Autoheal يجمع 7.9 مليون دولار في جولة تمويل أولية لمصنع البرمجيات القائم على التحسين الذاتي

Autoheal جمع 7.9 مليون دولار في تمويل أولي لتوسيع منصة صُممت لإدارة الأعمال التي تلي الترميز المدعوم بالذكاء الاصطناعي: التحقيق في الحوادث، معالجة الثغرات، التحكم في تكاليف النماذج، والحفاظ على توافق وكلاء البرمجيات مع أنظمة وسياسات المؤسسة.

قادت Innovation Endeavors الجولة، بمشاركة Emergent Ventures، U&I Ventures، Darkmode Ventures، Batch Ventures، وParam Hansa Values. ينضم Harpinder Singh من Innovation Endeavors إلى مجلس إدارة Autoheal.

يأتي التمويل في وقت تتعلم فيه الشركات أن توليد الشيفرة بشكل أسرع لا ينتج تلقائيًا تسليم برامج أسرع أو أكثر أمانًا. قد يعني المزيد من الشيفرة المزيد من التنبيهات، والمراجعات، والثغرات، وإنفاق نماذج السحابة. تركّز Autoheal على تلك الطبقة الأقل وضوحًا من طفرة الترميز بالذكاء الاصطناعي.

مشكلة تشغيلية نتجت عن الترميز الأسرع

مساعدات الترميز بالذكاء الاصطناعي خفضت الجهد المطلوب لإنتاج الشيفرة، لكن العديد من مهام الهندسة اللاحقة لا تزال تتطلب عملاً يدويًا مكثفًا. لا تزال حوادث الإنتاج تحتاج إلى التحقيق، وتحتاج نتائج الأمان إلى المعالجة، ولا يزال على فرق المنصات فهم سبب نجاح أو فشل الإجراء الآلي.

تؤكد Autoheal أن هذه المهام يجب أن تُعامل كجزء من مصنع برمجيات منسق بدلاً من تسليمها إلى مجموعة من الوكلاء غير المتصلين. تربط منصتها أدوات الترميز بالمستودعات، وأنظمة CI/CD، ومنصات الرصد، وبيئات السحابة، ومتتبعات المشكلات. الهدف هو توفير رؤية مشتركة للوكلاء المتخصصين لبيئة الهندسة مع إبقائهم داخل سحابة العميل وضوابط الأمان.

تكتسب تلك البنية أهمية في المؤسسات المنظمة أو التقنية المعقدة، حيث قد يحتاج الوكيل إلى سياق الإنتاج لكنه لا يمكن منحه وصولًا غير مقيد. كما أنها تعالج مشكلة حوكمة عملية: كلما نشر الفرق المزيد من الوكلاء، احتاجوا إلى طريقة موحدة لتقييم السلوك، وتتبع التغييرات، والتحكم في التكلفة.

كيف تعمل حلقة الشفاء المستمرة في Autoheal

في صميم نهج Autoheal يوجد وكيلان إشرافيان. يقوم المُقَيِّم بتقييم مخرجات وكلاء العمل باستخدام إشارات مثل تعليقات مراجعة الشيفرة، وفشل عمليات التكامل المستمر، والحوادث المرتبطة بتغيير ما. ثم يقترح المُعالج تحسينات على الوكلاء ذوي الأداء الضعيف عن طريق تعديل مطالباتهم، ومهاراتهم، وأدواتهم، أو اختيارات النماذج.

تقول الشركة إن تلك التغييرات المقترحة تُختبر مقابل معايير تاريخية قبل المراجعة. يتم التحكم في إصدارات سلوك الوكيل عبر Git، ويحتفظ المهندسون بسلطة الموافقة. عمليًا، يجعل ذلك النظام أقل شبيهاً بروبوت ترميز مستقل وأكثر كطبقة تشغيلية لمراقبة وتحسين مجموعة من الوكلاء المتخصصين في مهام محددة.

هذا التمييز مهم. بناء عرض توضيحي مقنع للوكيل يعتبر أمرًا بسيطًا نسبيًا؛ أما الحفاظ على أداء موثوق مع تغير قواعد الشيفرة والبنية التحتية والقواعد التنظيمية فالأمر أصعب. تراهن Autoheal على أن التقييم المستمر والمراجعة المتحكم فيها سيصبحان متطلبًا أساسيًا لنشر الوكلاء في المؤسسات.

النشرات الأولية تركز على الاستجابة للحوادث

تقول Autoheal إنها تعمل بالفعل في بيئات مؤسساتية تشمل بنك Nomura وAvidXchange. وفقًا للأرقام التي قدمتها الشركة، خفضت Nomura متوسط زمن الحل من ساعتين إلى 15 دقيقة في إحدى النشرات. وتفيد AvidXchange أن النظام قد اختصر تحليل السبب الجذري إلى دقائق وحرّر طاقة الهندسة للعمل على المنتجات.

هذه النتائج هي ادعاءات من الشركة والعملاء وليست مؤشرات مستقلة، لكنها تشير إلى حالة الاستخدام الأولية التي تعتقد Autoheal أنها الأكثر إلحاحًا: الاستجابة للحوادث. غالبًا ما يتطلب استكشاف الأخطاء جمع الأدلة عبر السجلات، وأنظمة الرصد، وتذاكر الدعم، وتغييرات الشيفرة، وخدمات السحابة. قد يتمكن وكيل يمتلك وصولًا إلى هذا السياق من تجميع تشخيص مفيد أسرع من مهندس ينتقل يدويًا بين الأنظمة.

وفقًا للإعلان، تستخدم Empiric Earth المنصة أيضًا لاستكشاف الأخطاء وتحسين تكلفة البرمجيات. معًا، تشير النشرات إلى أن Autoheal تبدأ بسير عمل تكون فيه تكلفة المعلومات المتفرقة واضحة وسهلة الرؤية، حيث يمكن قياس التحسين بالوقت الذي يُعاد للمهندسين.

ما الذي تهدف جولة التمويل الأولية إلى تمويله

Autoheal تأسست على يد Utkarsh Ohm وSid Choudhury وPuneet Saraswat، مستفيدين من خبراتهم في Harness وMicrosoft Azure وThoughtSpot وAppDynamics. يقول الفريق إن رأس المال الجديد سيدعم تطوير أنظمة التعلم التعزيزي ونماذج خاصة مخصصة للمؤسسات تُدرب على بيانات هندسية تبقى داخل حدود العميل.

يمتد الخطة طويلة الأجل إلى ما بعد هندسة البرمجيات لتشمل عمليات البيانات والأمان. سيعتمد هذا التوسع على قدرة المنصة على تعميم نموذج التقييم والإصلاح عبر سير عمل ذات ملفات مخاطر ومعايير نجاح مختلفة.

في الوقت الحالي، تبرز جولة التمويل تحولًا في سوق الذكاء الاصطناعي المؤسسي. قد لا يكون القيد التالي هو توليد المزيد من الشيفرة، بل تنظيم الزيادة المتواصلة في عدد الوكلاء وامتصاص العمل التشغيلي الذي يخلقونه. تكمن فرصة Autoheal في تحويل ذلك القيد إلى بنية تحتية يمكن لفرق المنصات قياسها وتدقيقها وتحسينها.