Traversal keräsi 120 miljoonan dollarin B-sarjan rahoituksen miljardin dollarin arvostuksella laajentaakseen tekoälypohjaista SRE-toimintaa

Traversal ilmoitti 120 miljoonan dollarin B-sarjan rahoituskierroksesta, joka toteutettiin miljardin dollarin arvostuksella 3. marraskuuta 2026. Rahoituksen avulla yhtiö aikoo vauhdittaa työtään kohti itseohjautuvia tuotantojärjestelmiä ja lisätä rekrytointeja tutkimuksen, suunnittelun ja markkinoillemenon tehtäviin.

Kleiner Perkins, Redpoint Ventures ja Khosla Ventures johtivat kierrosta yhdessä, ja siihen osallistuivat myös Sequoia Capital, Battery Ventures ja Amex Ventures. Aiemmat sijoittajat Kleiner Perkins ja Sequoia kasvattivat sijoituksiaan. Rahoituksen kokonaismäärä on nyt 173 miljoonaa dollaria. Summaan sisältyvät 48 miljoonaa dollaria, joista Traversal ilmoitti tullessaan julkisuuteen salaisesta kehitysvaiheesta kesäkuussa 2025, sekä Amex Venturesin strateginen sijoitus joulukuussa 2025.

Ohjelmistotuotannon operatiivisen toiminnan laajemman kokonaisuuden rakentaminen

Traversal aloitti häiriöiden juurisyiden analysoinnista hyödyntäen kolmen perustajansa akateemista tutkimusta kausaalisesta koneoppimisesta ja vahvistusoppimisesta. Keskeisenä lähtökohtana on, että häiriö tuottaa monia samanaikaisia signaaleja, joten uskottavalta vaikuttava korrelaatio ei yksin osoita, miksi järjestelmässä tapahtui virhe. Production World Model muuntaa raakatelemetrian, koodin, käyttöönottohistorian ja organisaation tietämyksen jatkuvasti päivittyväksi, tekoälyn luettavissa olevaksi tuotantoympäristön kuvaukseksi. Causal Search Engine on suunniteltu testaamaan tuhansia hypoteeseja rinnakkain, seuraamaan järjestelmien välisiä riippuvuuksia ja tapahtumien ajoitusta sekä päättelemään näyttöön perustuvia syitä.

Traversal esitteli nämä kaksi järjestelmää virallisesti maaliskuussa 2026 lähes kahden vuoden tutkimus- ja suunnittelutyön jälkeen. Agentit toimivat nyt ennakoivasti ja pitkäkestoisesti: ne keräävät taustatietoa, tutkivat ongelmia ja auttavat niiden korjaamisessa häiriöiden tai hälytysten ilmetessä. Traversal MCP tuo tämän tuotantoympäristöä koskevan tiedon koodausagenttien käyttöön ja yhdistää operatiivisen näytön kehitystyöhön, jonka tavoitteena on ehkäistä häiriöitä.

Pidemmän aikavälin tavoitteena on ohjelmisto, joka havaitsee ongelmat, ymmärtää niiden syyt, ryhtyy korjaaviin toimiin, varmistaa niiden toimivuuden ja ehkäisee ongelmien uusiutumisen. Tiekartan perusteella rahoituskierroksella laajennetaan jo olemassa olevaa tutkintatuotetta, mutta samalla panostetaan myös entistä autonomisempaan operatiiviseen toimintaan.

Kasvu juurisyyanalyysin ulkopuolella

Traversalin mukaan kuukausittaisten tutkintojen määrä kasvoi vuoden 2026 aikana yli satakertaiseksi: 513:stä lähes 73 000:een. Noin kaksi kolmasosaa tuotteen käytöstä liittyy nyt muuhun kuin juurisyyanalyysiin, kuten hälytysten käsittelyn priorisointiin, julkaisujen riskeihin, CMDB-tietojen validointiin, tietoturvaan, asiakaspolkujen tilaan ja tuotantotukea koskeviin kysymyksiin. Käyttöjakauma viittaa siihen, että tuotetta hyödynnetään entistä laajemmin jatkuvassa operatiivisessa päätöksenteossa häiriöiden jälkeisen diagnosoinnin rinnalla.

Rahoituskierrosta koskevassa tiedotteessa Traversal kertoo vuosittaisen jatkuvan liikevaihdon kasvaneen vuoden alusta yhdeksänkertaiseksi, asiakastutkintojen määrän ylittäneen 150 000 viimeisimmällä vuosineljänneksellä ja alustan tukevan yli 4 000:ta insinööriä. Nubank, Harvey, DigitalOcean ja PepsiCo ovat esimerkkejä yrityksistä, joiden tuotantoympäristöissä alustaa käytetään. Nubankin toimitusjohtaja David Vélez kertoi, että yrityksen käyttöönotosta oli kulunut vasta viisi viikkoa ja että käyttö laajeni vaiheittain tulosten pysyessä hyvinä. Tämä on adoptiolukuja koskeva varhaisen vaiheen tarkennus.

Vertailutestien näyttö ja sen rajat

Teknisen haasteen laajuutta kuvataan erikseen ORCA-benchissä, Cornell Techin, Traversalin ja Columbia Universityn tutkijoiden laatimassa tutkimusjulkaisussa. Se sisältää 1 079 juurisyyanalyysitehtävää, jotka perustuvat kuuden päivän ajalta kerättyihin, yli 50 gigatavun mittareihin, lokeihin ja jälkiin. Aineisto on peräisin OpenTelemetry-instrumentoidusta järjestelmästä, jossa on 19 mikropalvelua. Agentit käyttivät todellisia havainnointirajapintoja ja lähdekoodia, ja tehtävät vaihtelivat raporttien yksityiskohtaisuuden, havaitsemisviiveiden ja samanaikaisten vikojen osalta.

Viidestä arvioidusta yleiskäyttöisestä agentista parhaan juurisyyanalyysin tarkkuudeksi raportoitiin 25,3 % keskivaikeissa tehtävissä ja 10,0 % vaikeissa tehtävissä. Epäuskottavia juurisyitä hallusinoitiin 7–40 prosentissa häiriöraporteista mallista riippuen. Lähdekoodin käyttöoikeuden poistaminen heikensi tarkkuutta ja lisäsi hallusinaatioita kaikissa malleissa. Tämä vahvistaa havaintoa, ettei sujuva koodauskyky yksin takaa luotettavaa päivystysdiagnostiikkaa.

Nämä tulokset eivät mittaa Traversalin oman tuotannon suorituskykyä. Kirjoittajat huomauttavat, että näyttö perustuu kuuden päivän ajalta koottuun, hallittuun julkiseen testiympäristöön, jossa jokainen tehtävä käsiteltiin erikseen. Tulosten soveltuvuutta suurempiin ja muuttuviin omistusoikeudellisiin ympäristöihin ei ole vielä testattu. Vertailutesti siis määrittää autonomisen päivystystyön tutkimusaukon, mutta ei vahvista yhtiön itseohjautuvaa tuotantoa koskevan tiekartan toimivuutta.

Traversalin raportoima käyttöönotto ja vertailutestien tulokset kuvaavat saman tavoitteen eri vaiheita. Nykyinen liiketoiminta perustuu tutkintoihin ja laajempiin tuotantoympäristöä koskeviin kysymyksiin. Itseohjautuvan tuotannon avoin testi on se, pystyykö yhtiön kausaalinen järjestelmä toteuttamaan korjaavia toimia, varmistamaan niiden tulokset ja ehkäisemään ongelmien uusiutumisen monimutkaisissa asiakasympäristöissä.