Autoheal, Kendini Geliştiren Yazılım Fabrikası için $7.9M Tohum Turu Topladı

Autoheal $7.9 million tohum finansmanı topladı ve AI‑destekli kodlamanın ardından gelen işleri yönetmek üzere tasarlanmış bir platformu genişletmeyi hedefliyor: olayları araştırma, güvenlik açıklarını giderme, model maliyetlerini kontrol etme ve yazılım ajanlarını bir kuruluşun sistemleri ve politikalarıyla uyumlu tutma.

Innovation Endeavors turu yönetti, Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures ve Param Hansa Values katıldı. Innovation Endeavors’tan Harpinder Singh, Autoheal yönetim kuruluna katılıyor.

Finansman, şirketlerin daha hızlı kod üretiminin otomatik olarak daha hızlı ya da daha güvenli yazılım teslimi getirmediğini öğrenmeleriyle ortaya çıkıyor. Daha fazla kod, daha fazla uyarı, inceleme, güvenlik açığı ve bulut‑model harcaması anlamına gelebilir. Autoheal, AI kodlama patlamasının bu daha az görünür katmanına odaklanıyor.

Daha hızlı kodlamanın yarattığı operasyonel sorun

AI kodlama asistanları kod üretiminde gereken çabayı azalttı, ancak birçok sonraki mühendislik görevi hâlâ emek yoğun. Üretim olayları hâlâ araştırma gerektiriyor, güvenlik bulguları hâlâ giderilmesi gerekiyor ve platform ekipleri hâlâ otomatik bir eylemin neden başarılı ya da başarısız olduğunu anlamak zorunda.

Autoheal, bu görevlerin birbirinden bağımsız ajanlara teslim edilmek yerine koordine bir yazılım fabrikasının parçası olarak ele alınması gerektiğini savunuyor. Platformu, kodlama araçlarını depolar, CI/CD sistemleri, gözlemlenebilirlik platformları, bulut ortamları ve sorun izleyicileriyle bağlar. Amaç, uzman ajanlara mühendislik ortamının ortak bir görünümünü sağlarken onları müşterinin bulut ve güvenlik kontrolleri içinde tutmaktır.

Bu mimari, bir ajanın üretim bağlamına ihtiyaç duyabileceği ancak sınırsız erişim verilemeyecek düzenlenmiş ya da teknik olarak karmaşık organizasyonlarda önemlidir. Ayrıca pratik bir yönetişim sorununu da ele alır: ekipler daha fazla ajan dağıttıkça, davranışı değerlendirmek, değişiklikleri izlemek ve maliyeti kontrol etmek için tutarlı bir yönteme ihtiyaç duyarlar.

Autoheal’in sürekli iyileştirme döngüsü nasıl çalışıyor

Autoheal’in yaklaşımının merkezinde iki denetleyici ajan bulunur. Bir Değerlendirici, kod inceleme yorumları, sürekli entegrasyon hataları ve bir değişiklikle bağlantılı olaylar gibi sinyalleri kullanarak çalışan ajanların çıktısını puanlar. Bir İyileştirici ise düşük performans gösteren ajanların istemlerini, yeteneklerini, araçlarını veya model seçimlerini değiştirerek iyileştirmeler önerir.

Şirket, önerilen bu değişikliklerin gözden geçirmeden önce tarihsel ölçütlerle test edildiğini söylüyor. Ajan davranışı Git’te sürüm kontrolü altında ve mühendisler onay yetkisini koruyor. Pratikte bu, sistemi otonom bir kodlama botundan ziyade görev‑spesifik ajanların izlenmesi ve iyileştirilmesi için bir işletim katmanı haline getiriyor.

Bu ayrım önemlidir. İkna edici bir ajan demosu oluşturmak nispeten basittir; kod tabanları, altyapı ve organizasyon kuralları değiştikçe güvenilir performansı sürdürmek daha zordur. Autoheal, sürekli değerlendirme ve kontrollü revizyonun kurumsal ajan dağıtımları için standart bir gereklilik haline geleceğine bahis yapıyor.

Erken dağıtımlar, olay yanıtına odaklanıyor

Autoheal, Nomura Bank ve AvidXchange gibi kurumsal ortamlarda zaten çalıştığını söylüyor. Şirketin sağladığı verilere göre, Nomura bir dağıtımda ortalama çözüm süresini iki saatten 15 dakikaya düşürdü. AvidXchange, sistemin kök neden analizini dakikalara kısalttığını ve mühendislik kapasitesini ürün çalışmalarına serbest bıraktığını rapor ediyor.

Bu sonuçlar bağımsız ölçütler yerine şirket ve müşteri iddialarıdır, ancak Autoheal’in en acil olduğunu düşündüğü ilk kullanım senaryosuna işaret ediyor: olay yanıtı. Sorun giderme genellikle günlükler, izleme sistemleri, biletler, kod değişiklikleri ve bulut hizmetleri arasında kanıt toplamayı gerektirir. Bu bağlama erişimi olan bir ajan, sistemler arasında manuel olarak dolaşan bir mühendisten daha hızlı faydalı bir teşhis oluşturabilir.

Duyuruma göre Empiric Earth da platformu sorun giderme ve yazılım maliyeti optimizasyonu için kullanıyor. Birlikte, bu dağıtımlar Autoheal’in parçalanmış bilginin maliyetinin kolayca görülebildiği ve iyileştirmenin mühendislere geri dönen zamanla ölçülebildiği iş akışlarıyla başladığını gösteriyor.

Tohum turunun neyi finanse etmeyi amaçladığı

Autoheal, Harness, Microsoft Azure, ThoughtSpot ve AppDynamics’teki deneyimlerinden yararlanarak Utkarsh Ohm, Sid Choudhury ve Puneet Saraswat tarafından kuruldu. Ekip, yeni sermayenin pekiştirmeli öğrenme sistemlerinin ve müşterinin sınırları içinde kalan mühendislik verileriyle eğitilen özel, kurumsal‑spesifik modellerin geliştirilmesini destekleyeceğini söylüyor.

Uzun vadeli plan, yazılım mühendisliğinin ötesine geçerek veri ve güvenlik operasyonlarına uzanıyor. Bu genişleme, platformun farklı risk profilleri ve başarı kriterlerine sahip iş akışları boyunca değerlendirme‑ve‑tamir modelini genelleştirebilip genelleştiremeyeceğine bağlı olacak.

Şimdilik, fon toplama girişimi kurumsal AI pazarındaki bir kaymayı vurguluyor. Bir sonraki kısıtlama daha fazla kod üretmek olmayabilir, ancak artan ajan nüfusunu yönetmek ve onların yarattığı operasyonel işi absorbe etmektir. Autoheal’in fırsatı, bu kısıtlamayı platform ekiplerinin ölçebileceği, denetleyebileceği ve iyileştirebileceği bir altyapıya dönüştürmek üzerine kuruludur.