับแต่งอันมีค่า

ขั้นแรก ระบบทั้งหมดที่เกี่ยวข้องกับกระบวนการพัฒนาซอฟต์แวร์จำเป็นต้องเชื่อมต่อ จึงจะนำเข้าข้อมูลได้ Faros ช่วยให้ผู้ใช้เชื่อมต่อระบบต่างๆ เช่น ที่เก็บรหัส CI / ซีดีซอฟต์แวร์การจัดการตั๋วและการจัดการโครงการไว้ในระบบบันทึกรวมศูนย์เดียว

นั่นเป็นข้อกำหนดเบื้องต้นเพื่อให้สามารถทำการวิเคราะห์ได้ มันไม่ง่ายอย่างที่คิด นอกเหนือจากการทำให้ตัวเชื่อมต่อเข้าที่แล้ว ข้อมูลจะต้องได้รับการบูรณาการและสอดคล้องกัน และ Gordon กล่าวว่าต้องใช้ "ความฉลาดบางอย่าง" ในการรวมแหล่งข้อมูลต่างๆ ทั้งหมดเข้าด้วยกัน เป้าหมายคือการติดตามการเปลี่ยนแปลงจากแนวคิดไปสู่การผลิตและอื่นๆ เหตุการณ์ตั้งแต่การค้นพบไปจนถึงการกู้คืนจนถึงการแก้ไข และกระทบยอดข้อมูลประจำตัวในระบบต่างๆ

จากนั้นการวิเคราะห์ซึ่งเป็นแกนหลักของกระบวนการก็มาถึง จากประสบการณ์ของ Gordon เมตริกที่มักใช้วัดประสิทธิภาพการทำงานของนักพัฒนา เช่น บรรทัดของโค้ดหรือประเด็นเกี่ยวกับการออกตั๋วอาจวัดได้ง่าย แต่ก็ไม่ได้เป็นตัวแทนจริงๆ หากมีอะไรเกิดขึ้น กอร์ดอนกล่าวว่า อาจมีความสัมพันธ์ย้อนกลับระหว่างเมตริกเหล่านั้นกับมูลค่าจริงที่สร้างขึ้น

เพื่อให้ได้สิ่งที่เขาอ้างว่าสามารถกลายเป็นชุดตัวชี้วัดสำหรับวิศวกรรมซอฟต์แวร์โดยพฤตินัย Gordon และผู้ร่วมก่อตั้งของเขาค้นหาสูงและต่ำ พวกเขามาพึ่งพิงมาก DORA – การวิจัยและการประเมิน DevOps ของ Google Cloud.

DORA ศึกษาบริษัทมากกว่า 1000 แห่งและวัดผลมากกว่า 100 เมตริก โดยใช้ข้อมูลเหล่านี้เพื่อจำแนกทีมออกเป็น 4 กลุ่ม ได้แก่ Elite, High, Medium และ Low พวกเขาทำเช่นนั้น กอร์ดอนกล่าว โดยยึดตามเมตริกที่เน้นที่กระบวนการ ไม่ใช่คน โดยวัดที่ผลลัพธ์มากกว่าผลลัพธ์ นี่คือปรัชญาที่ Faros AI ยอมรับเช่นกัน

สุดท้าย แต่ไม่ท้ายสุด การปรับแต่งช่วยให้ผู้ใช้ Faros AI สามารถปรับแต่งเมตริกให้เหมาะกับความต้องการและสภาพแวดล้อมของตนเองได้ เนื่องจากองค์กรมีวิธีการทำงานและสภาพแวดล้อมที่ใช้แตกต่างกัน นี่เป็นข้อกำหนดที่จำเป็นเพื่อให้แน่ใจว่าแพลตฟอร์มทำงานได้ดีสำหรับแต่ละสถานการณ์ และเมตริกที่รวบรวมได้สะท้อนถึงความเป็นจริงในพื้นที่

การวัดและการเพิ่มมูลค่าสูงสุด

ทั้งหมดนั้นฟังดูดีและดี แต่มันแปลเป็นประโยชน์ที่จับต้องได้ในทางปฏิบัติอย่างไร เพื่อตอบคำถามนี้ กอร์ดอนเริ่มต้นด้วยการบอกว่าแค่มองเห็นทุกสิ่งในที่เดียวก็เพียงพอแล้วที่จะสร้าง “ช่วงเวลาฮา” แต่มันไปไกลกว่านั้น เขากล่าวเสริม สิ่งสำคัญประการหนึ่งที่ Faros AI สามารถช่วยลูกค้าได้คือการจัดสรรทรัพยากร:

“สิ่งหนึ่งที่เราได้ยินจากลูกค้าอยู่เสมอ และมาจากผู้บริหารระดับสูง หรือแม้แต่คณะกรรมการในบางครั้งก็คือ เราจ้างวิศวกรเพิ่ม แต่ดูเหมือนเราจะยังทำงานไม่เสร็จมากขึ้น ทำไมถึงเป็นเช่นนั้น? โดยเฉพาะอย่างยิ่งในสภาพแวดล้อมที่ยากที่จะจ้างวิศวกรเพิ่ม ทำไมเราไม่เห็นผลลัพธ์

สิ่งหนึ่งที่เราแสดงให้พวกเขาเห็นคือ ถ้าคอขวดของคุณไม่ได้อยู่ที่วิศวกรเขียนโค้ด แต่อยู่ที่การรับประกันคุณภาพ และคุณมีคนไม่เพียงพอ การจ้างวิศวกรเพิ่มเพื่อเขียนฟีเจอร์มากขึ้นจะทำให้สิ่งต่างๆ ช้าลง ไม่ใช่เร็วขึ้น "กอร์ดอนกล่าว

เมื่อองค์กรต่างๆ ตระหนักแล้ว พวกเขาตอบสนองด้วยการเปลี่ยนแผนการจ้างงานเพื่อแก้ปัญหาคอขวดเหล่านั้น ซึ่งสร้างความแตกต่างอย่างมาก การกำหนดพนักงานที่มีอยู่ใหม่เพื่อแก้ไขปัญหาในท่อวิศวกรรมซอฟต์แวร์ แทนที่จะจ้างคนเพิ่ม อาจส่งผลให้เทียบเท่ากับการจ้างวิศวกรเพิ่มขึ้น 20% ตามที่คุณ Gordon กล่าว

คุณค่าไม่ได้มาจากการส่งมอบซอฟต์แวร์ที่เร็วขึ้นเท่านั้น แต่ยังมาจากการปรับปรุงคุณภาพซอฟต์แวร์และลดเวลาหยุดทำงานให้เหลือน้อยที่สุดด้วย Gordon กล่าวเสริม จากการวิจัยของ Google เงินออมสามารถอยู่ระหว่าง 6 ล้านถึง 250 ล้านดอลลาร์ต่อปี ขึ้นอยู่กับขนาดทีม

Faros AI มุ่งเป้าไปที่หัวหน้าทีมวิศวกรรม CTO และบทบาทที่คล้ายกัน ขณะที่กอร์ดอนยื่นฟ้องเรื่องมูลค่าที่สามารถมอบให้พวกเขาได้ เราสงสัยว่าสมาชิกในทีมวิศวกรรมได้รับผลิตภัณฑ์ได้อย่างไร ประสบการณ์กับลูกค้า Faros AI แสดงให้เห็นว่าความพึงพอใจของพนักงานเพิ่มขึ้น Gordon กล่าว นั่นเป็นเพราะมันลด “ระบบราชการภายใน” ส่งผลให้ตอบสนองได้เร็วขึ้นและให้วิศวกรเห็นผลกระทบของการทำงานในโลกแห่งความเป็นจริง

หากพูดถึงสิ่งต่างๆ เช่น คุณภาพของซอฟต์แวร์และมูลค่าที่สร้างขึ้นซึ่งกระตุ้นความต้องการของคุณ คุณจะต้องจัดการความคาดหวังของคุณ Gordon กล่าวว่าการพยายามระบุคุณลักษณะการทำงานของทีมวิศวกรรมให้เป็นเมตริกทางธุรกิจระดับสูงนั้นเป็นจอกศักดิ์สิทธิ์สำหรับ EngOps แต่เรายังไม่ได้ไปถึงจุดนั้น

สิ่งที่ใกล้เคียงที่สุดที่เราทำได้ ณ จุดนี้ เขากล่าวเสริม คือการวัดว่าต้องใช้เวลานานแค่ไหนในการผลิตบางอย่าง เมื่อพิจารณาว่าสภาพแวดล้อมทางวิศวกรรมและระบบแผ่ขยายออกไป นั่นไม่ใช่เรื่องเล็กน้อย จากประสบการณ์ของกอร์ดอน วงจรการเชื่อมต่อ – วิเคราะห์ – ปรับแต่งเป็นสิ่งที่หลายองค์กรทำภายใต้ชื่อต่างๆ เช่น ผลผลิตของนักพัฒนาประสิทธิภาพทางวิศวกรรมหรือการเสริมพลังทางวิศวกรรม

งานส่วนใหญ่นั้นไม่มีความแตกต่างโดยสิ้นเชิง และเป็นเรื่องของการสร้างโครงสร้างพื้นฐาน แนวคิดก็คือ เช่นเดียวกับที่องค์กรส่วนใหญ่ใช้ระบบ ERP หรือ CRM นอกชั้นวางและปรับแต่งให้เข้ากับความต้องการของพวกเขา EngOps ก็ไม่ต่างกัน

สำหรับ Gordon ภารกิจของ Faros AI คือการนำ EngOps มาสู่องค์กรต่างๆ ให้ได้มากที่สุด การเปิดตัว Faros CE ซึ่งเป็น Community Edition แบบโอเพ่นซอร์สฟรีของแพลตฟอร์ม Faros AI เป็นขั้นตอนสำคัญในการบรรลุเป้าหมายดังกล่าว Gordon กล่าวว่าไม่มีความแตกต่างในด้านความสามารถระหว่าง Faros CE และ Faros AI Enterprise ยกเว้นเมื่อเป็นเรื่องของคุณสมบัติ เช่น ความปลอดภัยและการปฏิบัติตามข้อกำหนด

Faros CE คือ BI, API และชั้นการทำงานอัตโนมัติสำหรับข้อมูลการดำเนินงานด้านวิศวกรรมทั้งหมด รวมถึงการควบคุมแหล่งที่มา การจัดการงาน การจัดการเหตุการณ์ และข้อมูล CI/CD ประกอบด้วยซอฟต์แวร์โอเพ่นซอร์สที่ดีที่สุด: Airbyte สำหรับการนำเข้าข้อมูล, Hasura สำหรับเลเยอร์ API, Metabase สำหรับ BI และ n8n สำหรับระบบอัตโนมัติ Faros CE เป็นแบบคอนเทนเนอร์และสามารถทำงานในสภาพแวดล้อมใด ๆ รวมถึงคลาวด์สาธารณะโดยไม่มีการพึ่งพาภายนอก

Faros AI Enterprise ซึ่งพร้อมใช้งานในรูปแบบ SaaS พร้อมตัวเลือกการโฮสต์ด้วยตนเอง จะยังคงเป็นตัวขับเคลื่อนการสร้างรายได้สำหรับ Faros AI อย่างไรก็ตาม Faros CE จะตอบสนองเป้าหมายในการช่วยให้ลูกค้าทำสิ่งต่างๆ เช่น การเพิ่มตัวเชื่อมต่อให้กับระบบที่พวกเขาเลือก Faros AI ทำงานในลักษณะที่ตรงกันข้ามกับบริษัทที่ใช้โอเพ่นซอร์สและเวอร์ชันสำหรับองค์กรโดยทั่วไป โดยเริ่มจากเวอร์ชันสำหรับองค์กรแล้วปล่อยเวอร์ชันโอเพ่นซอร์ส

สิ่งนี้ยังสะท้อนให้เห็นในวิธีที่บริษัทเลือกที่จะระดมทุนอีกด้วย Gordon กล่าว รอบเริ่มต้นที่ 16 ล้านดอลลาร์เกิดขึ้นหลังจากที่บริษัทเปิดดำเนินการมาระยะหนึ่งโดยมีแพลตฟอร์มที่ใช้งานได้เต็มรูปแบบและลูกค้าที่ชำระเงิน กอร์ดอนกล่าวเสริม หมายความว่าผู้ก่อตั้งลดการเจือจางของสต็อกและผู้สนับสนุนลดความเสี่ยง เงินทุนจะถูกใช้เพื่อลงทุนในผลิตภัณฑ์ เช่นเดียวกับการพัฒนาทีม AI ของ Faros