Traversal rejser 120 mio. dollar i en Series B-runde ved en værdiansættelse på 1 mia. dollar for at udvide AI-SRE

Traversal offentliggjorde den 3. november 2026 en Series B-runde på 120 mio. dollar ved en værdiansættelse på 1 mia. dollar. Kapitalen skal sætte fart på arbejdet med selvkørende produktionssystemer og udvide rekrutteringen inden for forskning, teknik og markedsføring og salg.

Kleiner Perkins, Redpoint Ventures og Khosla Ventures ledte investeringsrunden i fællesskab med deltagelse fra Sequoia Capital, Battery Ventures og Amex Ventures. De tidligere investorer Kleiner Perkins og Sequoia øgede deres investeringer. Den samlede finansiering udgør nu 173 mio. dollar efter de 48 mio. dollar, som Traversal offentliggjorde, da virksomheden trådte ud af stealth-fasen i juni 2025, samt en strategisk investering fra Amex Ventures i december 2025.

Udbygning af softwaredriftens ydre kredsløb

Traversal begyndte med analyse af hændelsers grundårsager og byggede på de tre medstifteres akademiske forskning i kausal maskinlæring og forstærkningslæring. Grundtanken er, at en hændelse udløser mange samtidige signaler, så en sandsynlig korrelation ikke i sig selv kan fastslå, hvorfor et system svigtede. Production World Model omsætter rå telemetridata, kode, udrulningshistorik og organisatorisk viden til en løbende opdateret, AI-læsbar repræsentation af et produktionsmiljø. Causal Search Engine er udviklet til at afprøve tusindvis af hypoteser parallelt, følge afhængigheder og tidsforløb på tværs af systemer og nå frem til årsager, der understøttes af evidens.

Traversal præsenterede officielt de to systemer i marts 2026 efter næsten to års forskning og udvikling. Agenterne arbejder nu proaktivt over længere tid, indsamler kontekst, undersøger hændelser og bidrager til afhjælpning, når der opstår hændelser eller alarmer. Traversal MCP gør denne produktionsindsigt tilgængelig for kodningsagenter og forbinder driftsmæssig evidens med udviklingsarbejde, der har til formål at forebygge hændelser.

Det langsigtede mål er software, der opdager problemer, forstår deres årsager, iværksætter korrigerende handlinger, kontrollerer, at handlingerne virkede, og forebygger gentagelser. Køreplanen betyder, at investeringsrunden både skal udvide et eksisterende undersøgelsesprodukt og er et væddemål på en mere autonom drift.

Rapporteret vækst ud over analyse af grundårsager

Traversal oplyser, at antallet af undersøgelser om måneden voksede mere end 100 gange i løbet af 2026, fra 513 til næsten 73.000. Omtrent to tredjedele af produktets anvendelse rækker nu ud over analyse af grundårsager og omfatter alarmeringstriage, risiko ved udgivelser, validering af CMDB, sikkerhed, kunderejsens tilstand og spørgsmål om produktionssupport. Fordelingen peger på en bredere anvendelse i løbende driftsbeslutninger sideløbende med diagnosticering efter hændelser.

I en medfølgende meddelelse om finansieringen oplyser Traversal, at den årlige tilbagevendende omsætning er vokset ni gange siden årets begyndelse, at virksomheden gennemførte mere end 150.000 kundeundersøgelser i det seneste kvartal, og at platformen understøtter over 4.000 teknikere. Nubank, Harvey, DigitalOcean og PepsiCo er blandt de virksomheder, der bruger platformen. Nubanks administrerende direktør, David Vélez, beskrev virksomhedens implementering som kun fem uger gammel og oplyste, at den udvides i etaper, efterhånden som resultaterne holder stik. Det er et forbehold om, hvor tidligt implementeringen er, i forhold til de oplyste anvendelsestal.

Evidens fra benchmarktest og dens begrænsninger

De tekniske udfordringer er beskrevet særskilt i ORCA-bench, en artikel af forskere med tilknytning til Cornell Tech, Traversal og Columbia University. Den indeholder 1.079 opgaver inden for analyse af grundårsager, baseret på seks dages data og mere end 50 GB målinger, logfiler og sporingsdata fra et system med 19 mikrotjenester, der er instrumenteret med OpenTelemetry. Agenterne brugte reelle grænseflader til observerbarhed og kildekode, mens opgaverne varierede med hensyn til rapporternes detaljeringsgrad, forsinkelser i registreringen og samtidige fejl.

Blandt fem evaluerede agenter til generelle formål rapporterer artiklen en højeste nøjagtighed på 25,3 % for analyse af grundårsager i opgaver med middel sværhedsgrad og 10,0 % i svære opgaver. Hallucinerede, usandsynlige grundårsager forekom i 7 % til 40 % af hændelsesrapporterne, afhængigt af modellen. Når adgangen til kildekode blev fjernet, faldt nøjagtigheden, og antallet af hallucinationer steg for hver model. Det understøtter konklusionen, at flydende kodefærdigheder ikke automatisk fører til pålidelig diagnosticering under vagt.

Disse resultater måler ikke Traversals egen produktionsydelse. Forfatterne gør opmærksom på, at evidensen stammer fra en kontrolleret, offentlig testplatform, der dækker seks dage, og at hver opgave blev behandlet separat. Det er endnu ikke undersøgt, om resultaterne kan overføres til større, skiftende, proprietære miljøer. Benchmarket afgrænser derfor det forskningsmæssige gab, der skal lukkes for autonomt vagtarbejde; det bekræfter ikke virksomhedens køreplan for selvkørende produktion.

Traversals rapporterede udbredelse og benchmarkresultaterne belyser forskellige stadier af den samme ambition. Den nuværende forretning bygger på undersøgelser og bredere spørgsmål om produktion; den åbne prøve for selvkørende produktion er, om virksomhedens kausale system kan iværksætte korrigerende handlinger, kontrollere resultatet og forebygge gentagelser på tværs af komplekse kundemiljøer.