تامین مالی ۱۰ میلیون دلاری Milestone برای همسویی هوش مصنوعی با بازگشت سرمایه

هوش مصنوعی مولد (GenAI) به بخش کلیدی از گردش کار برنامه‌نویسی تبدیل شده است، اما اکثر شرکت‌ها در ردیابی میزان استفاده از آن و چه برسد به بازگشت سرمایه‌گذاری (ROI) مشکل دارند. استارتاپ اسرائیلی مایلستون (Milestone) امیدوار است با پلتفرمی که برای مرتبط کردن میزان استفاده از ابزارهای هوش مصنوعی با معیارهای مهندسی، از جمله کیفیت کد، طراحی شده است، به این شرکت‌ها کمک کند.

لیاد الیدان، مدیرعامل و یکی از بنیانگذاران مایلستون، به خبرنگار گفت: نکته اینجاست که این شرکت‌ها باید به مایلستون دسترسی به پایگاه‌های کد خود را بدهند، مسئله‌ای که سرمایه‌گذاران در ابتدا نسبت به آن تردید داشتند. اما با وجود مشتریانی مانند کایاک (Kayak)، ماندی (Monday) و ساپینس (Sapiens)، این استارتاپ اکنون توانسته است یک دور سرمایه‌گذاری اولیه 10 میلیون دلاری را به رهبری شرکت سرمایه‌گذاری سنگین‌وزن (Heavybit) واقع در سان فرانسیسکو و صندوق اسرائیلی هاناکو ونچرز (Hanaco Ventures) جذب کند.

در یک اقدام غیرمعمول، الیدان و مدیر ارشد فناوری مایلستون (CTO) سال‌ها بدون ملاقات حضوری با یکدیگر، شروع به جمع‌آوری سرمایه کردند. برخلاف اکثر اعضای تیم مایلستون که در اسرائیل مستقر هستند، پروفسور استفان بارت در ایرلند زندگی می‌کند و در کالج ترینیتی دوبلین، جایی که الیدان زمانی دانشجوی او بود، علوم کامپیوتر تدریس می‌کند. آشنایی این دو از طریق پروژه‌های نرم‌افزاری شکل گرفت.

با وجود این فاصله، این دو نفر در طول سال‌ها با یکدیگر در ارتباط بودند و در نهایت تصمیم گرفتند استارتاپی را با تمرکز بر بهره‌وری مهندسی تأسیس کنند، درست زمانی که دستیارهای کدنویسی و سایر ابزارهای تولید کد در حال اوج گرفتن بودند. گیت‌هاب کوپایلوت (GitHub Copilot) از مرز 20 میلیون کاربر عبور کرده است، اما شرکت‌ها هنوز دید کافی نسبت به نحوه استفاده از این ابزارها و تأثیر آن‌ها بر بهره‌وری ندارند.

به گفته الیدان، مایلستون با تکیه بر چهار رکن اصلی — پایگاه‌های کد، پلتفرم‌های مدیریت پروژه، ساختار تیم و خود ابزارهای تولید کد — به این سوالات پاسخ می‌دهد تا چیزی را ایجاد کند که او آن را “دریاچه داده هوش مصنوعی مولد” توصیف می‌کند. در عمل، این امر به سازمان‌ها داده‌های عملی در مورد اینکه کدام تیم‌ها از هوش مصنوعی استفاده می‌کنند و چه تأثیری دارد — به لطف اطلاعات خودشان — ارائه می‌دهد.

الیدان گفت، مدیرانی که تحت فشار دائمی برای استفاده از هوش مصنوعی برای افزایش بهره‌وری هستند، با در دست داشتن این داده‌ها، برای مثال، می‌توانند سرعت تحویل ویژگی‌ها را اندازه‌گیری کنند، اما همچنین می‌توانند دریابند که آیا اشکالات اخیر ناشی از کد تولید شده توسط هوش مصنوعی بوده است یا خیر، و تصمیمات آگاهانه‌ای در مورد محل پیاده‌سازی این ابزارها بگیرند.

این امر همچنین به مایلستون یک صندلی در ردیف جلو برای مشاهده بازگشت سرمایه (ROI) — “سوال جام مقدس” که هدف آن پاسخگویی دقیق به آن برای مشتریانش است — می‌دهد. اما در سطح بالا، او گفت: “ما مشتری‌ای نداریم که از مایلستون استفاده کرده باشد و بگوید، ‘خب، هوش مصنوعی مولد به من کمک نمی‌کند، من تمام مجوزهای خود را لغو خواهم کرد.’ در واقع برعکس است. آن‌ها می‌خواهند ابزارهای هوش مصنوعی مولد بیشتری را امتحان کنند.”

این پذیرش سریع همچنین به این معنی است که مایلستون باید با چشم‌انداز به سرعت در حال تحول همگام باشد. الیدان گفت: “قبلاً تکمیل خودکار بود، سپس چت بود، سپس چت مبتنی بر عامل بود و همینطور ادامه دارد.”

همچنین، پیشینه آکادمیک بارت به تیم کمک می‌کند تا موج تحولی را که مشتریانش تجربه می‌کنند، درک کنند. این پروفسور به خبرنگار گفت: “بسیاری از روش‌هایی که قبلاً در مورد مهندسی فکر می‌کردیم، باید تغییر کنند. من فکر می‌کنم به نوعی، هوش مصنوعی در حال پر کردن تیم است و مهندسان اکنون در حال تبدیل شدن به مدیر هستند.”

مایلستون می‌گوید برای همگام شدن با ابزارهایی که این موج را نیرو می‌بخشند، با بسیاری از فروشندگان مانند گیت‌هاب، آوگمنت کد (Augment Code)، کیودو (Qodo)، کانتینیو (Continue) و اتلسیان (Atlassian) — شرکتی که جیرا (Jira) را تامین می‌کند و بازوی سرمایه‌گذاری آن، اتلسیان ونچرز (Atlassian Ventures) نیز در این دور سرمایه‌گذاری اولیه شرکت کرد — مشارکت کرده است.

این دور همچنین توسط سرمایه‌گذاران فرشته، از جمله تام پرستون-ورنر (Tom Preston-Werner)، یکی از بنیانگذاران گیت‌هاب، جان دونووان (John Donovan)، مدیرعامل سابق AT&T، پل داگرتی (Paul Daugherty)، مشاور ارشد فناوری اکسنچر (Accenture) و آمیت آگراوال (Amit Agrawal)، رئیس سابق دتاداگ (Datadog) — که همگی درک می‌کنند آنچه مایلستون می‌سازد، برای بازار سازمانی مرتبط است — حمایت شد، الیدان گفت.

این تمرکز بر شرکت‌های بزرگ از روز اول عمدی بود، به طوری که مایلستون حتی به مشتریان بالقوه‌ای که خیلی کوچک بودند، نه گفت — الیدان گفت “این کار بسیار سختی است”، اما این کار به استارتاپ وضوح لازم را در مورد نقشه راهی داد که نیاز به اعتبارنامه‌ها و ویژگی‌های سازمانی دارد. تمرکز، توصیه اصلی او به سایر بنیانگذاران خواهد بود و مایلستون به آن عمل می‌کند: این استارتاپ حتی با رشد خود، به اندازه‌گیری تأثیر هوش مصنوعی مولد بر بازاریابی یا سایر عملکردها گسترش نخواهد یافت.