גיוס של 21 מ' ד' לסטארט-אפ האד, שמסייע בכתיבת קוד

הסטארט-אפ האד (Hud) נחשף, עם השקת ה-Runtime Code Sensor,שמגשר בין AI למציאות שבה רץ הקוד' והחברה הודיעה על גיוס של 21 מיליון דולר בהובלת הקרנות Aleph ו-Square Peg.

חברת Hud הוקמה על ידי היזמים הסדרתיים רועי אדלר (מנכ"ל), מאי וולטר (COT) ושי וינינגר (Non-Executive Co-Founder) במטרה לפתור את אחת הבעיות המורכבות בתחום ה-AI: היכולת של סוכני כתיבת קוד לבנות קוד לתוך מערכות מורכבות בסקייל גבוה בסביבות אנטרפרייז. למרות הצמיחה המשמעותית בתחום כתיבת הקוד על ידי AI, רוב השימוש ביכולות האלה מוגבל לפרויקטים נקודתיים ונישתיים, בין היתר מתוך החשש המוצדק שהתוצרים יפגעו בסביבת ה-Production של החברה.

כדי לענות על הצורך הזה, האד משיקה את ה-Runtime Code Sensor, הפלטפורמה הראשונה בעולם שאינה דורשת הגדרות או עבודה ידנית ומספקת תובנות בזמן אמת וברזולוציית הפונקציה לגבי התנהגות כל גוף הקוד בסביבה האמיתית שבה הוא רץ. בשלב ראשון, הסנסור מגלה בעיות של שגיאות והאטות, עם כל הקונטקסט הנדרש כדי להבין ולתקן אותן באמצעות סוכני כתיבת קוד.

האד מגשרת על פער שקיים היום בעולם בניית התכנה – ההסתמכות על טכנולוגיות Observability כמו לוגים, טרייסים ו-APMs, שמצריכים עבודה ידנית של הגדרה מראש מהיכן צריך לאסוף נתונים ודורשים לעתים קרובות שעות או ימים כדי להבין את המקור של תקלות. עוד לפני כניסת סוכני כתיבת הקוד, ארגוני תוכנה משקיעים בין 30% ל-60% מהזמן שלהם בתחזוקה ותיקון של מערכות קיימות ולא בבניית יכולות חדשות – בעיה שיש חשש שרק תועצם על יד סוכני AI.

החברה בנתה סנסור שחי עם הקוד ומביא אינפורמציית עומק בזמן אמת, עם השפעה זניחה על הסביבה שבה הוא רץ. כשהקוד רץ באופן תקין, הסנסור של האד שולח מידע התנהגותי סטטיסטי זניח מבחינת הכמות שלו, אבל כאשר הוא מזהה שגיאה או האטה, הוא אוסף ושולח מידע פורנזי עמוק הנדרש כדי להבין ולפתור את הבעיה באמצעות סוכני AI. המערכת בנויה באינטגרציה עמוקה לתהליכי העבודה המודרניים בעולם ה-AI, על ידי הטמעה ב-IDEs כמו Cursor, VSCode, Jetbrains, ובאמצעות MCP לתהליכי פתרון תקלות בתוך המערכות של הלקוחות שלה. כדי לממש את הגישה החדשנית הזו החברה גייסה קבוצה שמגיעה מעולם הסייבר, מערכות הפעלה ומחקר חולשות, בהובלת היזמת המשותפת מאי ולטר.

"ארגוניםמחקר ניצבים תחת לחץ גובר לאמץ כלי פיתוח מבוססי AI, אך מתקשים לגשר על הפער שבין הבטחות ה-AI לבין קוד שפועל בצורה אמינה בקנה מידה גדול, אמר " אמר אדלר, מנכ"ל וואחד המייסדים של האד. מחקר של Capgemini מצא כי למרות ש־60% מהארגונים מתנסים בפיילוטים של בינה מלאכותית יוצרת, כ-75% מהם מתקשים להעלות אותם לפרודקשן והגדירו זאת כ"אתגר משמעותי".

"כל צוות תוכנה שבונה בסביבות מורכבות ובקנה מידה גדול נתקל באותו אתגר בסיסי: לבנות מוצר איכותי שעובד טוב בעולם האמיתי,"בעידן הפיתוח המואץ על ידי AI, חוסר הידיעה כיצד הקוד מתנהג במציאות הופך לחלק גדול עוד יותר מהאתגר. הסנסור שלנו משנה את המשוואה הזו – בעזרת יצירת Feedback Loop בין ה-AI שכותבת לקוד לבין איך שהקוד הזה באמת מתנהג במציאות. הוא מאפשר ל-AI, להבין מהי תמונה המציאות שלו בזצן אמת עבור כל חלק בקוד שהוא קורא או משנה, להבין מהי תמונה המציאות שלו עכשיו – בזמן אמת, בסביבת הענן של החברה – מה שמאפשר ל-AI לשקלל את המידע הזו כדי ליצור קוד שלוקח בחשבון את המורכבויות, התקלות, והתלויות של הקוד הזה – ולייצר קוד שבאמת עובד בסביבה שבה הוא מיועד לרוץ".