Autoheal хочет взять на себя работу, которую оставляют ИИ-агенты для программирования, и обещает снизить затраты на задачу до 30%

Каждое новое приложение и изменение кода всё равно требуют мониторинга, реакции на инциденты, исправления уязвимостей и проверок перед выпуском. Для этой дополнительной работы и создана платформа Autoheal.

Команды могут использовать её для расследования инцидентов, устранения уязвимостей, подготовки выпусков, обработки сложных обращений и управления расходами на ИИ-кодирование. В платформе есть готовые агенты, а также инструменты для создания собственных. На сайте Autoheal называет продукт «самоулучшающейся программной фабрикой»: несколько специализированных агентов получают доступ к общему инженерному контексту, их результаты оцениваются, а при ухудшении работы система предлагает изменения.

Вместе с запуском компания объявила о привлечении $7,9 млн на посевном раунде под руководством Innovation Endeavors.

Сайт предлагает потенциальным клиентам записаться на демо и пройти трёхнедельную оценку с инженером Autoheal. Сначала стороны определяют ожидаемые результаты, затем подключают системы заказчика, запускают агентов на реальных задачах и оценивают итоги, прежде чем решать, продолжать ли работу.

Общий контекст для разных ИИ-агентов

Проблема, которую решает Autoheal, — разрозненность данных. Чтобы разобраться в сбое на работающем сервисе, инженеру приходится сопоставлять сигналы мониторинга, недавние изменения кода, активность в облаке, записи о развёртывании и внутреннюю документацию. Агент, которому доступен только один из этих источников, может предложить правдоподобное, но неполное объяснение.

Autoheal объединяет агентов для программирования, репозитории, инструменты сборки и развёртывания, системы мониторинга, облачные среды и трекеры задач в общий слой контекста. По словам компании, агенты могут работать со всеми этими источниками в рамках правил доступа организации.

На странице об обработке инцидентов описан предполагаемый порядок работы. Сначала Autoheal группирует сигналы тревоги с помощью обычных правил, а затем поручает расследование агенту. Тот сопоставляет журналы событий, трассировки, недавние развёртывания и различия в коде, после чего публикует в канале инцидента собранные данные и предполагаемую первопричину.

Для инцидентов низкой серьёзности агент, по словам компании, может проверить исправление в изолированной среде и открыть запрос на внесение изменений для команды, отвечающей за соответствующую часть системы. Решение о слиянии изменений остаётся за инженерами. Агент также может подготовить черновик разбора инцидента по его временной шкале. Это описанные возможности продукта, а не независимо проверенные результаты каждой установки.

Сооснователь и генеральный директор Autoheal Сид Чоудхури в письменном сообщении для VentureBeat отметил, что создать первую версию ИИ-агента несложно, а основная трудность — стабильно масштабировать его применение на все процессы разработки программного обеспечения в компании.

Autoheal предлагает платформенным командам общий способ развёртывать агентов, управлять ими и улучшать их работу в разных инженерных группах.

Агенты проверяют работу других агентов

Главная особенность системы — предполагаемый цикл обратной связи.

На странице продукта этот цикл разделён на два направления: обновление инструкций и инструментов агента, а также улучшение общего контекста, к которому он обращается. Например, поправка человека во время инцидента может стать информацией для следующих запусков.

Команды могут задавать для каждого агента бюджеты и пороги уверенности, повторно запускать и сравнивать выполнение задач, а также смотреть затраты, задержку и точность в разрезе агентов и команд. Вызывать агентов можно через командную строку, API, вебхук, MCP, Slack или Microsoft Teams.

Такая схема может помочь с распространённой проблемой сопровождения: агент, который хорошо работает в одной команде, способен хуже справляться по мере изменения приложений, инструментов и внутренних правил.

При этом обещания Autoheal можно проверить: покажут ли предлагаемые системой изменения лучшие результаты в разных командах, не создавая новых сбоев? Компания рассказывает о закрытых оценках и проверках на регрессии, но предоставленные VentureBeat материалы не содержат независимого бенчмарка или сравнительных результатов работы этого цикла.

Autoheal заявляет, что платформа включает защищённые изолированные среды, журналы аудита, контроль затрат и маршрутизацию между моделями. В письменном справочном материале компании Чоудхури сообщил, что массовые задачи можно направлять менее дорогим моделям с открытыми весами, а более дорогие передовые модели оставлять для сложной координации.

По его словам, заказчики, которые подключают собственные ключи API моделей, получают такую экономию на маршрутизации. Коммерческая модель компании в основном зависит от потребления и числа запусков агентов. Тарифы и типичный счёт клиента Autoheal не раскрыла.

На странице об управлении затратами на программирование описан более конкретный сценарий. Платформа считывает трассировки выполнения уже используемых командой агентов для программирования, превращает реальные сеансы работы в задачи для оценки, сравнивает на них модели и настройки, а затем предлагает изменить навык или конфигурацию через запрос на внесение изменений.

В качестве примера сайт показывает снижение стоимости одной задачи на 30% после уменьшения настройки усилий модели и ещё на 10% после передачи обычной работы более компактной вспомогательной модели.

Autoheal не указывает, на какой нагрузке, выборке или заказчике основаны эти цифры. Их следует считать примером предлагаемого подхода, а не гарантированной экономией для будущих клиентов.

Платформа также рассчитана на работу с уже существующими агентами для программирования. Чоудхури назвал Claude Code, Codex и GitHub Copilot среди сторонних инструментов, чью работу Autoheal стремится оценивать и улучшать. В числе конкурентов он упомянул Factory.ai и Devin от Cognition. По его мнению, сами по себе агенты для программирования не охватывают повторяющуюся операционную работу, которую Autoheal берёт на себя в разных командах.

Это сравнение отражает позицию компании: VentureBeat независимо не проверял продукты друг с другом.

Сайт также указывает Cursor и собственных агентов как возможные источники для платформы. Autoheal заявляет, что поддерживает облачные, гибридные и изолированные установки в облаке заказчика с использованием одобренных моделей. Компания описывает доступ с ограничениями по политикам, временные учётные данные и журналы действий агентов.

На сайте размещены обозначения ISO 27001, SOC 2 Type II и отсутствия хранения данных. Однако предоставленные материалы не уточняют объём и независимое подтверждение этих заявлений. Корпоративному заказчику потребуется изучить подтверждающую документацию.

Вопрос о цене

Autoheal рекламирует быстрое подключение агентов, но это не то же самое, что развёртывание и оценка платформы во всей компании. На сайте нет цены для самостоятельного подключения или стандартного пробного тарифа.

На прямой вопрос о стоимости представитель компании ответил, что оплата рассчитывается в «долларах за сеанс работы агента».

Администратор со стороны заказчика задаёт бюджет для каждого сеанса. При этом вся сумма может расходоваться по-разному: например, сложный ответ на инцидент в рабочей системе может стоить $20, а простое исправление уязвимости — $2.

Для корпоративных заказчиков разница существенна: приведённые примеры отличаются в десять раз. Поэтому расходы будут зависеть от числа и сложности сеансов, даже если администраторы задают для них бюджеты.

Autoheal не уточнила, как начинается и заканчивается сеанс, что происходит, если агент исчерпывает бюджет до завершения задачи, взимается ли плата за неудачные или повторные попытки и включена ли в неё стоимость самих моделей.

Компания также не раскрыла минимальные обязательства, скидки за объём, плату за платформу или поддержку и стоимость трёхнедельной оценки. Без этих данных сложно спрогнозировать месячный счёт или сопоставить услугу с внутренней системой.

Autoheal заявляет, что может направлять массовую работу менее дорогим моделям с открытыми весами, а передовые модели оставлять для более сложной координации. Если заказчики используют собственные ключи API моделей, компания, по её словам, передаёт им экономию от такой маршрутизации без дополнительной платы. Это снижает одну из составляющих расходов, но не гарантирует экономию в целом с учётом оплаты Autoheal за сеансы.

Пример снижения стоимости задачи на 30% на отдельной странице сайта касается настройки уже используемого агента для программирования. Это не скидка на услуги Autoheal.

Что говорят клиенты

Autoheal приводит примеры заказчиков поимённо, чтобы показать, как, по её словам, работает платформа. Компания утверждает, что Nomura сократила среднее время решения инцидента с двух часов до 15 минут. Платформа сопоставляла данные мониторинга, кода, облачных систем, пайплайнов развёртывания и баз знаний.

Самир Джейн, ИТ-директор оптового подразделения Nomura, в заявлении, переданном Autoheal, сказал, что расследования стали занимать минуты вместо часов, а платформа работает в рамках облачных средств контроля самого банка. Компания не сообщила период наблюдений, размер выборки или методику расчёта сокращения времени с двух часов до 15 минут.

По справочному материалу Autoheal, AvidXchange использует платформу для реагирования на инциденты, проверки готовности выпусков и адаптации новых инженеров. Компания утверждает, что это экономит тысячи инженерных часов в месяц. Технический директор и старший вице-президент AvidXchange Криш Шетти сообщил, что инструмент для инцидентов помогает инженерам за минуты находить вероятную первопричину. Эти сведения предоставлены компаниями и не подтверждены независимым аудитом.

Сценарии применения не ограничиваются инцидентами в работающих системах. Autoheal сообщает, что Nauto, оператор платформы безопасности автопарков, использует её, чтобы при обращениях клиентов связывать журналы устройств, данные складов, сведения о недавних выпусках и внутренние записи о проблемах. По утверждению Autoheal, дежурные инженеры Nauto закрывают такие обращения на 50% быстрее.

В отдельном заявлении, переданном Autoheal, вице-президент Oscilar Джоби Бабу описал агента, который собирает сведения из Grafana, Slack, ClickHouse, продуктовой документации и Pylon для первичной оценки обращений в поддержку. Empiric Earth также передала заявление о расходах на устранение проблем и мониторинг. Независимо проверяемых исходных данных для этих примеров Autoheal не предоставила.

Разница между типами задач имеет значение. Более быстрая первичная диагностика не обязательно означает, что исправление будет завершено быстрее. А оценка сэкономленного инженерного времени зависит от того, как команда учитывает работу до и после внедрения. Потенциальным заказчикам пригодятся результаты по отдельным задачам, стоимость успешно выполненной задачи и данные о том, как часто инженеры отклоняют рекомендации агента.

На общедоступном сайте также есть иллюстрации изменений времени от внесения кода до выпуска, числа инцидентов и скорости устранения уязвимостей. Они не обозначены как измеренные результаты клиентов, поэтому их нужно отличать и от отзывов названных заказчиков, и от более конкретного заявления Nomura.

Финансирование, запуск и дальнейшие планы

Раунд начального финансирования возглавила Innovation Endeavors; её представитель Харпиндер Сингх вошёл в совет директоров Autoheal. Среди других инвесторов компания назвала Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures и Param Hansa Values.

По словам Чоудхури, в Autoheal работают 13 инженеров в Кремниевой долине и Бенгалуру. Компания начала продавать платформу три месяца назад и ожидает, что выручка к концу года достигнет семизначной суммы. Эти сведения содержатся в его письменных ответах. Текущую годовую регулярную выручку, маржу и денежный поток компания не раскрыла.

На странице «О компании» сказано, что Чоудхури ранее занимал руководящие должности в Harness и Yugabyte. Технический директор Уткарш Ом прежде руководил инженерными командами по ИИ и машинному обучению в ThoughtSpot, а директор по разработке Пунит Сарасват работал инженером в Harness и Microsoft.

В долгосрочных планах Autoheal — обучать небольшие модели на закрытых инженерных данных каждого заказчика, используя обратную связь от повторяющихся задач, например анализа инцидентов. Компания считает, что со временем такие модели могут снизить операционные расходы и повысить качество работы на задачах, характерных для конкретной организации.

Пока это заявленное направление, а не результат, подтверждённый предоставленными материалами. При этом в разделе о развёртывании на текущей странице продукта стоит пометка «Обучение моделей не проводится» — компания не объясняет, на что именно она распространяется и как связана с планами создавать модели для отдельных заказчиков. Autoheal также видит возможное применение платформы в безопасности, работе с данными, поддержке и инженерии продаж.

Сейчас основное предложение компании проще проверить: сможет ли инженерная команда дать агентам нужный контекст, контролировать их действия и улучшать их работу по мере изменений в системах. Открытый запуск платформы позволяет корпоративным заказчикам проверить это на реальных задачах, которые остаются после написания кода.