Kosmos lève 5 millions de dollars pour aider les entreprises à éliminer le coût caché des enquêtes sur les incidents IT

La startup de Chicago Kosmos a levé 5 millions de dollars en financement initial mené par Norwest lors de son lancement d’une plate-forme d’intelligence opérationnelle native AI conçue pour résoudre l’un des défis les plus persistants et coûteux de l’informatique d’entreprise : le temps passé à enquêter sur les incidents.

Alors que les organisations ont investi massivement dans les outils d’observabilité, de surveillance et de gestion des services IT, les équipes de support et d’ingénierie passent encore des heures à tracer manuellement la cause racine des pannes et des problèmes ayant un impact sur les clients à travers des systèmes fragmentés. Kosmos vise à réduire ce qu’il appelle les “coûts d’enquête” – la charge opérationnelle créée lorsque les ingénieurs, les dirigeants du support et les équipes de réponse aux incidents sont obligés de relier manuellement les informations dispersées dans les systèmes de ticketing, les référentiels de code source, les plateformes de support client et les outils d’observabilité.

Le problème croissant des coûts d’enquête

Au cours de la dernière décennie, les entreprises ont adopté une collection croissante d’outils pour surveiller les infrastructures et gérer les opérations logicielles. Des plateformes telles que Jira, ServiceNow, GitHub, Salesforce, Datadog, Grafana et Splunk fournissent toutes des informations précieuses sur différentes parties de la pile technologique. Cependant, lorsqu’il se produit des incidents, le contexte critique reste souvent cloisonné dans ces systèmes.

À mesure que les architectures logicielles modernes deviennent de plus en plus distribuées, le défi de corréler les informations à travers plusieurs plateformes s’est intensifié. Les équipes peuvent avoir toutes les données nécessaires disponibles, mais trouver et relier ces informations rapidement reste difficile. Le résultat est des temps de résolution plus longs, des incidents récurrents et des ressources d’ingénierie détournées de la conception de produits et de l’innovation.

Pour de nombreuses organisations, les ingénieurs les plus expérimentés deviennent les enquêteurs par défaut chaque fois qu’un problème majeur de client se pose. Ces ingénieurs sont souvent détournés de leur travail stratégique pour reconstruire les chronologies, examiner les modifications de code, analyser les tickets de support et déterminer ce qui a réellement causé un incident. Le coût caché de ces enquêtes s’étend bien au-delà de la simple durée de temps d’arrêt.

Une approche native AI pour l’intelligence opérationnelle

Kosmos se positionne comme une couche qui s’étend sur les systèmes d’entreprise existants plutôt que de les remplacer. La plateforme relie les données de GitHub, Jira, Salesforce, ServiceNow, Datadog, Grafana, Splunk et d’autres outils opérationnels pour créer une vue unifiée des incidents et des escalades de clients.

Selon la société, sa plateforme corrèle automatiquement les cas de clients, les modifications de code, les incidents de service et les signaux d’infrastructure pour mettre en surface les causes racines probables. Plutôt que de s’appuyer uniquement sur des décisions autonomes d’IA, Kosmos emploie une approche humaine dans la boucle où les corrélations générées par la machine sont examinées et validées par les utilisateurs avant de devenir partie intégrante de la base de connaissances de la plateforme.

Cela crée une boucle de rétroaction continue qui améliore la capacité du système à identifier les modèles au fil du temps tout en maintenant la transparence et la confiance. Au lieu de générer davantage d’alertes, l’objectif est de fournir aux équipes le contexte nécessaire pour comprendre pourquoi les problèmes se sont produits en premier lieu.

Construit à partir d’une expérience de première main

Le fondateur et PDG Sanjay Gidwani a construit l’entreprise autour d’un problème qu’il a rencontré à plusieurs reprises au cours de plus de deux décennies passées dans les opérations de livraison d’entreprise et au sein de l’écosystème Salesforce.

Au cours de sa carrière, Gidwani a observé le même schéma : lorsqu’un problème majeur de client émergeait, les organisations mobilisaient leur personnel technique le plus expérimenté pour enquêter. Cependant, ces experts passaient souvent des jours à rassembler des informations à partir de systèmes non connectés avant d’arriver à la cause racine.

Cette expérience a façonné la thèse fondamentale de Kosmos : l’une des plus grandes inef ficacités opérationnelles de l’informatique d’entreprise se produit avant même que la résolution ne commence. Si les organisations peuvent identifier la source d’un problème plus rapidement, elles peuvent résoudre les incidents plus rapidement et réduire la probabilité de problèmes similaires se reproduisant.

Regarder vers l’avenir

Le lancement de Kosmos reflète un changement plus large qui se produit dans la technologie d’entreprise. À mesure que les organisations adoptent des environnements cloud de plus en plus complexes, des architectures de microservices et des applications alimentées par l’IA, les données opérationnelles continuent de croître tout en restant dispersées à travers des dizaines de plateformes.

La prochaine génération d’outils d’intelligence opérationnelle vise à combler ces lacunes en reliant automatiquement les signaux, en identifiant les modèles et en préservant les connaissances institutionnelles qui seraient autrement verrouillées à l’intérieur des équipes individuelles. Au-delà d’une résolution d’incident plus rapide, ces systèmes pourraient aider les organisations à réduire les tâches d’ingénierie, à prévenir les problèmes récurrents et à permettre aux talents techniques de se concentrer davantage sur la construction de produits plutôt que sur l’enquête sur les défaillances.

À mesure que les environnements d’entreprise deviennent plus complexes, la capacité à transformer les données opérationnelles fragmentées en une intelligence actionnable peut devenir tout aussi importante que la surveillance des systèmes eux-mêmes. Kosmos mise sur le fait que la réduction des coûts d’enquête sera une partie critique de cet avenir.