Resolve AI kerää 40 miljoonan dollarin A-sarjan laajennuksen 1,5 miljardin dollarin arvostuksella ratkaisemaan ohjelmistojen vaikeimman ongelman: tuotannon

Resolve AI on kerännyt 40 miljoonan dollarin A-sarjan laajennuksen 1,5 miljardin dollarin arvostuksella, jota johtavat DST Global ja Salesforce Ventures (CRM ). Rahoitus saadaan hetkellä, jolloin tekoäly on nopeuttanut ohjelmistojen kehittämistä, mutta ei niiden ylläpitoa käyttöönoton jälkeen.

Rahoituksen myötä yritys esitteli Resolve AI Labsin, joka on omistautunut tutkimusaloite, jolla pyritään sulkemaan yksi tärkeimmistä aukkoja tekoälypinossa: kyky toimia luotettavasti tuotantoympäristöissä.

Tukkeutumaton ongelma, jota kukaan ei ole ratkaissut: Tuotanto

Tekoäly on tehnyt koodin kirjoittamisen nopeammaksi kuin koskaan aiemmin. Työkalut, jotka perustuvat suuriin kielimalleihin, voivat nyt luoda koko sovelluksia muutamassa minuutissa. Mutta kun koodi on käyttöönotettu, todellisuus muuttuu paljon monimutkaisemmaksi.

Tuotantoympäristöt ovat hajanaisia järjestelmiä, jotka koostuvat infrastruktuurista, telemetriasta, lokitiedostoista, riippuvuuksista ja jatkuvasti muuttuvista palveluista. Insinöörien on tulkittava signaaleja kaikissa näissä järjestelmissä vikojen diagnosoinnissa, usein aikapaineen alla ja epätäydellisen tiedon kanssa.

Tässä Resolve AI keskittyy. Sen alusta yhdistää koodin, infrastruktuurin ja telemetrian tutkimiseen, syytä etsimiseen ja toimenpiteiden toteuttamiseen – toimien perustein autonomisena tuotantoinisinöörinä.

Haaste ei ole ainoastaan tekninen monimutkaisuus. Se on myös mittakaava. Kun tekoäly nopeuttaa koodin luomista, organisaatiot tuottavat enemmän ohjelmistoa kuin heidän tiiminsä voivat realistisesti hallita. Tuloksena on kasvava kuilu kehityksen nopeuden ja toiminnallisen luotettavuuden välillä.

Miksi yleiset tekoälymallit eivät riitä

Resolve AI:n lähestymistapaa perustava keskeinen väite on, että yleispätevät tekoälymallit eivät ole suunniteltu tuotantoympäristöihin.

Perusmallit paranevat nopeasti, mutta ne eivät ole optimoituja toiminnallisten järjestelmien todellisuuksille. Tuotanto vaatii päättelyä meluisista, epätäydellisistä ja usein ristiriitaisista tietovirroista. Se vaatii myös korkeita tarkkuuden, luotettavuuden ja hallinnan tasoa, missä virheet voivat johtaa katkoksiin, taloudellisiin tappioihin tai tietoturvariskeihin.

Resolve AI ratkaisee tämän ongelman rakentamalla alakohtaisia malleja ja agenteja, jotka on suunniteltu tuotantoprosesseille. Nämä järjestelmät voivat tulkita lokitiedostoja, analyysin järjestelmän muutoksia, korrelaatiota tapahtumia ja suorittaa monivaiheisia korjausprosesseja työkalujen yli – tehtäviä, jotka perinteisesti vaativat kokeneita insinöörejä.

Resolve AI Labsin sisällä

Uudelleen lanseerattu Resolve AI Labs on suunniteltu edistämään tätä visiota rakentamalla perusteknologiaa, jota tarvitaan tekoälyn toimimaan tuotantojärjestelmissä loppuun asti.

Laboratorion johtaa Dhruv Mahajan, joka on entinen Meta-työntekijä, joka työskenteli Llama-mallien jälkikoulutuksessa.

Laboratorio ei keskity pelkästään agenteihin, vaan se ottaa kokonaisvaltaisen lähestymistavan operatiiviseen tekoälyyn. Tähän sisältyy kehittäminen:

• Alakohtaisia malleja, jotka on koulutettu tuotantodataa käyttäen
• Järjestelmiä, jotka päättävät lokitiedostoista, metriikoista, jäljityksistä ja infrastruktuuritapahtumista
• Arviointikehyksiä, joilla mitataan luotettavuutta todellisissa työnkulussa
• Simulointiympäristöjä mallien testaamiseen ja parantamiseen
• Hallintakerroksia, joilla varmistetaan turvallinen ja kontrolloitu automaatio

Tämä heijastaa laajempaa muutosta tekoälyn kehityksessä: siirtymistä raakamallikapasiteetista järjestelmiin, jotka voivat toimia turvallisesti korkean panoksen, todellisissa ympäristöissä.

Avustuksesta autonomiaan

Resolve AI on osa kasvavaa kategoriaa, jota usein kutsutaan “tekoälyksi tuotantoon” tai tekoälyvoittoiseksi sivuston luotettavuuden insinööriksi (SRE). Toisin kuin koodin avustajat, nämä järjestelmät on suunniteltu toimimaan live-ympäristöissä – priorisoiden hälytyksiä, diagnosoiden virheitä ja ratkaisemalla ongelmia reaaliajassa.

Yrityksen alusta mahdollistaa jo insinöörien tutkimisen merkittävästi nopeammin, sillä tekoälyjärjestelmät voivat analyysin järjestelmän käyttäytymistä ja tunnistaa syyt monimutkaisissa riippuvuuksissa.

Ajan myötä tavoitteena on siirtyä avustuksesta autonomiaan. Sen sijaan, että insinöörit vastaavat hälytyksiin manuaalisesti, tekoälyjärjestelmät voivat käsitellä suurimman osan operatiivista työtä, ja ihmisten valvonta sovelletaan riskin ja kontekstin perusteella.

Varhainen menestys yritysasiakkaiden kanssa

Resolve AI:n nopea rahoituskulku heijastaa vahvaa yritysten kysyntää tälle kyvylle. Yritys on kerännyt yli 190 miljoonaa dollaria alle kahdessa vuodessa ja työskentelee jo organisaatioiden kanssa, kuten Coinbase, DoorDash (DASH ), Salesforce, MSCI ja Zscaler.

Nämä ovat ympäristöjä, joissa keskeytykset ovat kalliita ja luotettavuus on kriittinen. Jopa pienet parannukset hälytysvasteajassa tai järjestelmän vakaudessa voivat kääntää merkittäviä liiketoimintavaikutuksia.

Yritysten, kuten Resolve AI:n, synty merkitsee laajempaa evoluutiota tekoälyekosysteemissä.

Ensimmäinen aalto generatiivista tekoälyä keskittyi luomiseen: koodin kirjoittamiseen, sisällön luomiseen ja työnkulun nopeuttamiseen. Seuraava vaihe on toiminnasta – varmistamisesta, että mitä rakennetaan, voidaan ajaa luotettavasti mittakaavassa.

Tämä siirtymä esittää uusia teknisiä haasteita. Se vaatii järjestelmiä, jotka voivat päättää ajan myötä, käsitellä epävarmuutta, vuorovaikuttaa useiden työkalujen kanssa ja toimia tiukkojen rajoitusten puitteissa. Se vaatii myös uusia arviointimenetelmiä, koska perinteiset mittarit eivät kata todellisen operatiivisen suorituskyvyn.

Mitä tämä tarkoittaa eteenpäin

Kun tekoäly jatkaa ohjelmistokehityksen nopeuttamista, tuotanto tulee yhä enemmän rajoittavaksi tekijäksi. Kyky toimia monimutkaisissa järjestelmissä luotettavasti saattaa määritellä seuraavan sukupolven yritysten tekoälyalustoja.

Resolve AI:n uusin rahoitus ja tutkimuslaboratorion lanseeraus viittaa siihen, että tämä ongelma on siirtymässä eturintamaan. Jos yritys onnistuu, se ei ole vain rakentamassa toista tekoälytyökalua – se auttaa uudelleenmäärittelemään, miten ohjelmistojärjestelmiä ajetaan.

Pitkän aikavälin vaikutus on siirtymä ympäristöihin, joissa tekoälyjärjestelmät ja insinöörit työskentelevät yhdessä, koneiden käsitellessä tuotannon monimutkaisuutta ja ihmisten keskittyessä korkeampiin suunnitteluun, strategiaan ja innovaatioon.