Resolve AI ने $40M श्रृंखला A विस्तार के लिए $1.5B मूल्यांकन पर उत्पादन में सबसे कठिन समस्या का समाधान करने के लिए

Resolve AI ने $40 मिलियन श्रृंखला ए विस्तार के लिए $1.5 बिलियन मूल्यांकन हासिल किया है, जिसका नेतृत्व DST ग्लोबल और सेल्सफोर्स वेंचर्स द्वारा किया जा रहा है। यह वित्तपोषण उस समय आता है जब कृत्रिम बुद्धिमत्ता ने सॉफ्टवेयर के निर्माण को तेजी से तेज कर दिया है – लेकिन यह तैनाती के बाद इसकी देखभाल नहीं करता है।

इसके साथ ही, कंपनी ने Resolve AI Labs की शुरुआत की, जो एक समर्पित अनुसंधान पहल है जिसका उद्देश्य AI स्टैक में सबसे महत्वपूर्ण अंतरों में से एक को बंद करना है: उत्पादन वातावरण में सॉफ्टवेयर को विश्वसनीय रूप से संचालित करने की क्षमता।

कोई भी हल नहीं निकाला गया बोतलनेक: उत्पादन

AI ने कोड लिखने को तेज कर दिया है। बड़े भाषा मॉडल के साथ संचालित उपकरण अब कुछ ही मिनटों में पूरे अनुप्रयोगों का निर्माण कर सकते हैं। लेकिन एक बार जब यह कोड तैनात किया जाता है, तो वास्तविकता बहुत अधिक जटिल हो जाती है।

उत्पादन वातावरण विभिन्न प्रणालियों से बना होता है जो बुनियादी ढांचे, टेलीमेट्री, लॉग, निर्भरता और लगातार बदलती सेवाओं से बना होता है। इंजीनियरों को इन सभी में से संकेतों की व्याख्या करनी होती है ताकि विफलताओं का निदान किया जा सके, अक्सर समय दबाव और अधूरी जानकारी के साथ।

यहीं पर Resolve AI का ध्यान केंद्रित है। इसका प्लेटफ़ॉर्म कोड, बुनियादी ढांचे और टेलीमेट्री के साथ जुड़कर घटनाओं की जांच करता है, मूल कारणों की पहचान करता है और कार्रवाई करता है – मूल रूप से एक स्वायत्त उत्पादन इंजीनियर के रूप में कार्य करता है।

चुनौती केवल तकनीकी जटिलता नहीं है। यह पैमाने पर भी है। जब AI कोड पीढ़ी को तेज करता है, संगठन अपनी टीमों को वास्तविक रूप से प्रबंधित करने से अधिक सॉफ़्टवेयर का उत्पादन करते हैं। परिणाम विकास गति और संचालन विश्वसनीयता के बीच बढ़ती खाई है।

सामान्य AI मॉडल क्यों कम पड़ते हैं

Resolve AI के दृष्टिकोण के पीछे एक केंद्रीय थीसिस यह है कि सामान्य-उद्देश्य वाले AI मॉडल उत्पादन वातावरण के लिए डिज़ाइन नहीं किए गए हैं।

जबकि फाउंडेशन मॉडल तेजी से सुधार कर रहे हैं, वे संचालन प्रणालियों की वास्तविकताओं के लिए अनुकूलित नहीं हैं। उत्पादन में शोर, अधूरे और अक्सर विरोधाभासी डेटा प्रवाहों के पार कारण की आवश्यकता होती है। यह उच्च स्तर की सटीकता, विश्वसनीयता और नियंत्रण की भी मांग करता है, जहां गलतियां बंद, वित्तीय नुकसान या सुरक्षा जोखिमों का कारण बन सकती हैं।

Resolve AI इसे डोमेन-विशिष्ट मॉडल और एजेंटिक सिस्टम का निर्माण करके संबोधित करता है जो उत्पादन कार्य प्रवाह के लिए अनुकूलित हैं। ये सिस्टम लॉग की व्याख्या कर सकते हैं, सिस्टम परिवर्तनों का विश्लेषण कर सकते हैं, घटनाओं को संबंधित कर सकते हैं और विभिन्न उपकरणों में बहु-चरणीय उपचार प्रक्रियाओं को निष्पादित कर सकते हैं – कार्य जो पारंपरिक रूप से अनुभवी इंजीनियरों की आवश्यकता होती है।

Resolve AI Labs के अंदर

हाल ही में लॉन्च किए गए Resolve AI Labs को इस दृष्टि को आगे बढ़ाने के लिए डिज़ाइन किया गया है bằng निर्माण करने के लिए आवश्यक मूलभूत प्रौद्योगिकी का निर्माण करके उत्पादन प्रणालियों को एंड-टू-एंड संचालित करने के लिए AI के लिए।

प्रयोगशाला का नेतृत्व ध्रुव महाजन द्वारा किया जाएगा, जो पहले मेटा में ल्लामा मॉडल के लिए पोस्ट-ट्रेनिंग पर काम कर चुके हैं।

एजेंटों पर संकीर्ण रूप से ध्यान केंद्रित करने के बजाय, प्रयोगशाला संचालन एआई के लिए एक फुल-स्टैक दृष्टिकोण लेगी। इसमें शामिल हैं:

• उत्पादन डेटा पर प्रशिक्षित डोमेन-विशिष्ट मॉडल
• लॉग, मेट्रिक्स, ट्रेस और बुनियादी ढांचे की घटनाओं के पार कारण सिस्टम
• वास्तविक दुनिया के कार्य प्रवाह में विश्वसनीयता को मापने के लिए मूल्यांकन ढांचे
• मॉडल का परीक्षण और सुधार करने के लिए सिमुलेशन वातावरण
• सुरक्षित और नियंत्रित स्वचालन सुनिश्चित करने के लिए शासन परतें

यह एआई विकास में एक व्यापक बदलाव को दर्शाता है: कच्चे मॉडल क्षमता से परे जाना और वास्तविक दुनिया के वातावरण में सुरक्षित रूप से संचालित होने में सक्षम प्रणालियों की ओर बढ़ना।

सहायता से स्वायत्तता तक

Resolve AI एक बढ़ती श्रेणी का हिस्सा है जिसे अक्सर “उत्पादन के लिए AI” या AI-संचालित साइट विश्वसनीयता इंजीनियरिंग (SRE) के रूप में जाना जाता है। कोडिंग सहायकों के विपरीत, ये प्रणालियां लाइव वातावरण संचालित करने के लिए डिज़ाइन की जाती हैं – अलर्ट की त्रुटि का निदान करना, विफलताओं का निदान करना और वास्तविक समय में घटनाओं का समाधान करना।

कंपनी का प्लेटफ़ॉर्म पहले से ही इंजीनियरिंग टीमों को महत्वपूर्ण रूप से तेजी से घटनाओं की जांच करने में सक्षम बनाता है, जिसमें AI सिस्टम जटिल निर्भरताओं के पार सिस्टम व्यवहार का विश्लेषण करने और मूल कारणों की पहचान करने में सक्षम होते हैं।

समय के साथ, महत्वाकांक्षा सहायता से स्वायत्तता की ओर बढ़ने की है। इंजीनियरों द्वारा अलर्ट का 手动 रूप से प्रतिक्रिया करने के बजाय, AI सिस्टम अधिकांश संचालन कार्य को संभाल सकते हैं, जिसमें जोखिम और संदर्भ के आधार पर मानव पर्यवेक्षण लागू किया जाता है।

उद्यम ग्राहकों के साथ प्रारंभिक ट्रैक्शन

Resolve AI की तेजी से वित्तपोषण ट्रैक्टिक उद्यमों से इस क्षमता की मजबूत मांग को दर्शाता है। कंपनी ने दो वर्ष से कम समय में $190 मिलियन से अधिक जुटाया है और पहले से ही कॉइनबेस, डोरडैश, सेल्सफोर्स, एमएससीआई और ज्स्केलर जैसे संगठनों के साथ काम कर रही है।

वे ऐसे वातावरण हैं जहां डाउनटाइम महंगा है और विश्वसनीयता महत्वपूर्ण है। घटना प्रतिक्रिया समय या सिस्टम स्थिरता में भी छोटे सुधार व्यावसायिक प्रभाव में महत्वपूर्ण परिवर्तन ला सकते हैं।

Resolve AI जैसी कंपनियों का उदय AI पारिस्थितिकी तंत्र में एक व्यापक विकास का संकेत देता है।

पहली लहर के जनरेटिव AI ने रचना पर ध्यान केंद्रित किया: कोड लिखना, सामग्री उत्पन्न करना, और कार्य प्रवाह को तेज करना। अगला चरण संचालन के बारे में है – यह सुनिश्चित करना कि जो बनाया गया है वह विश्वसनीय रूप से पैमाने पर चल सकता है।

यह बदलाव नए तकनीकी चुनौतियों को पेश करता है। यह समय के साथ कारण सिस्टम, अनिश्चितता को संभालने, कई उपकरणों के साथ बातचीत करने और सख्त प्रतिबंधों के भीतर संचालित करने में सक्षम होने की मांग करता है। यह वास्तविक दुनिया के संचालन प्रदर्शन को पकड़ने वाले नए मूल्यांकन विधियों की भी मांग करता है, क्योंकि पारंपरिक बेंचमार्क वास्तविक दुनिया के संचालन प्रदर्शन को नहीं पकड़ते हैं।

आगे क्या होगा

जैसे-जैसे AI सॉफ्टवेयर विकास को तेज करता है, उत्पादन बढ़ती हुई सीमा बन जाएगा। जटिल प्रणालियों को विश्वसनीय रूप से संचालित करने की क्षमता अगली पीढ़ी के उद्यम AI प्लेटफार्मों को परिभाषित कर सकती है।

Resolve AI के नवीनतम वित्तपोषण और इसके अनुसंधान प्रयोगशाला के लॉन्च से पता चलता है कि यह समस्या अब मुख्य धारा में आ गई है। यदि सफल होता है, तो कंपनी केवल एक और AI उपकरण नहीं बना रही है – यह सॉफ्टवेयर प्रणालियों को चलाने के तरीके को पुनः परिभाषित करने में मदद कर रही है।

दीर्घकालिक परिणाम यह है कि AI सिस्टम और मानव इंजीनियरों के बीच सहयोग वाले वातावरण की ओर एक बदलाव, जहां मशीनें उत्पादन की जटिलता को संभालती हैं और मानव उच्च-स्तरीय डिजाइन, रणनीति और नवाचार पर ध्यान केंद्रित करते हैं।