Autoheal залучає $7.9M у посівному раунді для своєї самовдосконалювальної програмної фабрики

Autoheal залучив $7.9 million у посівному фінансуванні, щоб розширити платформу, створену для управління роботами, що слідують за AI‑асистованим кодуванням: розслідування інцидентів, усунення вразливостей, контроль витрат на моделі та підтримка відповідності програмних агентів системам і політикам підприємства.

Innovation Endeavors очолив раунд, за участю Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures та Param Hansa Values. Харпіндер Сінгх з Innovation Endeavors приєднується до ради директорів Autoheal.

Фінансування надходить у той час, коли компанії розуміють, що швидше генерування коду не обов’язково призводить до швидшої чи безпечнішої доставки програмного забезпечення. Більше коду може означати більше сповіщень, перевірок, вразливостей і витрат на хмарні моделі. Autoheal зосереджений на цьому менш помітному шарі буму AI‑кодування.

Операційна проблема, створена швидшим кодуванням

AI coding assistants знизили зусилля, необхідні для створення коду, проте багато подальших інженерних завдань залишаються трудомісткими. Інциденти в продакшн‑середовищі все ще потребують розслідування, вразливості безпеки — усунення, а командам платформи — розуміння причин успіху чи провалу автоматизованої дії.

Autoheal стверджує, що ці завдання слід розглядати як частину координованої програмної фабрики, а не передавати окремим, незв’язаним агентам. Його платформа з’єднує інструменти кодування з репозиторіями, системами CI/CD, платформами спостережуваності, хмарними середовищами та трекерами задач. Мета — надати спеціалізованим агентам спільний огляд інженерного середовища, залишаючи їх у межах хмари та контролю безпеки замовника.

Така архітектура має значення в регульованих або технічно складних організаціях, де агент може потребувати контекст продакшн, але не може отримати необмежений доступ. Вона також вирішує практичну проблему управління: коли команди розгортають більше агентів, їм потрібен послідовний спосіб оцінки поведінки, відстеження змін і контролю витрат.

Як працює безперервний цикл зцілення Autoheal

У центрі підходу Autoheal знаходяться два керуючі агенти. Оцінювач (Evaluator) оцінює результати роботи агентів‑виконавців, використовуючи сигнали, такі як коментарі під час перегляду коду, помилки безперервної інтеграції та інциденти, пов’язані зі зміною. Лікар (Healer) потім пропонує покращення для низько продуктивних агентів, змінюючи їх підказки, навички, інструменти або вибір моделей.

Компанія стверджує, що запропоновані зміни тестуються проти історичних бенчмаркiв перед переглядом. Поведінка агентів контролюється версіями в Git, а інженери зберігають повноваження схвалення. На практиці це робить систему менш схожою на автономного бота кодування і більше схожою на операційний шар для моніторингу та поліпшення групи агентів, орієнтованих на конкретні завдання.

Ця різниця важлива. Створити переконливу демонстрацію агента відносно просто; підтримувати надійну продуктивність у міру зміни кодових баз, інфраструктури та організаційних правил — складніше. Autoheal робить ставку на те, що постійна оцінка та контрольовані ревізії стануть стандартною вимогою для розгортання агентів у підприємствах.

Перші впровадження зосереджені на реагуванні на інциденти

Autoheal повідомляє, що вже працює в корпоративних середовищах, включаючи Nomura Bank та AvidXchange. За даними компанії, Nomura скоротила середній час вирішення з двох годин до 15 хвилин у одному впровадженні. AvidXchange повідомляє, що система скоротила аналіз первинних причин до кількох хвилин і звільнила інженерні ресурси для роботи над продуктом.

Ці результати — заяви компанії та клієнтів, а не незалежні бенчмарки, проте вони вказують на початковий випадок використання, який Autoheal вважає найтерміновішим: реагування на інциденти. Усунення несправностей часто вимагає збору доказів з журналів, систем моніторингу, заявок, змін коду та хмарних сервісів. Агент з доступом до цього контексту може швидше скласти корисну діагностику, ніж інженер, що вручну перемикається між системами.

За оголошенням, Empiric Earth також використовує платформу для усунення несправностей та оптимізації вартості програмного забезпечення. Разом ці впровадження свідчать, що Autoheal починає з робочих процесів, де вартість розфрагментованої інформації легко помітна і де покращення можна виміряти у часі, поверненому інженерам.

На що планується витратити посівний раунд

Autoheal був заснований Уткаршем Охмом, Сідом Чоудхурі та Пунітом Сарасватом, спираючись на досвід роботи в Harness, Microsoft Azure, ThoughtSpot та AppDynamics. Команда зазначає, що новий капітал підтримає розробку систем підкріплювального навчання та приватних, специфічних для підприємств моделей, навчених на інженерних даних, які залишаються в межах клієнта.

Довгостроковий план виходить за межі інженерії програмного забезпечення, охоплюючи дані та операції безпеки. Це розширення залежатиме від того, чи зможе платформа узагальнити свою модель оцінки та виправлення на робочі процеси з різними профілями ризику та критеріями успішності.

Поки що збір коштів виділяє зміну на ринку корпоративного ШІ. Наступне обмеження може бути не у створенні більшого коду, а у керуванні зростаючою кількістю агентів та поглинанні операційної роботи, яку вони створюють. Можливість Autoheal полягає у перетворенні цього обмеження на інфраструктуру, яку команди платформи можуть вимірювати, аудитувати та удосконалювати.