חברת Hud נחשפת ומשיקה Runtime Code Sensor שמגשר בין AI למציאות שבה רץ הקוד. החברה הוקמה על ידי היזמים הסדרתיים רועי אדלר (CEO), מאי וולטר (CTO) 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 Enterprise.
למרות הצמיחה המשמעותית בתחום כתיבת הקוד ע״י AI, רוב השימוש ביכולות האלה מוגבל לפרויקטים נקודתיים ונישתיים, בין היתר מתוך החשש שהתוצרים יפגעו בסביבת ה-Production של החברה. Hud גייסה 21 מיליון דולר בהובלת הקרנות Aleph ו-Square Peg.
Hud 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 שבו הוא רץ. בשלב ראשון, הסנסור מגלה בעיות של שגיאות והאטות, עם כל הקונטקסט הנדרש כדי להבין ולתקן אותן באמצעות סוכני כתיבת קוד.
החברה מגשרת על פער שקיים היום בעולם בניית התוכנה – 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 ע״י סוכני AI.
במקום להסתמך על גישות של לוגים, 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 Hud 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, ע"י 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.
ארגונים 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. מחקר של Capgemini מצא כי למרות ש־60% מהארגונים מתנסים בפיילוטים של Generative AI, כ-75% מהם מתקשים להעלות אותם לפרודקשן והגדיר זאת כ"אתגר משמעותי".
סוגיית האמון הזו מונעת אימוץ רחב מעבר לפיילוטים. 28% מהמנהלים דירגו את היעדר האמון בסוכני AI כאחד משלושת האתגרים הגדולים ביותר, לפי סקר עדכני של PwC. ארגונים חייבים לדעת שהקוד שה-AI מייצר מותאם למציאות המורכבת שלהם ואינו מכניס תקלות או האטות. ככל שכלי AI מייצרים קוד במהירות ובקנה מידה חסר תקדים, חברות זקוקות למערכות חכמות ובטוחות יותר כדי לנצל את הטכנולוגיה בלי לסכן את הפעילות העסקית.
"כל צוות תוכנה שבונה בסביבות מורכבות ובקנה מידה גדול נתקל באותו אתגר בסיסי: לבנות מוצר איכותי שעובד טוב בעולם האמיתי", אמר רועי אדלר, מנכ"ל ומייסד Hud. "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 הAI שכותב לקוד, לבין איך שהקוד הזה באמת מתנהג במציאות. הוא מאפשר ל-AI, 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".
מושיק אילון, מנהל קבוצת פיתוח ב-Monday.com: "הפלטפורמה של Hud מספקת לנו מידע עמוק ברמת הפונקציה מבלי הצורך להשקיע באינסטרומנטציה, בניגוד למערכות APM שרואות רק את רמת ה-Endpoint ונותנות התראות שאומרות רק שמשהו לא תקין, בלי להסביר למה. עם Hud אנחנו ממש מקבלים את כל המידע, ברמת הפונקציה, של איפה ומה הבעיה. במערכת מורכבת כמו שלנו, Hud העלימה את תקריות ה Production Voodoo, לדוגמה קפיצות CPU שדרשו כלי Profiling וימים של מחקר.
"עכשיו מהנדסים פשוט שואלים את Cursor 'למה התהליך הזה איטי' או 'למה יש ספייקים של CPU בפוד הספציפי הזה' – ומקבלים תשובות מיידיות שמבוססות על מידע אמיתי לגבי איך הקוד מתנהג במציאות. המוצר של Hud הופך ימים של חקירה לדקות".
דניאל מרשליאן, CTO ומייסד-שותף, Drata: "הפלטפורמה של Hud מספקת תובנות בזמן אמת שמאפשרות לנו לא רק לשלוח קוד בביטחון לפרודקשן, אלא גם לטפל בביצועים ובשגיאות ברמת הפונקציה. כל הנתונים האלה, בשילוב החיבור העמוק של Hud ל-IDE ובאמצעות שרת ה-MCP שלהם, מאפשרים לנו להאיץ את תהליכי הקידוד מבוסס AI שלנו".
