Sedai asegura $20M para escalar la nube autodirigida y redefinir DevOps con agentes de IA

Sedai, la empresa detrás de la primera plataforma de nube autodirigida, ha anunciado una ronda de financiación de $20 millones de la Serie B para escalar su visión de gestión de infraestructura autónoma. La financiación, liderada por AVP (Atlantic Vantage Point) con el apoyo de Norwest, Sierra Ventures y Uncorrelated Ventures, impulsará la expansión de Sedai en nuevos dominios como la optimización de LLM, la gestión de recursos de GPU y la orquestación inteligente para plataformas como Databricks y Snowflake.

La plataforma marca un punto de inflexión en DevOps, reemplazando los paradigmas tradicionales de alertas y paneles de control con agentes de IA que aprenden de entornos de producción y actúan de forma autónoma para optimizar el costo, el rendimiento y la disponibilidad.

“Al igual que Waymo demostró que los coches autodirigidos son posibles, Sedai demuestra que la infraestructura autodirigida no solo es posible, sino necesaria”, dijo Suresh Mathew, CEO y fundador de Sedai.

Qué significa realmente la infraestructura autodirigida

Mientras que la mayoría de las herramientas de monitoreo simplemente generan alertas, el enfoque de Sedai es mucho más proactivo. La plataforma observa el tráfico, el comportamiento de las aplicaciones y las configuraciones de infraestructura en tiempo real, y luego toma decisiones autónomas que mejoran el rendimiento y reducen los costos, sin requerir la intervención humana.

Este cambio de la observabilidad a la autonomía es lo que hace que Sedai sea una plataforma verdaderamente “autodirigida”. Su sistema no solo señalaiza los problemas, sino que los resuelve.

Bajo la capa de Sedai, se utiliza una arquitectura de IA multiagente que se adapta continuamente a las cargas de trabajo y los estados del sistema en constante cambio. En el corazón de este sistema se encuentra el aprendizaje de refuerzo profundo (DRL), una forma poderosa de aprendizaje automático en la que los agentes aprenden mediante prueba y error. En el caso de Sedai, los agentes están entrenados para escalar dinámicamente los recursos de infraestructura como la CPU y la memoria en función de los resultados de rendimiento reales. Con el tiempo, estos agentes aprenden qué acciones conducen a los mejores resultados en entornos en vivo.

Esta inteligencia se ve aún más reforzada por técnicas como la detección de anomalías y la inferencia causal, lo que permite a Sedai predecir fallos y identificar las causas raíz antes de que se vea afectada la experiencia del cliente. Y con la modelización de estacionalidad, el sistema se ajusta automáticamente a patrones recurrentes como los picos de tráfico diarios o las cargas de procesamiento de fin de mes, optimizando la infraestructura antes de que se produzcan las demandas.

Una nueva era de eficiencia en DevOps

Sedai fue fundada por Suresh Mathew y Benji Thomas después de experimentar personalmente los desafíos de escalabilidad de los microservicios en PayPal. Mientras que DevOps aceleró los despliegues, también creó nuevas cargas, como la fatiga de las alertas y los sistemas frágiles mantenidos por soluciones manuales.

Sedai cambia esa dinámica al tomar medidas. En lugar de confiar en que los ingenieros interpreten las métricas y respondan manualmente, la plataforma maneja tareas como:

• Detección y resolución de la degradación de la infraestructura en tiempo real
• Escalado de las cargas de trabajo vertical y horizontalmente en función del tráfico real
• Actualización de las configuraciones para optimizar el costo, la latencia y la disponibilidad
• Reiniciar o sanear los servicios rotos antes de que los usuarios los noten

Ya, la plataforma ha ejecutado más de 25 millones de acciones autónomas en producción, gestionando $3 mil millones en gastos de nube. Esto ha ahorrado a los clientes más de $5 millones anualmente, mientras que a los equipos de ingeniería les ha devuelto más de 22.000 horas de tiempo productivo.

Confiada por líderes empresariales en industrias críticas

Sedai se utiliza en producción por líderes de Fortune 500 en ciberseguridad, servicios financieros, farmacéuticos, educación y IA. Los clientes incluyen nombres conocidos como Palo Alto Networks (PANW ), Experian y McGraw Hill (MH ), empresas que dependen de infraestructuras estables, con rendimiento y costo eficiente a escala.

En KnowBe4, Sedai redujo los costos de producción en un 50% y los costos de desarrollo en un 87%. El vicepresidente de ingeniería Matthew Duren acreditó la plataforma no solo con la eficiencia presupuestaria, sino también con la transformación de su propio papel, liberando a su equipo para centrarse en iniciativas estratégicas en lugar de tareas de bajo valor.

Estos resultados no son proyecciones, sino que reflejan la IA real en entornos en vivo, gestionando de forma segura los sistemas de producción y incluso las cargas de trabajo de aprendizaje automático de alta complejidad.

Más allá de la automatización: por qué los agentes de IA son el siguiente salto

Es importante distinguir entre la automatización y la autonomía. La automatización ejecuta tareas predefinidas en función de umbrales estáticos o scripts. Los agentes de IA de Sedai, por otro lado, observan y aprenden de los sistemas, descubriendo las mejores acciones de forma dinámica, incluso cuando las condiciones cambian.

Esta distinción es importante. En un mundo de patrones de tráfico en constante evolución, dependencias de servicios y arquitecturas de despliegue, las reglas estáticas se vuelven rápidamente obsoletas. El enfoque de IA de Sedai garantiza la optimización continua, incluso en entornos complejos.

Por ejemplo, su plataforma aprende cómo se comportan los servicios específicos bajo diferentes cargas y ajusta la asignación de recursos en consecuencia. Si la latencia aumenta debido a un cuello de botella de memoria específico, Sedai puede actuar de inmediato, sin esperar a que un humano interprete la alerta.

Una plataforma para toda la organización de ingeniería

Sedai ofrece valor en todos los roles de la pila de ingeniería:

• SREs y ingenieros de DevOps reducen la carga de trabajo y cumplen con los objetivos de confiabilidad sin agotamiento.
• Desarrolladores se centran en enviar código, mientras que Sedai garantiza configuraciones óptimas en producción.
• Líderes de ingeniería obtienen eficiencia operativa y ahorros significativos en la nube.
• Arquitectos y CTOs convierten la infraestructura en un diferenciador estratégico, no en una responsabilidad.

Con solo 15 minutos de configuración, los equipos pueden conectar Sedai a sus herramientas de nube y APM. A partir de ahí, la plataforma comienza a aprender, a validar optimizaciones seguras y, en última instancia, a actuar en producción en vivo, con una pista de auditoría completa para la cumplimiento.

Qué sigue: optimizando la pila de infraestructura de IA

Con su financiación de la Serie B, Sedai ampliará sus capacidades en algunos de los desafíos más apremiantes en la infraestructura de IA moderna, incluyendo:

• Autoajuste para aplicaciones basadas en LLM, garantizando una configuración óptima durante la inferencia
• Orquestación autónoma de GPU, gestionando recursos de cómputo costosos en tiempo real
• Optimización de plataformas de datos impulsada por IA como Databricks y Snowflake

Estos esfuerzos se alinean con un futuro en el que las cargas de trabajo en sí mismas, los modelos de IA, las tuberías de inferencia, el análisis en tiempo real, demandan capas de infraestructura igualmente inteligentes para respaldarlas.

“A medida que aumenta la adopción de la nube, las empresas luchan por mejorar el rendimiento mientras reducen el costo. Los agentes de IA están únicamente posicionados para resolver esto a escala”, dijo Manish Agarwal, socio general de AVP.

El futuro de la infraestructura de nube es autónomo

El surgimiento de plataformas de nube autónomas señala un cambio más amplio en la industria, desde sistemas con intervención humana hacia agentes inteligentes que operan de forma independiente en tiempo real. A medida que las empresas escalan sus huellas de nube y adoptan arquitecturas distribuidas cada vez más complejas, la gestión manual de la infraestructura está llegando a sus límites.

DevOps, una vez visto como la solución definitiva para despliegues más rápidos y agilidad operativa, ahora está bajo presión debido a la creciente complejidad, la fatiga de las alertas y las ineficiencias de costo. Las herramientas tradicionales de observabilidad y automatización ofrecen visibilidad y scripting, pero aún dependen de los ingenieros humanos para analizar, interpretar y actuar. Este enfoque reactivo lucha por mantener el ritmo de las demandas modernas de servicio.

Las plataformas autónomas representan el siguiente paso evolutivo. Al integrar el aprendizaje de refuerzo profundo, la inferencia causal y el escalado adaptativo en los flujos de trabajo de infraestructura, ofrecen la capacidad de autooptimizarse y auto sanar en producción, continuamente y sin intervención. El resultado no es solo la eficiencia operativa, sino una transformación estructural: menos tiempo de inactividad, lanzamientos más rápidos, un mejor control de costos y una mejor experiencia para los desarrolladores.

A medida que el ecosistema madura, este cambio impactará todo, desde cómo se estructuran y capacitan los equipos, hasta cómo se arquitectan, prueban y despliegan las aplicaciones. Los primeros adoptantes ya están demostrando que las operaciones autónomas pueden generar beneficios tangibles en productividad, rendimiento y ROI financiero.

Mientras Sedai es una de las empresas líderes que llevan esta visión a la vida, la idea más amplia es clara: la infraestructura de nube ya no es algo que los ingenieros deben gestionar constantemente, sino que se está convirtiendo en algo que se gestiona a sí mismo.