Gadiem ilgi programmatūras komandas mērīja inženierijas rezultātus, izmantojot pazīstamus rādītājus, piemēram, koda rindas, saistību skaitu un izvietošanas biežumu. AI kodēšanas palīgi ir mainījuši šo vienādojumu. Viena uzvedne tagad var ģenerēt tūkstošiem koda rindiņu sekundēs, padarot vecos produktivitātes mērījumus daudz mazāk ticamus. Šī maiņa ir radījusi jaunu problēmu gan inženieru vadītājiem, gan finanšu direktoriem: AI izdevumi pieaug, tomēr daži uzņēmumi var skaidri izskaidrot, ko viņi saņem pretī.
Sanfrancisko bāzētais Vīvs uzskata, ka tam ir atbilde. Inženiertehniskās informācijas jaunuzņēmums otrdien paziņoja, ka ir piesaistījis 13,5 miljonus ASV dolāru A sērijas finansējuma kārtu, lai palīdzētu uzņēmumiem novērtēt AI atbalstītas programmatūras izstrādes reālo ietekmi uz uzņēmējdarbību un likvidēt to, ko tā sauc par “tokenmaxxing”, kas ir pieaugoša prakse optimizēt AI kodēšanas rīkus marķieru apjomam, nevis nozīmīgam inženierijas progresam.
Kārtu vadīja Standard Capital, kurā piedalījās Y Combinator, Moonfire, Burst Capital, IrregEx un Agent Fund. Jaunais kapitāls atbalstīs produktu izstrādi un paplašinās Weave platformu, jo uzņēmumi tērē vairāk AI kodēšanas rīkiem un meklēs labākus veidus, kā novērtēt ieguldījumu atdevi, teikts uzņēmuma emuāra ziņā.
Šis paziņojums nāk laikā, kad AI kodēšanas palīgi ir kļuvuši par standartu daudzās inženiertehniskajās organizācijās. Uzņēmumi iegulda lielus līdzekļus OpenAI, Anthropic, Google, GitHub, Cursor un citu rīkos, tomēr finanšu vadītājiem bieži ir grūti savienot augošos AI rēķinus ar izmērāmiem biznesa rezultātiem. Šī atšķirība ir izraisījusi plašāku sarunu par to, vai esošie inženiertehniskie rādītāji joprojām atspoguļo reālo produktivitāti laikmetā, kurā AI rada arvien lielāku programmatūras koda daļu.
Ar 13,5 miljonu dolāru finansējumu Weave mērķis ir pārtraukt “tokenmaxxing” un izmērīt AI inženierijas rezultātus
Weave piķis ir vienkāršs. Tā vietā, lai skaitītu koda rindas vai saistības, tā platforma analizē gan cilvēku, gan AI ieguldījumu visā programmatūras izstrādes dzīves ciklā, mērot inženiertehnisko produkciju, izmantojot mašīnmācīšanās modeļus, kas mēģina savienot kodēšanas darbību ar faktisko uzņēmējdarbības progresu.
Saskaņā ar starta informāciju, tā platforma jau ir analizējusi vairāk nekā 2 miljonus cilvēku un AI koda ieguldījumu no vairāk nekā 20 000 inženieru, kas strādā vairāk nekā 500 organizācijās. Klienti ir Robinhood, Reducto un PostHog.
Uzņēmuma programmatūra izseko izvilkšanas pieprasījumus, kodu pārskatīšanu, izvietošanu un AI radīto ieguldījumu, pirms šī informācija tiek apvienota vienā mērīšanas sistēmā. Tas sniedz inženieru vadītājiem redzamību par komandas produktivitāti, AI ieviešanu, inženierijas kvalitāti un AI radītā darba izmaksām. Viena funkcija aprēķina, cik daudz mākslīgā intelekta izdevumu ir nepieciešams, lai veiktu vienu stundu pabeigta inženiertehniskā darba. Cits iesaka zemāku izmaksu AI modeļus, kuru pamatā ir ražošanas dati, nezaudējot kvalitāti vai izstrādes ātrumu.
“Mūsu mērķis ir klientiem pēc iespējas ātrāk un efektīvāk piegādāt augstākās kvalitātes produktu. Mēs izmantojam Weave, lai iegūtu objektīvu mūsu komandu un aģentu novērtējumu, kā arī optimizācijas veidus,” sacīja Telnyx līdzdibinātājs un izpilddirektors Deivids Kasems.
Vīva stratēģijas centrā ir tās kritika par “tokenmaxxing”. Šis termins attiecas uz izstrādātāju vai AI sistēmu tendenci maksimāli palielināt marķiera izmantošanu, lai vienkārši ģenerētu vairāk koda, pat ja šī izvade neko nepadara, lai uzlabotu produktu. Uzņēmums apgalvo, ka tradicionālie inženiertehniskie rādītāji netīši atlīdzina šo uzvedību, uzskatot lielākus koda apjomus kā augstākas produktivitātes pazīmi.
“Tokenmaxxing laikmets ir beidzies,” sacīja Adams Koens, Weave dibinātājs un izpilddirektors. “Katrs inženierzinātņu un finanšu vadītājs tagad uzdod vienu un to pašu jautājumu: kādi ir mūsu mākslīgā intelekta tēriņi, kas faktiski atgriežas? Koda rindas ir izsmeltas kā metrika. Weave sniedz vadītājiem vienu objektīvu reālās produkcijas, cilvēka un AI, mērauklu, lai viņi beidzot varētu pārvaldīt inženieriju tāpat kā visas citas uzņēmējdarbības daļas.”
Investori uzskata, ka problēma kļūst arvien nozīmīgāka, jo AI izdevumi pāriet no eksperimentālajiem budžetiem uz pamata biznesa operācijām.
“AI tēriņi ir visspēcīgākais spēks pasaulē, un šobrīd nav vienkāršs veids, kā tos izmērīt,” sacīja Daltons Koldvels, Standard Capital ģenerālpartneris. “Weave iespēja ir dot iespēju katrai organizācijai efektīvi izsekot un novirzīt savus izdevumus, un tādējādi tā ir kritiska infrastruktūras sastāvdaļa jebkurai organizācijai, kas aptver AI.”
Weave ienāk tirgū, kas kļūst arvien konkurētspējīgāks, jo uzņēmumi meklē labākus veidus, kā novērtēt izstrādātāju produktivitāti mākslīgā intelekta laikmetā. Inženiertehniskās analītikas platformas tradicionāli ir koncentrējušās uz piegādes metriku, piemēram, izvietošanas biežumu un izstrādes cikla laiku. Kodēšana ar mākslīgo intelektu ir ieviesusi jaunu mainīgo, samazinot robežu starp koda ģenerēšanu un jēgpilnu inženierijas izvadi.
Šī maiņa ir radījusi pieprasījumu pēc rīkiem, kas mēra rezultātus, nevis darbību. Uzņēmumu vadītāji uzdod citu jautājumu nekā pirms dažiem gadiem. Mērķis vairs nav noteikt, vai inženieri raksta vairāk kodu. Tas ir paredzēts, lai noteiktu, vai AI izdevumi nodrošina ātrāku produktu piegādi, labāku programmatūras kvalitāti un labākus biznesa rezultātus.
Pateicoties jaunam finansējumam, Weave sola, ka inženiertehniskā inteliģence kļūs par uzņēmuma AI ieviešanas standarta sastāvdaļu. Ja uzņēmumi turpinās ieguldīt miljardus AI kodēšanas rīkos, gan investori, gan vadītāji sagaidīs skaidrākas atbildes par to, kur šī nauda nonāk un kādu vērtību tā rada. Iesācējiem, kas veido programmatūras infrastruktūru ap AI, šis jautājums tuvāko gadu laikā varētu kļūt par vienu no lielākajām iespējām uzņēmumu tehnoloģiju jomā.
