Resolve AI recauda $40M en extensión de Serie A a una valoración de $1.500M para abordar el problema más difícil en software: Producción

Resolve AI ha asegurado una extensión de $40 millones en su Serie A a una valoración de $1.500 millones, liderada por DST Global y Salesforce Ventures (CRM ). La financiación llega en un momento en que la inteligencia artificial ha acelerado drásticamente la forma en que se construye el software, pero no la forma en que se mantiene una vez desplegado.

Junto con la recaudación, la empresa presentó Resolve AI Labs, una iniciativa de investigación dedicada a cerrar lo que se está convirtiendo en una de las brechas más críticas en la pila de AI: la capacidad de operar software de manera fiable en entornos de producción.

El cuello de botella que nadie resolvió: Producción

La IA ha hecho que escribir código sea más rápido que nunca. Las herramientas impulsadas por grandes modelos de lenguaje pueden generar aplicaciones completas en minutos. Pero una vez que el código se despliega, la realidad se vuelve mucho más compleja.

Los entornos de producción son sistemas fragmentados compuestos por infraestructura, telemetría, registros, dependencias y servicios que cambian constantemente. Los ingenieros deben interpretar señales en todos ellos para diagnosticar fallos, a menudo bajo presión y con información incompleta.

Este es el enfoque de Resolve AI. Su plataforma conecta el código, la infraestructura y la telemetría para investigar incidentes, identificar causas raíz y tomar medidas, actuando esencialmente como un ingeniero de producción autónomo.

El desafío no es solo la complejidad técnica. También es escala. A medida que la IA acelera la generación de código, las organizaciones están produciendo más software del que sus equipos pueden gestionar de manera realista. El resultado es una brecha creciente entre la velocidad de desarrollo y la confiabilidad operativa.

Por qué los modelos de IA generales no dan la talla

Una tesis central detrás del enfoque de Resolve AI es que los modelos de IA de propósito general no están diseñados para entornos de producción.

Mientras que los modelos de base están mejorando rápidamente, no están optimizados para las realidades de los sistemas operativos. La producción requiere razonamiento a través de flujos de datos ruidosos, incompletos y a menudo contradictorios. También exige altos niveles de precisión, confiabilidad y control, donde los errores pueden provocar interrupciones, pérdidas financieras o riesgos de seguridad.

Resolve AI aborda esto mediante la creación de modelos y sistemas específicos del dominio adaptados a los flujos de trabajo de producción. Estos sistemas pueden interpretar registros, analizar cambios en el sistema, correlacionar eventos y ejecutar procesos de remediación multi-paso en varias herramientas, tareas que tradicionalmente requieren ingenieros experimentados.

Dentro de Resolve AI Labs

El recién lanzado Resolve AI Labs está diseñado para impulsar esta visión hacia adelante mediante la creación de la tecnología fundamental necesaria para que la IA opere sistemas de producción de extremo a extremo.

El laboratorio estará liderado por Dhruv Mahajan, anteriormente de Meta, donde trabajó en el entrenamiento posterior para los modelos Llama.

En lugar de centrarse estrechamente en agentes, el laboratorio adoptará un enfoque de pila completa para la IA operativa. Esto incluye el desarrollo de:

• Modelos específicos del dominio entrenados con datos de producción
• Sistemas que razonan a través de registros, métricas, trazas e eventos de infraestructura
• Marcos de evaluación para medir la confiabilidad en flujos de trabajo del mundo real
• Entornos de simulación para probar y mejorar los modelos
• Capas de gobernanza para garantizar la automatización segura y controlada

Esto refleja un cambio más amplio en el desarrollo de la IA: moverse más allá de la capacidad bruta del modelo hacia sistemas que puedan operar de manera segura en entornos del mundo real de alto riesgo.

De la asistencia a la autonomía

Resolve AI es parte de una categoría en crecimiento a menudo denominada “IA para la producción” o ingeniería de confiabilidad del sitio (SRE) impulsada por IA. A diferencia de los asistentes de codificación, estos sistemas están diseñados para operar entornos en vivo, triage de alertas, diagnóstico de fallos y resolución de incidentes en tiempo real.

La plataforma de la empresa ya permite a los equipos de ingeniería investigar incidentes de manera significativamente más rápida, con sistemas de IA capaces de analizar el comportamiento del sistema e identificar las causas raíz a través de dependencias complejas.

Con el tiempo, la ambición es pasar de la asistencia a la autonomía. En lugar de que los ingenieros respondan manualmente a las alertas, los sistemas de IA podrían manejar la mayoría del trabajo operativo, con supervisión humana aplicada en función del riesgo y el contexto.

Tracción temprana con clientes empresariales

La trayectoria de financiación rápida de Resolve AI refleja una fuerte demanda empresarial de esta capacidad. La empresa ha recaudado más de $190 millones en menos de dos años y ya está trabajando con organizaciones como Coinbase, DoorDash (DASH ), Salesforce, MSCI y Zscaler.

Estos son entornos en los que el tiempo de inactividad es costoso y la confiabilidad es crítica. Incluso pequeñas mejoras en los tiempos de respuesta a incidentes o la estabilidad del sistema pueden traducirse en un impacto comercial significativo.

La aparición de empresas como Resolve AI señala una evolución más amplia en el ecosistema de la IA.

La primera ola de IA generativa se centró en la creación: escribir código, generar contenido y acelerar flujos de trabajo. La siguiente fase se trata de la operación, asegurando que lo que se construye pueda ejecutarse de manera fiable a escala.

Este cambio introduce nuevos desafíos técnicos. Requiere sistemas que puedan razonar a lo largo del tiempo, manejar la incertidumbre, interactuar con varias herramientas y operar dentro de estrictas limitaciones. También exige nuevos métodos de evaluación, ya que los benchmarks tradicionales no capturan el rendimiento operativo del mundo real.

Qué significa esto para el futuro

A medida que la IA continúa acelerando el desarrollo de software, la producción se convertirá cada vez más en el factor limitante. La capacidad de operar sistemas complejos de manera fiable puede definir la próxima generación de plataformas de IA empresariales.

La financiación más reciente de Resolve AI y el lanzamiento de su laboratorio de investigación sugieren que este problema está pasando a ser una prioridad. Si tiene éxito, la empresa no solo está construyendo otra herramienta de IA, sino que está ayudando a redefinir cómo se ejecutan los sistemas de software.

La implicación a largo plazo es un cambio hacia entornos en los que los sistemas de IA y los ingenieros humanos trabajan en conjunto, con las máquinas manejando la complejidad de la producción y los humanos centrados en el diseño de alto nivel, la estrategia y la innovación.