groundcover recauda 100 millones de dólares en la ronda C para escalar la plataforma de observabilidad de la era de la IA

La empresa de observabilidad en la nube groundcover ha recaudado 100 millones de dólares en la ronda C de financiación mientras busca expandir una plataforma diseñada para ayudar a los equipos de ingeniería y a los agentes de IA a comprender entornos de producción cada vez más complejos.

La ronda fue liderada por One Peak, con la participación de Morgan Stanley Expansion Capital (MS ) y los inversores existentes Zeev Ventures, Angular Ventures, Heavybit y Jibe. Esto eleva la financiación total de groundcover a 160 millones de dólares.

La financiación sigue a un año en el que la empresa afirma que triplicó los ingresos anuales recurrentes, duplicó su fuerza laboral global y superó los 250 clientes que pagan. Su base de clientes ahora abarca desde startups en etapas tempranas hasta empresas Fortune 5, mientras que la empresa también informa haber firmado múltiples contratos de siete cifras en los últimos 12 meses.

La observabilidad se enfrenta a un problema de datos impulsado por la IA

Las plataformas de observabilidad recopilan y analizan señales como registros, métricas y trazas para ayudar a los equipos de ingeniería a comprender cómo se comportan las aplicaciones y la infraestructura en producción.

Esta tarea se está volviendo más difícil a medida que los sistemas nativos de la nube se expanden y las empresas introducen grandes modelos de lenguaje, agentes autónomos y pilas de aplicaciones cada vez más interconectadas. Las aplicaciones de IA pueden generar telemetría en los prompts, las respuestas del modelo, las llamadas a herramientas, las bases de datos, las API y la infraestructura que soporta cada interacción.

Una mayor visibilidad puede ayudar a los ingenieros a identificar alucinaciones, degradaciones del rendimiento, llamadas a herramientas fallidas y riesgos de seguridad. Sin embargo, recopilar ese contexto también puede aumentar sustancialmente el volumen y la sensibilidad de los datos que fluyen hacia los sistemas de observabilidad.

Las plataformas tradicionales a menudo gestionan estos costos mediante la muestra o el filtrado de la telemetría. Esto puede hacer que los datos subyacentes sean más manejables, pero también puede eliminar la información precisa necesaria para reconstruir un incidente. La limitación se vuelve especialmente importante cuando se espera que los agentes de IA investiguen problemas o recomienden cambios sin una dirección humana continua.

groundcover está posicionando su arquitectura como una alternativa a este modelo, combinando la recopilación de datos a nivel de kernel con el almacenamiento dentro del entorno de nube del cliente.

Cómo funciona la arquitectura BYOC de groundcover

En el centro de la plataforma se encuentra una arquitectura de “trae tu propia nube”, o BYOC. En lugar de transferir todos los datos de observabilidad a un entorno de Software como Servicio operado por el proveedor, groundcover despliega su plano de datos dentro de una cuenta aislada en la nube del cliente.

Los registros, las métricas de infraestructura, las métricas personalizadas, las trazas y los eventos de Kubernetes pueden permanecer, por lo tanto, dentro de la infraestructura del cliente. Un plano de control separado gestiona la plataforma, pero está aislado de las cargas de trabajo de producción y la telemetría a nivel de red, según la documentación arquitectónica de groundcover.

Este arreglo está diseñado para brindar a los clientes una experiencia de software administrado mientras se preserva un mayor control sobre la residencia de datos, la privacidad y la seguridad. Esto puede ser particularmente relevante para las cargas de trabajo de IA, donde los registros de observabilidad pueden incluir prompts, salidas del modelo, argumentos de herramientas, información de usuario o elementos del proceso de razonamiento de un agente.

La empresa también admite implementaciones locales y de “aire aislado” para organizaciones con requisitos de aislamiento más estrictos.

Combinando eBPF y OpenTelemetry

groundcover recopila gran parte de su telemetría a través de extended Berkeley Packet Filter, comúnmente conocido como eBPF. La tecnología permite que los programas observen la actividad dentro del kernel de Linux, lo que da a los sistemas de monitoreo visibilidad en la comunicación de red, los procesos de aplicación y el uso de recursos sin requerir que los desarrolladores instrumenten manualmente cada servicio.

La empresa afirma que su sensor eBPF adaptable se puede implementar sin cambios en el código y se utiliza para capturar telemetría de aplicaciones e infraestructura en entornos de Kubernetes.

Esto no significa que groundcover esté reemplazando los estándares de instrumentación establecidos. La plataforma también se integra con OpenTelemetry, un marco de código abierto que proporciona API comunes, kits de desarrollo de software y herramientas para generar, procesar y exportar telemetría.

La combinación brinda a las organizaciones dos fuentes de información complementarias. eBPF puede capturar automáticamente la actividad en las capas de infraestructura y red, mientras que OpenTelemetry puede suministrar contexto específico de la aplicación que se agrega intencionalmente por los desarrolladores.

groundcover consolida trazas, métricas, registros y eventos de Kubernetes en una interfaz unificada. Su cartera de productos también cubre el monitoreo del rendimiento de las aplicaciones, el monitoreo de la infraestructura, la gestión de registros, el monitoreo de usuarios reales y la observabilidad para aplicaciones de modelos de lenguaje grande.

Ampliando la observabilidad para los agentes de IA

Las ambiciones de la empresa van más allá de proporcionar paneles para operadores humanos. Su modo de agente está diseñado para ayudar a los ingenieros a investigar incidentes, realizar análisis de causa raíz y identificar posibles pasos de remediación utilizando la telemetría disponible dentro de la plataforma.

En lugar de colocar un chatbot de propósito general sobre una colección de registros, groundcover afirma que reconstruyó sus API internas alrededor de un lenguaje de consulta unificado llamado GCQL. Las acciones tomadas por el agente se pueden inspeccionar, y los resultados se pueden convertir en activos nativos de groundcover para que los ingenieros los utilicen de forma independiente.

La empresa también ha introducido el soporte del protocolo de contexto de modelo, lo que permite a los desarrolladores traer telemetría de producción a agentes y entornos de desarrollo compatibles. Sus herramientas de observabilidad de IA están diseñadas para capturar el contexto de ejecución más amplio de las solicitudes de modelo, incluidos prompts, respuestas, uso de herramientas y historial de sesión.

Esto puede ayudar a los equipos a determinar si un problema se originó en el modelo en sí, una API externa, un sistema de recuperación, un cuello de botella de infraestructura o la secuencia de acciones tomadas por un agente. groundcover afirma que su enfoque basado en eBPF también puede inspeccionar el contenido de la solicitud y la respuesta de la API, lo que ayuda a los equipos a detectar anomalías o información sensible que se transmite a proveedores de modelos externos.

“Somos la única plataforma que aprovecha el potencial de eBPF con el poder ilimitado de BYOC para la observabilidad”, dijo Shahar Azulay, CEO y cofundador de groundcover. “Además de esa arquitectura única, groundcover ha construido el modo de agente, nuestra experiencia de agente que ayuda a los ingenieros a identificar, solucionar y remediar problemas en producción”.

Azulay dijo que el nuevo capital apoyará el esfuerzo de la empresa para cambiar la forma en que los ingenieros y los agentes colaboran en las operaciones de producción.

Aquí hay una sección de reemplazo más neutral:

Implicaciones futuras

El crecimiento de los agentes de IA podría cambiar lo que las organizaciones esperan de las plataformas de observabilidad. Las herramientas de monitoreo han ayudado tradicionalmente a los ingenieros a investigar incidentes después de que algo sale mal, pero los sistemas autónomos pueden requerir acceso continuo a datos de producción detallados para que puedan identificar problemas, rastrear dependencias y recomendar acciones correctivas en tiempo real.

Esto crea una tensión entre visibilidad, costo y control. Las aplicaciones de IA pueden generar grandes volúmenes de registros, trazas y métricas, mientras que su telemetría también puede contener prompts sensibles, salidas del modelo y información del cliente. Las arquitecturas que mantienen los datos dentro del entorno de nube de una empresa pueden volverse más atractivas, particularmente en industrias reguladas o organizaciones con requisitos de residencia de datos estrictos.

La pregunta más amplia es si se puede confiar en que los agentes de IA actúen sobre los datos de observabilidad en lugar de simplemente resumirlos. La telemetría incompleta, las correlaciones engañosas o los permisos mal definidos podrían llevar a un sistema automatizado a diagnosticar incorrectamente un incidente o realizar un cambio innecesario. La supervisión humana, los registros de auditoría y los límites claros de las acciones autónomas seguirán siendo importantes a medida que estas capacidades maduren.

La financiación de groundcover refleja un creciente interés en la infraestructura necesaria para operar sistemas de IA a gran escala. La importancia a largo plazo dependerá menos de si las plataformas de observabilidad pueden agregar interfaces conversacionales y más de si pueden proporcionar datos suficientemente completos, seguros y confiables para que los humanos y los agentes automatizados tomen decisiones informadas en entornos de producción.