Autoheal привлек $7,9 млн в раунде посева для своей самоулучшающейся программной фабрики

Autoheal привлек $7,9 млн посевного финансирования для расширения платформы, предназначенной для управления работой, следующей за кодированием с поддержкой ИИ: расследованием инцидентов, устранением уязвимостей, контролем расходов на модели и поддержанием согласованности программных агентов с системами и политиками предприятия.

Innovation Endeavors возглавила раунд, при участии Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures и Param Hansa Values. Харпиндер Сингх из Innovation Endeavors присоединился к совету директоров Autoheal.

Финансирование поступает в то время, когда компании понимают, что более быстрое генерирование кода не автоматически приводит к более быстрой или более безопасной поставке программного обеспечения. Больше кода может означать больше оповещений, проверок, уязвимостей и расходов на облачные модели. Autoheal сосредоточена на этом менее заметном слое бумака ИИ‑кодинга.

Операционная проблема, возникшая из‑за более быстрого кодинга

AI coding assistants снизили требуемые усилия для создания кода, но многие последующие инженерные задачи остаются трудоемкими. Инциденты в продакшене всё ещё требуют расследования, уязвимости в безопасности — устранения, а команды платформ должны понимать, почему автоматическое действие завершилось успешно или с ошибкой.

Autoheal утверждает, что эти задачи следует рассматривать как часть согласованной программной фабрики, а не передавать разрозненным агентам. Ее платформа соединяет инструменты кодирования с репозиториями, системами CI/CD, платформами наблюдаемости, облачными средами и трекерами задач. Цель — предоставить специализированным агентам общий взгляд на инженерную среду, при этом удерживая их внутри облака и систем безопасности клиента.

Такая архитектура важна в регулируемых или технически сложных организациях, где агент может нуждаться в контексте продакшена, но не может получать неограниченный доступ. Она также решает практическую проблему управления: по мере развертывания большего количества агентов командам требуется единый способ оценки поведения, отслеживания изменений и контроля расходов.

Как работает непрерывный цикл исцеления Autoheal

В основе подхода Autoheal находятся два контролирующих агента. Оценщик (Evaluator) оценивает результаты рабочих агентов, используя сигналы, такие как комментарии к обзору кода, сбои непрерывной интеграции и инциденты, связанные с изменением. Затем Исцелитель (Healer) предлагает улучшения плохо работающим агентам, меняя их подсказки, навыки, инструменты или выбор моделей.

Компания заявляет, что предлагаемые изменения тестируются против исторических эталонов до проверки. Поведение агентов контролируется версиями в Git, а инженеры сохраняют полномочия одобрения. На практике это делает систему менее похожей на автономного бота для кодирования и более похожей на операционный слой для мониторинга и улучшения группы специализированных агентов.

Это различие важно. Создание убедительной демонстрации агента относительно просто; поддержание надежной производительности при изменении кодовых баз, инфраструктуры и организационных правил гораздо сложнее. Autoheal ставит на то, что постоянная оценка и контролируемая ревизия станут стандартным требованием для развертывания корпоративных агентов.

Первые внедрения сосредоточены на реагировании на инциденты

Autoheal сообщает, что уже работает в корпоративных средах, включая Nomura Bank и AvidXchange. По данным компании, Nomura сократила среднее время решения с двух часов до 15 минут в одном из внедрений. AvidXchange сообщает, что система сократила анализ первопричин до минут и освободила инженерные ресурсы для работы над продуктом.

Эти результаты являются заявлениями компании и клиентов, а не независимыми бенчмарками, однако они указывают на начальный сценарий применения, который Autoheal считает самым срочным: реагирование на инциденты. Устранение неполадок часто требует сбора доказательств из журналов, систем мониторинга, тикетов, изменений кода и облачных сервисов. Агент с доступом к этому контексту может собрать полезный диагноз быстрее, чем инженер, переходящий вручную между системами.

Согласно объявлению, Empiric Earth также использует платформу для устранения неполадок и оптимизации расходов на программное обеспечение. Совместно эти внедрения показывают, что Autoheal начинает с рабочих процессов, где стоимость фрагментированной информации очевидна, а улучшения можно измерить в сэкономленном времени инженеров.

На что планируется потратить средства раунда посева

Autoheal была основана Уткаршем Охмом, Сидом Чоудхури и Пунитом Сарасватом, опираясь на опыт работы в Harness, Microsoft Azure, ThoughtSpot и AppDynamics. Команда заявляет, что новый капитал поддержит разработку систем обучения с подкреплением и частных, специфичных для предприятия моделей, обученных на инженерных данных, которые остаются в пределах границ клиента.

Долгосрочный план выходит за пределы разработки программного обеспечения и охватывает операции с данными и безопасностью. Расширение будет зависеть от того, сможет ли платформа обобщить свою модель оценки и исправления на рабочие процессы с различными профилями риска и критериями успеха.

Пока что привлечение средств подчеркивает сдвиг на рынке корпоративного ИИ. Следующее ограничение может заключаться не в генерации большего количества кода, а в управлении растущим числом агентов и поглощении операционной нагрузки, которую они создают. Возможность Autoheal заключается в преобразовании этого ограничения в инфраструктуру, которую команды платформ могут измерять, проверять и улучшать.