Autoheal huy động $7.9M vòng gọi vốn hạt giống cho Nhà máy phần mềm tự cải tiến của mình

Autoheal đã huy động $7.9 million trong vòng gọi vốn hạt giống để mở rộng nền tảng được thiết kế nhằm quản lý công việc sau khi mã được hỗ trợ bởi AI: điều tra các sự cố, khắc phục lỗ hổng, kiểm soát chi phí mô hình, và giữ cho các tác nhân phần mềm phù hợp với hệ thống và chính sách của doanh nghiệp.

Innovation Endeavors dẫn đầu vòng gọi vốn, với sự tham gia của Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures, và Param Hansa Values. Harpinder Singh của Innovation Endeavors sẽ tham gia hội đồng quản trị của Autoheal.

Việc tài trợ đến khi các công ty đang nhận ra rằng việc tạo mã nhanh hơn không tự động mang lại việc triển khai phần mềm nhanh hơn hoặc an toàn hơn. Nhiều mã hơn có thể đồng nghĩa với nhiều cảnh báo, đánh giá, lỗ hổng và chi phí mô hình đám mây tăng lên. Autoheal tập trung vào lớp ít được nhìn thấy hơn của làn sóng mã hoá AI.

Vấn đề vận hành do việc mã hoá nhanh hơn tạo ra

Trợ lý lập trình AI đã giảm nỗ lực cần thiết để tạo mã, nhưng nhiều nhiệm vụ kỹ thuật downstream vẫn tốn nhiều công sức. Các sự cố sản xuất vẫn cần được điều tra, các phát hiện bảo mật vẫn cần được khắc phục, và các nhóm nền tảng vẫn cần hiểu tại sao một hành động tự động thành công hay thất bại.

Autoheal cho rằng những công việc này nên được xem như một phần của nhà máy phần mềm phối hợp chứ không phải giao cho một tập hợp các tác nhân rời rạc. Nền tảng của họ kết nối các công cụ lập trình với kho mã, hệ thống CI/CD, nền tảng quan sát, môi trường đám mây và công cụ theo dõi lỗi. Mục tiêu là cung cấp cho các tác nhân chuyên môn một cái nhìn chung về môi trường kỹ thuật trong khi vẫn giữ chúng trong đám mây và kiểm soát bảo mật của khách hàng.

Kiến trúc đó quan trọng trong các tổ chức có quy định hoặc kỹ thuật phức tạp, nơi một tác nhân có thể cần ngữ cảnh sản xuất nhưng không thể được cấp quyền truy cập không giới hạn. Nó cũng giải quyết một vấn đề quản trị thực tiễn: khi các nhóm triển khai nhiều tác nhân hơn, họ cần một cách nhất quán để đánh giá hành vi, theo dõi thay đổi và kiểm soát chi phí.

Cách vòng lặp chữa lành liên tục của Autoheal hoạt động

Ở trung tâm của cách tiếp cận của Autoheal là hai tác nhân giám sát. Một Evaluator chấm điểm đầu ra của các tác nhân công nhân bằng các tín hiệu như bình luận đánh giá mã, lỗi tích hợp liên tục, và các sự cố liên quan đến một thay đổi. Một Healer sau đó đề xuất cải tiến cho các tác nhân hoạt động kém bằng cách thay đổi lời nhắc, kỹ năng, công cụ, hoặc lựa chọn mô hình.

Công ty cho rằng những thay đổi được đề xuất này được kiểm tra so với các chuẩn mốc lịch sử trước khi xem xét. Hành vi của tác nhân được kiểm soát phiên bản trong Git, và các kỹ sư vẫn giữ quyền phê duyệt. Thực tế, điều này làm cho hệ thống ít giống một bot mã tự động và hơn thế là một lớp vận hành để giám sát và cải thiện một nhóm các tác nhân chuyên biệt cho từng nhiệm vụ.

Sự khác biệt này rất quan trọng. Xây dựng một bản demo tác nhân thuyết phục tương đối dễ dàng; duy trì hiệu suất đáng tin cậy khi các cơ sở mã, hạ tầng và quy tắc tổ chức thay đổi thì khó hơn. Autoheal đặt cược rằng việc đánh giá liên tục và sửa đổi có kiểm soát sẽ trở thành yêu cầu tiêu chuẩn cho việc triển khai các tác nhân doanh nghiệp.

Các triển khai sớm tập trung vào phản hồi sự cố

Autoheal cho biết họ đã hoạt động trong môi trường doanh nghiệp bao gồm Ngân hàng Nomura và AvidXchange. Theo số liệu do công ty cung cấp, Nomura đã giảm thời gian trung bình để giải quyết từ hai giờ xuống 15 phút trong một triển khai. AvidXchange báo cáo rằng hệ thống đã rút ngắn thời gian phân tích nguyên nhân gốc xuống chỉ vài phút và giải phóng năng lực kỹ thuật cho công việc sản phẩm.

Những kết quả này là tuyên bố của công ty và khách hàng chứ không phải các chuẩn mốc độc lập, nhưng chúng chỉ ra trường hợp sử dụng ban đầu mà Autoheal cho là cấp bách nhất: phản hồi sự cố. Việc khắc phục sự cố thường đòi hỏi thu thập bằng chứng từ các nhật ký, hệ thống giám sát, vé, thay đổi mã và dịch vụ đám mây. Một tác nhân có quyền truy cập vào ngữ cảnh đó có thể xây dựng chẩn đoán hữu ích nhanh hơn so với một kỹ sư phải di chuyển thủ công giữa các hệ thống.

Empiric Earth cũng đang sử dụng nền tảng này để khắc phục sự cố và tối ưu chi phí phần mềm, theo thông báo. Cùng với nhau, các triển khai này cho thấy Autoheal đang bắt đầu với các quy trình làm việc nơi chi phí của thông tin rời rạc dễ dàng nhận thấy và cải tiến có thể đo lường bằng thời gian được trả lại cho các kỹ sư.

Mục đích sử dụng vốn hạt giống

Autoheal được thành lập bởi Utkarsh Ohm, Sid Choudhury và Puneet Saraswat, dựa trên kinh nghiệm tại Harness, Microsoft Azure, ThoughtSpot và AppDynamics. Nhóm cho biết vốn mới sẽ hỗ trợ phát triển các hệ thống học tăng cường và các mô hình riêng tư, đặc thù cho doanh nghiệp được huấn luyện trên dữ liệu kỹ thuật vẫn nằm trong ranh giới của khách hàng.

Kế hoạch dài hạn mở rộng ra ngoài kỹ thuật phần mềm sang hoạt động dữ liệu và bảo mật. Sự mở rộng đó sẽ phụ thuộc vào việc nền tảng có thể tổng quát hoá mô hình đánh giá‑và‑sửa chữa của mình qua các quy trình làm việc với hồ sơ rủi ro và tiêu chí thành công khác nhau hay không.

Hiện tại, vòng gọi vốn làm nổi bật một sự chuyển dịch trong thị trường AI doanh nghiệp. Rào cản tiếp theo có thể không phải là tạo ra thêm mã, mà là quản lý dân số ngày càng tăng của các tác nhân và hấp thụ công việc vận hành mà chúng tạo ra. Cơ hội của Autoheal nằm ở việc biến rào cản đó thành cơ sở hạ tầng mà các đội nền tảng có thể đo lường, kiểm toán và cải thiện.