Autoheal ने अपने स्व-सुधार सॉफ़्टवेयर फ़ैक्ट्री के लिए $7.9M सीड राउंड जुटाया

Autoheal ने AI-सहायता प्राप्त कोडिंग के बाद होने वाले कार्यों को प्रबंधित करने के लिए डिज़ाइन किए गए प्लेटफ़ॉर्म का विस्तार करने हेतु $7.9 मिलियन की सीड फंडिंग जुटाई: घटनाओं की जांच, कमजोरियों का समाधान, मॉडल लागतों का नियंत्रण, और सॉफ़्टवेयर एजेंटों को उद्यम की प्रणालियों और नीतियों के साथ संरेखित रखना।

Innovation Endeavors ने इस राउंड का नेतृत्व किया, जिसमें Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures, और Param Hansa Values की भागीदारी थी। Innovation Endeavors के Harpinder Singh Autoheal के बोर्ड में शामिल हो रहे हैं।

जैसे-जैसे कंपनियां समझ रही हैं कि तेज़ कोड जनरेशन स्वचालित रूप से तेज़ या सुरक्षित सॉफ़्टवेयर डिलीवरी नहीं देता, यह फंडिंग आती है। अधिक कोड का मतलब अधिक अलर्ट, समीक्षाएं, कमजोरियां, और क्लाउड-मॉडल खर्च हो सकता है। Autoheal इस AI कोडिंग बूम की कम दिखाई देने वाली परत पर केंद्रित है।

तेज़ कोडिंग द्वारा उत्पन्न एक परिचालन समस्या

AI coding assistants ने कोड उत्पन्न करने के लिए आवश्यक प्रयास को कम कर दिया है, लेकिन कई डाउनस्ट्रीम इंजीनियरिंग कार्य अभी भी श्रम-गहन हैं। उत्पादन घटनाओं की अभी भी जांच की आवश्यकता है, सुरक्षा निष्कर्षों का अभी भी समाधान आवश्यक है, और प्लेटफ़ॉर्म टीमों को अभी भी समझना पड़ता है कि स्वचालित कार्रवाई क्यों सफल या विफल हुई।

Autoheal का तर्क है कि इन कार्यों को असंबद्ध एजेंटों के संग्रह को सौंपने के बजाय एक समन्वित सॉफ़्टवेयर फ़ैक्ट्री के हिस्से के रूप में माना जाना चाहिए। इसका प्लेटफ़ॉर्म कोडिंग टूल्स को रिपॉज़िटरी, CI/CD सिस्टम, ऑब्ज़रवबिलिटी प्लेटफ़ॉर्म, क्लाउड वातावरण, और इश्यू ट्रैकर से जोड़ता है। लक्ष्य विशेषीकृत एजेंटों को इंजीनियरिंग पर्यावरण का साझा दृश्य देना है, जबकि उन्हें ग्राहक के क्लाउड और सुरक्षा नियंत्रणों के भीतर रखा जाए।

यह आर्किटेक्चर नियामक या तकनीकी रूप से जटिल संगठनों में महत्वपूर्ण है, जहाँ एक एजेंट को उत्पादन संदर्भ की आवश्यकता हो सकती है लेकिन उसे असीमित पहुंच नहीं दी जा सकती। यह एक व्यावहारिक गवर्नेंस समस्या को भी संबोधित करता है: जैसे-जैसे टीमें अधिक एजेंट तैनात करती हैं, उन्हें व्यवहार का मूल्यांकन करने, परिवर्तन ट्रैक करने, और लागत नियंत्रित करने के लिए एक सुसंगत तरीका चाहिए।

Autoheal की निरंतर हीलिंग लूप कैसे काम करती है

Autoheal के दृष्टिकोण के केंद्र में दो पर्यवेक्षी एजेंट हैं। एक Evaluator कार्यकर्ता एजेंटों के आउटपुट को कोड-रिव्यू टिप्पणियों, निरंतर-इंटीग्रेशन विफलताओं, और परिवर्तन से जुड़े घटनाओं जैसे संकेतों का उपयोग करके स्कोर करता है। एक Healer फिर खराब प्रदर्शन करने वाले एजेंटों में उनके प्रॉम्प्ट, कौशल, टूल्स, या मॉडल चयन बदलकर सुधार प्रस्तावित करता है।

कंपनी कहती है कि प्रस्तावित परिवर्तन समीक्षा से पहले ऐतिहासिक बेंचमार्क के विरुद्ध परीक्षण किए जाते हैं। एजेंट व्यवहार को Git में संस्करण-नियंत्रित किया जाता है, और इंजीनियर अनुमोदन अधिकार बनाए रखते हैं। व्यवहार में, यह प्रणाली को एक स्वायत्त कोडिंग बॉट की बजाय कार्य-विशिष्ट एजेंटों के समूह की निगरानी और सुधार के लिए एक ऑपरेटिंग लेयर जैसा बनाता है।

यह अंतर महत्वपूर्ण है। एक प्रभावी एजेंट डेमो बनाना अपेक्षाकृत सरल है; जबकि कोडबेस, इन्फ्रास्ट्रक्चर, और संगठनात्मक नियमों के बदलने पर विश्वसनीय प्रदर्शन बनाए रखना कठिन है। Autoheal इस बात पर दांव लगा रहा है कि निरंतर मूल्यांकन और नियंत्रित संशोधन एंटरप्राइज़ एजेंट तैनाती के लिए एक मानक आवश्यकता बन जाएगी।

प्रारंभिक तैनाती ने घटना प्रतिक्रिया पर ध्यान केंद्रित किया

Autoheal कहता है कि यह पहले से ही Nomura Bank और AvidXchange सहित एंटरप्राइज़ वातावरण में चल रहा है। कंपनी द्वारा प्रदान किए गए आंकड़ों के अनुसार, Nomura ने एक तैनाती में औसत समाधान समय को दो घंटे से 15 मिनट तक घटा दिया। AvidXchange रिपोर्ट करता है कि प्रणाली ने मूल कारण विश्लेषण को मिनटों तक घटा दिया है और उत्पाद कार्य के लिए इंजीनियरिंग क्षमता को मुक्त किया है।

ये परिणाम कंपनी और ग्राहक के दावे हैं, न कि स्वतंत्र बेंचमार्क, लेकिन वे प्रारंभिक उपयोग केस की ओर संकेत करते हैं जिसे Autoheal सबसे तात्कालिक मानता है: घटना प्रतिक्रिया। समस्या निवारण अक्सर लॉग, मॉनिटरिंग सिस्टम, टिकट, कोड परिवर्तन, और क्लाउड सेवाओं में साक्ष्य एकत्र करने की आवश्यकता रखता है। उस संदर्भ तक पहुंच वाले एजेंट को मैन्युअल रूप से सिस्टमों के बीच घूमने वाले इंजीनियर की तुलना में तेज़ी से उपयोगी निदान तैयार करने में सक्षम हो सकता है।

घोषणा के अनुसार, Empiric Earth भी समस्या निवारण और सॉफ़्टवेयर लागत अनुकूलन के लिए इस प्लेटफ़ॉर्म का उपयोग कर रहा है। साथ मिलकर, ये तैनाती संकेत देती हैं कि Autoheal उन कार्यप्रवाहों से शुरू कर रहा है जहाँ टुकड़े‑टुकड़े जानकारी की लागत स्पष्ट रूप से देखी जा सकती है और सुधार को इंजीनियरों को लौटाए गए समय में मापा जा सकता है।

सीड राउंड से क्या फंड किया जाना है

Autoheal की स्थापना Utkarsh Ohm, Sid Choudhury, और Puneet Saraswat ने की थी, जिन्होंने Harness, Microsoft Azure, ThoughtSpot, और AppDynamics में अनुभव प्राप्त किया है। टीम कहती है कि नया पूँजी सुदृढीकरण-लर्निंग सिस्टम और निजी, एंटरप्राइज़‑विशिष्ट मॉडल के विकास को समर्थन देगा, जो इंजीनियरिंग डेटा पर प्रशिक्षित होते हैं और ग्राहक की सीमाओं के भीतर रहते हैं।

दीर्घकालिक योजना सॉफ़्टवेयर इंजीनियरिंग से परे डेटा और सुरक्षा संचालन तक विस्तारित होती है। यह विस्तार इस बात पर निर्भर करेगा कि प्लेटफ़ॉर्म अपने मूल्यांकन‑और‑मरम्मत मॉडल को विभिन्न जोखिम प्रोफ़ाइल और सफलता मानदंड वाले कार्यप्रवाहों में सामान्यीकृत कर सकता है या नहीं।

अभी के लिए, इस फंडरेज़ ने एंटरप्राइज़ AI बाजार में बदलाव को उजागर किया है। अगली बाधा अधिक कोड उत्पन्न करना नहीं, बल्कि बढ़ती एजेंट्स की जनसंख्या को नियंत्रित करना और उनके द्वारा उत्पन्न संचालनात्मक कार्य को संभालना हो सकता है। Autoheal का अवसर इस बाधा को ऐसी बुनियादी ढाँचा में बदलने में निहित है जिसे प्लेटफ़ॉर्म टीमें माप, ऑडिट और सुधार सकें।