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

Sedai, la empresa detrás de la primera plataforma de nube autónoma, ha anunciado una ronda de financiación Serie B de $20 millones 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 autónomos son posibles, Sedai demuestra que la infraestructura autónoma no solo es posible, sino necesaria”, dijo Suresh Mathew, CEO y fundador de Sedai.

Qué significa realmente la infraestructura autónoma

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 intervención humana.

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

Bajo la capa de abstracción, Sedai utiliza una arquitectura de agentes de IA múltiples 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 el modelado 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 incluso se produzcan los aumentos de demanda.

Una nueva era de eficiencia en DevOps

Sedai fue fundada por Suresh Mathew y Benji Thomas después de experimentar en primera persona 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 los ingenieros para interpretar las métricas y responder manualmente, la plataforma maneja tareas como:

• Detectar y resolver la degradación de la infraestructura en tiempo real
• Escalado de cargas de trabajo vertical y horizontalmente en función del tráfico real
• Actualizar configuraciones para optimizar el costo, la latencia y la disponibilidad
• Reiniciar o sanear servicios dañados antes de que los usuarios lo 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 se 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, Experian y McGraw Hill, empresas que dependen de infraestructuras estables, performantes y rentables 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 atribuyó a la plataforma no solo la eficiencia presupuestaria, sino también 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 sistemas de producción e incluso cargas de trabajo de aprendizaje automático de alta complejidad.

Más allá de la automatización: por qué los agentes de IA son el próximo 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 sus 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 cada rol de la pila de ingeniería:

• SRE y ingenieros de DevOps reducen la fatiga y cumplen con los objetivos de confiabilidad sin agotamiento.
• Desarrolladores se centran en enviar código, mientras Sedai garantiza configuraciones óptimas en producción.
• Líderes de ingeniería obtienen eficiencia operativa y ahorros significativos en la nube.
• Arquitectos y CTO 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 un registro de auditoría completo para el cumplimiento.

Qué sigue: optimizar la pila de infraestructura de IA

Con su financiación de la Serie B, Sedai ampliará sus capacidades a 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 impulsada por IA de plataformas de datos como Databricks y Snowflake

Estos esfuerzos se alinean con un futuro en el que las cargas de trabajo en sí, modelos de IA, tuberías de inferencia, análisis en tiempo real, exigen 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 solucionar esto a escala”, dijo Manish Agarwal, socio general de AVP.

El futuro de la infraestructura de la 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 su huella 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 todavía dependen de los ingenieros 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 básica, ofrecen la capacidad de autooptimizar 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, mejor control de costos y una mejor experiencia para los desarrolladores.

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

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