Искусственный интеллект помогает инженерным командам выпускать больше кода быстрее, чем когда-либо. Однако это ускорение сопряжено с растущей операционной нагрузкой. Увеличивается число производственных инцидентов, требующих реагирования, растет количество уязвимостей в системе безопасности, а также возникают стремительно растущие расходы на токены, которые необходимо держать под контролем. Система Autoheal создана именно для решения таких задач. Она уже прошла боевое испытание в таких ведущих отраслевых компаниях, как Nomura Bank и AvidXchange, где стандартные точечные агенты не смогли оправдать ожиданий.
Компания объявила о привлечении начального раунда финансирования (seed round) в размере 7,9 млн долларов для масштабирования своей самосовершенствующейся фабрики программного обеспечения. Она предоставляет командам платформной инженерии возможность создавать, развертывать, управлять и непрерывно совершенствовать многопользовательские облачные ИИ-агенты на протяжении всего жизненного цикла разработки ПО. Раунд возглавила компания Innovation Endeavors, при этом Харпиндер Сингх (Harpinder Singh) вошел в совет директоров Autoheal. В раунде также приняли участие Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures и Param Hansa Values.
Почему платформной инженерии нужна новая операционная модель
Повторяющиеся рабочие процессы жизненного цикла разработки программного обеспечения (SDLC), такие как реагирование на инциденты и устранение уязвимостей, отнимают более трети рабочего времени инженерной команды. По мере роста популярности агентов для написания кода контроль расходов на большие языковые модели (LLM) и управление контекстом пополняют этот список. Чтобы справляться с данными требованиями, команды платформной инженерии переходят на модель «фабрики программного обеспечения», управляемой специализированными ИИ-агентами.
Тем не менее, масштабное внедрение таких агентов часто терпит неудачу из-за разрозненности инструментов, отсутствия общего контекста и строгих требований безопасности. В связи с этим создание единой платформы для создания, управления и итеративного улучшения всех агентов программной фабрики, включая уже существующие агенты для кодирования, стало первоочередной задачей. Это гарантирует, что каждый агент получает одинаковый инженерный контекст, защищенный доступ к продакшн-среде, частную инфраструктуру оценки и средства контроля затрат. Каждый агент также получает возможность оставаться актуальным по мере изменения организации.
«Наш опыт показал, что создание первой версии ИИ-агента — это простая задача, а вот ее стабильное масштабирование в рамках корпоративного SDLC представляет собой реальный вызов, — заявил Сид Чоудхури (Sid Choudhury), соучредитель и генеральный директор Autoheal. — Инженерам платформ нужна единая платформа для развертывания агентов, которые не просто выполняют задачи, а непрерывно совершенствуются наряду со сложными корпоративными рабочими процессами. Мы создали Autoheal, чтобы они могли немедленно примерить на себя роль ИИ-инженеров и ускорить окупаемость инвестиций (ROI), не тратя год на построение базовой инфраструктуры».
Что создает Autoheal
Фабрика программного обеспечения от Autoheal предоставляет предприятиям инфраструктуру и инструменты для превращения их инженерного отдела в самосовершенствующийся механизм. Она объединяет существующие агенты кодирования, репозитории кода, системы CI/CD, инструменты наблюдаемости (observability), облачные рантаймы и трекеры задач. Это обеспечивает всем рабочим агентам на фабрике общий граф инженерного контекста. В фоновом режиме на фабрике продолжают работу два дополнительных агента самосовершенствования:
- Агент-оценщик (Evaluator agent) оценивает результаты работы каждого рабочего агента. Например, агент для написания кода может оцениваться на основе баллов за созданные им спецификации и пулл-реквесты (PR). В качестве критериев оценки выступают нисходящие сигналы: комментарии к ревью, сбои в CI и вызванные инциденты.
- Агент-исцелитель (Healer agent) исправляет работу низкооцененных рабочих агентов, открывая пулл-реквесты, которые улучшают навыки, промпты, инструменты или выбор моделей. Он даже проверяет эти изменения на соответствие историческим бенчмаркам на предмет регрессий перед тем, как их проверит инженер.
Для команд платформной инженерии это создает непрерывный цикл исправления агентов по мере изменения систем. Любое изменение поведения контролируется версиями в git и требует одобрения инженера. Действия остаются под управлением и проверяются аудитом, обеспечивая прозрачность доступа, логики рассуждений и затрат. Конечная цель заключается в повышении точности, ускорении выполнения задач и снижении стоимости успешного выполнения каждой операции. Инженеры расширяют автономность по мере того, как агенты доказывают свою надежность.
Достижения
Autoheal уже функционирует в сложных регулируемых средах. Там инженерные команды используют его для сокращения времени реагирования на инциденты, обработки эскалаций техподдержки и высвобождения тысяч часов инженерного ресурса.
«Наши команды производственных операций тратят ценное время на триаж оповещений и управление инцидентами, что также отвлекает инженеров от их деятельности по разработке ПО. Autoheal предоставляет нам платформу, которая сокращает время расследования с часов до минут. Тот факт, что система работает полностью в нашем собственном облаке и соответствует нашим требованиям безопасности, сделал ее идеальным решением для организации нашей работы», — отметил Самир Джайн (Sameer Jain), директор по информационным технологиям направления Wholesale в Nomura Bank.
«В сфере реагирования на производственные инциденты Autoheal сократил время до определения первопричины до считанных минут, предоставив доказательства, которым доверяют наши инженеры. Это время, в течение которого наши разработчики остаются сосредоточенными на создании новых функций. Следующим шагом мы внедряем его на более ранних этапах (shift left) в другие критические части нашего SDLC, потому что каждый возвращенный инженерный час идет на более быстрый выпуск продуктов для наших клиентов», — заявил Криш Шетти (Krish Shetty), технический директор и старший вице-президент AvidXchange.
«Autoheal помог нам одновременно решить две крупные задачи: ускорить устранение неполадок нашими инженерами в нашей сложной среде и существенно оптимизировать затраты на программное обеспечение в рамках нашего стека мониторинга», — рассказал Виджай Пендьяла (Vijay Pendyala), старший вице-президент по инженерии и работе с клиентами в Empiric Earth.
Предыстория создания
Компания Autoheal выросла из опыта ее основателей по созданию корпоративных инженерных платформ и платформ искусственного интеллекта в Harness, Microsoft Azure, ThoughtSpot и AppDynamics. Масштабировав Harness до показателя регулярной годовой выручки (ARR) более чем в 200 млн долларов, команда осознала новую реальность. Создание отдельных ИИ-агентов стало простым делом. Однако их безопасное развертывание в рамках SDLC и между инженерными командами потребовало колоссального времени и затрат на токены. Чтобы предотвратить бесконтрольное распространение агентов (agent sprawl) и обеспечить управление на второй день (day-2 governance), платформа должна управлять агентами как кодом под надзором непрерывно обучающихся мета-агентов. Это понимание и легло в основу программной фабрики Autoheal.
«Предприятия стремительно переходят от экспериментов с ИИ-агентами к вопросам о том, как безопасно и эффективно управлять ими в масштабах всей фабрики программного обеспечения, — подчеркнул Харпиндер Сингх из Innovation Endeavors. — Autoheal создает инфраструктурный уровень для агентов, который делает это возможным. Возможности гораздо шире, чем один агент или один рабочий процесс. Это предоставление платформным командам повторяемого, масштабируемого способа развертывания специализированного интеллекта по всей инженерной организации».
Что дальше
В планах Autoheal — дальнейшее развитие суверенного интеллекта за счет использования обучения с подкреплением на основе частных инженерных данных каждой компании. Цель заключается в обучении небольших языковых моделей (small language models) под конкретные нужды предприятия в рамках утвержденного периметра безопасности. Эти модели будут экономично обслуживать все агенты программной фабрики. Они также позволят решить фундаментальное ограничение передовых моделей: обладая обширными знаниями об внешнем мире, они имеют ограниченное представление о внутренних процессах конкретной компании.
В долгосрочной перспективе та же архитектура может выйти за рамки разработки программного обеспечения и распространиться на инженерию данных и безопасности. Autoheal делает ставку на то, что каждое крупное предприятие будет запускать собственную фабрику ПО с набором специализированных агентов. Компания стремится стать той платформой, которую инженерные команды будут использовать для их создания, управления и непрерывного совершенствования.
Об Autoheal
Autoheal — это самосовершенствующаяся фабрика программного обеспечения для корпоративных инженерных команд. Она объединяет контекстный слой, который непрерывно обучается на закрытых инженерных данных, с управляющей плоскостью (control plane) для ИИ-агентов на всех этапах SDLC, включая популярные инструменты для кодирования. Команды ускоряют поставку функций, одновременно снижая расходы на токены LLM, сокращая показатель среднее время до устранения (MTTR) производственных инцидентов и ускоряя исправление уязвимостей безопасности. Для получения дополнительной информации посетите сайт autoheal.ai.
Опубликовано 28 сентября 2026 - 05:00 Наверх
