2016 年，维塔利·戈登 (Vitaly Gordon) 在一个只有 5 个人的地下室里创办了 Salesforce Einstein。没过多久，Salesforce 就取得了明确的成功：改善公司内部运营，被超过 10,000 名客户使用，每天产生超过 100 亿个预测， 以及尖端研究，有数百人从事这项研究。
那么，为什么 Gordon 没有享受他在 Salesforce 的劳动成果呢？
因为，正如他所说，他们并没有实践他们所宣扬的内容。 戈登意识到，组织中的工程团队根本没有像他们应该的那样由数据驱动。 他辞去了 Salesforce Einstein 数据科学与工程副总裁的职务，并与他的一些前同事一起开始了使软件工程数据驱动的探索。
Faros AI 是 Gordon 于 2019 年与他人共同创立的公司，旨在为工程团队提供对其运营的深入了解，以便他们能够更快地交付产品。 Faros 工程运营平台已经被 Box、Coursera 和 GoFundMe 等公司使用。
Faros AI 今天宣布，它已经筹集了 1600 万美元的种子资金，由 SignalFire、Salesforce Ventures 和 Global Founders Capital 牵头，经验丰富的科技名人参与其中，包括 Maynard Webb、Frederic Kerrest、Adam Gross 等。
此外，该公司还宣布其免费开源社区版 Faros CE 全面上市。 我们采访了 Gordon，讨论他与 Faros AI 的旅程、他们所谓的 EngOps 的哲学，以及 Faros AI 平台的制作。
分析作为软件工程团队的灯塔
Faros 在希腊语中是灯塔的意思。 正如戈登指出的那样，受海洋启发的类比在基础设施领域正在蓬勃发展。 它始于 Docker，然后出现了 Kubernetes，这是希腊语中船长的意思。 那么，如果 Kubernetes 是掌舵的舵手，那么是什么指明了方向呢？ 那就是灯塔，而 Faros AI 希望成为灯塔。
Gordon 将 Faros 的工作称为 EngOps。 如果您熟悉 DevOps，您可能会认为 EngOps 很相似——但事实并非如此。 实际上，Faros AI 所做的可以概括为软件工程团队的分析。 戈登说，Faros 使用 EngOps 一词的原因是对其他学科的认可。
查看销售运营、营销运营或招聘运营等职位，我们发现这些职位由分析能力强的人担任。 他们的工作是从多个来源获取数据，分析管道，找到瓶颈，然后向相关高管报告，并与他们一起改进需要改进的地方。
Faros AI 是围绕为软件工程传播这种角色的概念而构建的。 戈登认为，每家公司都应该有分析数据的人员，为工程主管提供有关资源分配和决策的建议。
你会认为，随着软件工程完全数字化，使用既定的实践和系统，有人会想到为此使用分析，并且已经实施了。 从概念上讲，它非常简单，Faros AI 使用“连接——分析——自定义”三联图对其进行了描述。
首先，所有与软件开发过程相关的系统都需要连接起来，这样它们的数据才能被吸收。 Faros 允许用户将代码存储库、CI/CD、票证管理和项目管理软件等系统连接到一个集中的记录系统中。
这是能够进行分析的先决条件。 它也不像听起来那么简单。 除了让连接器就位外，还必须整合和对齐数据，戈登说，将所有这些不同的数据源拼接在一起需要“某种智能”。 目标是跟踪从想法到生产及以后的变化，从发现到恢复再到解决的事件，并协调不同系统之间的身份。
然后是分析，这是流程的核心。 根据 Gordon 的经验，通常用于衡量开发人员生产力的指标，例如代码行数或票务故事点，可能很容易衡量，但它们并不真正具有代表性。 戈登说，如果有的话，这些指标与产生的实际价值之间可能存在反向关联。
为了提出他声称可以成为软件工程事实上的一套指标，戈登和他的联合创始人四处寻找。 他们开始严重依赖 DORA – Google Cloud 的 DevOps 研究和评估。
DORA 研究了 1000 多家公司并测量了 100 多个指标，使用它们将团队分为 4 个类别——精英、高、中和低。 戈登说，他们这样做是基于关注过程而不是人的指标，衡量结果而不是产出。 这也是 Faros AI 所信奉的理念。
最后但同样重要的是，自定义允许 Faros AI 用户根据自己的需求和环境微调指标。 由于组织的工作方式和使用环境各不相同，因此这是一项必要的规定，以确保平台在每种情况下都能正常运行，并且收集的指标反映了实际情况。
衡量和最大化价值
所有这些听起来都很好，但它如何在实践中转化为切实的好处呢？ 为了解决这个问题，戈登首先说，仅仅能够在一个地方看到所有东西通常就足以产生“啊哈时刻”。 但它不止于此； 他接着补充道。 Faros AI 能够帮助客户的一个重要方面是资源分配：
“我们不断从客户那里听到的一件事是：我们雇佣了更多的工程师，但我们似乎并没有完成更多的事情。为什么？ 是吗？特别是在一个很难雇佣更多工程师的环境中，为什么我们看不到结果呢？
我们向他们展示的一件事是，如果你的瓶颈不在于工程师编写代码，而在于质量保证，而你那里没有足够的人手，那么雇用更多工程师来编写更多功能实际上只会让事情变得更慢，而不是更快 “，戈登说。
一旦组织意识到这一点，他们就会通过改变招聘计划来应对这些瓶颈，这产生了巨大的变化。 根据 Gordon 的说法，重新分配现有员工队伍以解决软件工程管道中的问题，而不是雇用更多人，相当于多雇用 20% 的工程师。
价值不仅来自更快地交付软件，还来自提高软件质量和最大限度地减少停机时间，Gordon 继续补充道。 根据 Google 的研究，每年可节省 600 万至 2.5 亿美元，具体取决于团队规模。
Faros AI 面向工程团队负责人、CTO 和类似角色。 虽然 Gordon 证明了它可以为他们带来的价值； 我们想知道工程团队成员如何接受该产品，他们的工作受到关注。 戈登说，与 Faros AI 客户的经验表明，员工满意度上升了。 这是因为它减少了“内部官僚作风”，从而加快了周转速度，并让工程师看到了他们工作在现实世界中的影响。
如果谈论诸如软件质量和产生的价值之类的事情会激起您的胃口，那么您将不得不管理自己的期望。 Gordon 说，试图将工程团队的工作归因于高级业务指标是 EngOps 的圣杯，但我们还没有做到这一点。
他继续补充说，目前我们能得到的最接近的结果是测量将某些东西投入生产需要多长时间。 鉴于工程环境和系统的蔓延，这并非微不足道。 根据 Gordon 的经验，连接 – 分析 – 定制循环是许多组织都在做的事情，名称包括开发人员生产力、工程效率或工程授权。
大部分工作是完全没有区别的，都是关于基础设施建设的。 他们的想法是，就像大多数组织使用现成的 ERP 或 CRM 系统并根据他们的需要对其进行定制一样有意义，EngOps 应该也不例外。
对于 Gordon 而言，Faros AI 的使命是将 EngOps 带给尽可能多的组织。 Faros CE 的发布是 Faros AI 平台的免费开源社区版，是实现这一目标的重要一步。 Gordon 说，Faros CE 和 Faros AI Enterprise 在功能上没有真正的区别，除了安全性和合规性等功能。
Faros CE 是所有工程操作数据的 BI、API 和自动化层，包括源控制、任务管理、事件管理和 CI/CD 数据。 它包含同类最佳的开源软件：用于数据摄取的 Airbyte、用于 API 层的 Hasura、用于 BI 的 Metabase 和用于自动化的 n8n。 Faros CE 是基于容器的，能够在任何环境中运行，包括公共云，没有外部依赖。
Faros AI Enterprise 作为具有自托管选项的 SaaS 提供，将继续成为 Faros AI 的货币化驱动力。 然而，Faros CE 还将服务于使客户能够做一些事情的目标，例如向他们选择的系统添加更多连接器。 Faros AI 的工作方式与支持开源和企业版的公司通常采用的方式相反，从企业版开始，然后发布开源版。
戈登说，这也反映在公司选择筹款的方式上。 1600 万美元的种子轮融资是在公司运营一段时间后进行的，该公司拥有功能齐全的平台和付费客户。 戈登继续补充说，这意味着创始人可以最大限度地减少股票稀释，支持者可以最大限度地降低风险。 这笔资金将用于投资产品，以及发展 Faros AI 团队。
