AI robot face and programming code on a black background.
تکنولوژی

لایت‌ران با تمرکز بر دیباگینگ کد در محیط عملیاتی، ۷۰ میلیون دلار جذب سرمایه کرد

شرکت اسرائیلی لایت‌ران ۷۰ میلیون دلار در دور تأمین مالی سری B جذب کرد تا پلتفرم قابلیت مشاهده و ابزار دیباگینگ مبتنی بر هوش مصنوعی خود را توسعه دهد. این شرکت به رفع مشکلات ناشی از افزایش حجم کد تولید شده توسط هوش مصنوعی می‌پردازد و مشتریان بزرگی جذب کرده است.

۱۴۰۴/۰۲/۰۸

لایت‌ران، شرکت اسرائیلی فعال در زمینه دیباگینگ کد، با جذب ۷۰ میلیون دلار در دور سری B، مجموع سرمایه خود را به ۱۱۰ میلیون دلار رساند. این شرکت بر ارائه ابزارهای مبتنی بر هوش مصنوعی برای شناسایی و رفع باگ‌ها در محیط‌های عملیاتی تمرکز دارد و مشتریان بزرگی دارد.

شرکت نوپای اسرائیلی لایت‌ران (Lightrun) که یک پلتفرم قابلیت مشاهده (Observability Platform) برای شناسایی و دیباگ (Debug) کردن کد قبل از بروز مشکلات ساخته است، امروز از جذب ۷۰ میلیون دلار در دور تأمین مالی سری B خود خبر داد. این تأمین مالی نه تنها نشان‌دهنده شکاف در بازار ابزارهایی مانند این پلتفرم است، بلکه جذابیت راه‌حل لایت‌ران برای پاسخگویی به این تقاضا را نیز برجسته می‌کند.

شرکت سرمایه‌گذاری جدید Accel به همراه سرمایه‌گذار قبلی Insight Partners رهبری این دور را بر عهده داشتند و Citi، Glilot Capital، GTM Capital و Sorenson Capital نیز در آن شرکت کردند. لایت‌ران با احتساب این دور، مجموع سرمایه جذب شده خود را به ۱۱۰ میلیون دلار رسانده است؛ از جمله یک دور سری A که Insight رهبری آن را در سال ۲۰۲۱ بر عهده داشت.

این استارتاپ ارزش‌گذاری خود را فاش نکرده است، اما نشانه‌های قوی مبنی بر عملکرد خوب آن وجود دارد.

اولین نشانه، مشتریان آن هستند. سیتی (Citi) یکی از حامیان استراتژیک و بخشی از فهرستی چشمگیر از مشتریان بزرگ است که شامل ADP، AT&T، ICE/NYSE، Inditex، مایکروسافت (Microsoft)، Priceline، Salesforce و SAP می‌شود.

دومین نشانه، محصول و زمان‌بندی شرکت برای جایگاه آن در بازار فعلی است. در جولای ۲۰۲۴، لایت‌ران از ابزار جدید دیباگینگ مبتنی بر هوش مصنوعی خود به نام Runtime Autonomous AI Debugger رونمایی کرد که برای استفاده در محیط‌های توسعه یکپارچه (IDE) سازمان‌ها طراحی شده است. اگرچه پلتفرم این شرکت پیش از این نیز نتایج چشمگیری ارائه می‌داد، اما این محصول جدید به طور خاص به معضل کنونی بسیاری از شرکت‌ها پرداخت: هوش مصنوعی منجر به حجم بسیار بیشتری از کدنویسی و در نتیجه مشکلات بیشتر شده است، و لایت‌ران ابزاری مبتنی بر هوش مصنوعی برای حل این چالش ساخته بود.

این شرکت اعلام کرده است که درآمد آن از زمان راه‌اندازی ۴.۵ برابر شده است و همین موضوع سرمایه‌گذاران را به سمت آن جذب کرده است. آندری براسوونئو (Andrei Brasoveanu)، شریک Accel که رهبری سرمایه‌گذاری این شرکت را بر عهده داشت، گفت که سال‌ها پیش از این، لایت‌ران را زیر نظر داشته و پس از رونمایی از Runtime Autonomous AI Debugger تصمیم به سرمایه‌گذاری گرفته است.

او گفت: «سال گذشته همه چیز دست به دست هم داد. آن‌ها به دلیل هوش مصنوعی، شتابی در حوزه سازمانی مشاهده کردند.»

ایلان پلگ (Ilan Peleg)، مدیرعامل و یکی از بنیان‌گذاران شرکت همراه با لئونید بلواوشتاین (Leonid Blouvshtein)، مدیر ارشد فناوری (CTO)، درباره اهمیت زمان‌بندی آگاه است. پیش از روی آوردن به تحصیلات تکمیلی و سپس تأسیس لایت‌ران، پلگ یک دونده قهرمان دو نیمه‌استقامت بود و ۴ قهرمانی ملی در اسرائیل کسب کرد و در میان ۱۶ نفر برتر دوندگان نیمه‌استقامت در اروپا قرار داشت.

به گفته پلگ، ده‌ها شرکت امروز در بازار در حال ساخت ابزارهای قابلیت مشاهده هستند (برخی از برجسته‌ترین آن‌ها مانند Datadog و App Dynamics هستند).

اما هیچ‌کدام هنوز به «هدف مقدس» این حوزه دست نیافته‌اند: نه تنها تصویری جامع از تمام کدی که در محیط عملیاتی (production) منتشر می‌شود ارائه دهند، بلکه بفهمند چگونه با آنچه در حال حاضر استفاده می‌شود تعامل خواهد داشت و چگونه مشکلات احتمالی را پیش‌بینی کنند. و همه این کارها را با کمترین وقفه و در نتیجه کمترین هزینه برای سازمان انجام دهند.

او گفت: «کد ارزان شده، اما باگ‌ها گران هستند.»

او همچنین گفت که این مشکل به «نقطه عطفی» رسیده است. «توسعه‌دهندگان اکنون می‌توانند بیشتر از هر زمان دیگری کد منتشر کنند» که این به دلیل تمام اتوماسیون‌هایی است که به لطف هوش مصنوعی استفاده می‌شود. «اما فرآیند رفع مشکل زمانی که اوضاع بد پیش می‌رود، هنوز بسیار دستی است.»

پیشرفت بزرگ لایت‌ران در ساخت مجموعه ابزارهای قابلیت مشاهده است که می‌تواند کد را همانطور که در محیط توسعه یکپارچه (IDE) قرار دارد نظارت کند و بفهمد چگونه در کنار کدی که به طور فعال در محیط عملیاتی (production) است، رفتار خواهد کرد. سپس می‌تواند به طور خودکار تنظیمات را بر روی کد با حرکت به محیط عملیاتی اعمال کند تا بدون وقفه و خرابی به کار خود ادامه دهد. این کار با ایجاد شبیه‌سازی‌های مبتنی بر هوش مصنوعی برای درک رفتار کد و سپس رفع آن قبل از بروز مشکلات انجام می‌شود.

پلگ گفت: «این بخشی است که ما در آن منحصر به فرد هستیم.»

با توجه به نزدیکی قابلیت مشاهده به سایر فعالیت‌ها در سازمان‌ها، گزینه‌های زیادی برای توسعه لایت‌ران وجود دارد.

یکی از این گزینه‌ها، ساخت ابزارهای تخصصی‌تر برای تیم‌های امنیت سایبری است، با توجه به پیامدهای امنیتی آشکاری که از باگ‌ها ناشی می‌شوند. گزینه دیگر، احتمالاً ساخت برخی ابزارهای خود حتی نزدیک‌تر به نقطه ایجاد کد برای کارایی بیشتر در یافتن و رفع باگ‌های احتمالی است.

پلگ گفت، در حال حاضر، برنامه این است که بر توسعه ابزارها، استعداد و کسب‌وکار خود به طور خاص در محیط توسعه یکپارچه (IDE) متمرکز باقی بمانند. او گفت: «هر چیزی که خطر را برای انعطاف‌پذیری (resilience) ایجاد می‌کند، ما در حال کاهش آن هستیم»، اگرچه ساخت ابزارهای تخصصی‌تر در آینده را منتفی ندانست.

در مورد دستیارهای کدنویسی، او گفت: «ممکن است این‌ها در آینده ما باشند، اما حتی تمرکز و کار تنها بر روی مشکل ترمیم نرم‌افزار پس از اجرا، پیچیده و گسترده است.» او گفت، پیش‌بینی اینکه خلق کد در آینده چگونه خواهد بود، دشوار خواهد بود. امروزه، با تخمین ۳۰ تا ۶۰ درصد از تمام مشکلات محیط عملیاتی (production) که ناشی از مسائل کد تولید شده توسط انسان‌ها و ماشین‌ها هستند، ارائه راهی برای مشاهده و رفع همه چیز - صرف نظر از نحوه ایجاد آن - همان چیزی است که لایت‌ران برای حل آن تلاش می‌کند.

منبع: تک‌کرانچ

به مطالعه ادامه دهید