Resolve AI Mengumpulkan $40M Seri A Extension pada Valuasi $1,5 Miliar untuk Menangani Masalah Terberat dalam Perangkat Lunak: Produksi

Resolve AI telah mengamankan $40 juta Seri A extension pada valuasi $1,5 miliar, dipimpin oleh DST Global dan Salesforce Ventures. Pendanaan ini datang pada saat ketika kecerdasan buatan telah dramatis mempercepat cara perangkat lunak dibangun—tapi tidak cara perangkat lunak dipelihara setelah diterapkan.

Bersamaan dengan pendanaan, perusahaan memperkenalkan Resolve AI Labs, sebuah inisiatif penelitian khusus yang bertujuan untuk menutup apa yang menjadi salah satu celah paling kritis dalam tumpukan kecerdasan buatan: kemampuan untuk mengoperasikan perangkat lunak dengan andal di lingkungan produksi.

Botol Leher yang Tidak Terpecahkan: Produksi

Kecerdasan buatan telah membuat penulisan kode lebih cepat dari sebelumnya. Alat yang ditenagai oleh model bahasa besar sekarang dapat menghasilkan aplikasi lengkap dalam beberapa menit. Tapi setelah kode tersebut diterapkan, kenyataannya menjadi jauh lebih kompleks.

Lingkungan produksi adalah sistem yang terfragmentasi yang terdiri dari infrastruktur, telemetri, log, ketergantungan, dan layanan yang terus berubah. Insinyur harus menafsirkan sinyal di seluruh sistem untuk mendiagnosis kegagalan, seringkali di bawah tekanan waktu dan dengan informasi yang tidak lengkap.

Ini adalah area fokus Resolve AI. Platformnya menghubungkan kode, infrastruktur, dan telemetri untuk menyelidiki insiden, mengidentifikasi penyebab akar, dan mengambil tindakan—pada dasarnya bertindak sebagai insinyur produksi otonom.

Tantangan ini tidak hanya kompleksitas teknis. Ini juga tentang skala. Ketika kecerdasan buatan mempercepat pembuatan kode, organisasi menghasilkan lebih banyak perangkat lunak daripada yang dapat dikelola oleh tim mereka. Hasilnya adalah celah yang semakin melebar antara kecepatan pengembangan dan keandalan operasional.

Mengapa Model AI Umum Gagal

Tesis sentral di balik pendekatan Resolve AI adalah bahwa model AI umum tidak dirancang untuk lingkungan produksi.

Sementara model dasar membaik dengan cepat, mereka tidak dioptimalkan untuk kenyataan sistem operasional. Produksi memerlukan penalaran melintasi aliran data yang bising, tidak lengkap, dan seringkali kontradiktif. Ini juga menuntut tingkat akurasi, keandalan, dan kontrol yang tinggi, di mana kesalahan dapat menyebabkan gangguan, kerugian keuangan, atau risiko keamanan.

Resolve AI menangani ini dengan membangun model domain-spesifik dan sistem agen yang disesuaikan dengan alur kerja produksi. Sistem ini dapat menafsirkan log, menganalisis perubahan sistem, mengorelasikan peristiwa, dan menjalankan proses perbaikan multi-langkah di seluruh alat—tugas yang biasanya memerlukan insinyur berpengalaman.

Di Dalam Resolve AI Labs

Resolve AI Labs yang baru diluncurkan Resolve AI Labs dirancang untuk mendorong visi ini dengan membangun teknologi dasar yang diperlukan untuk kecerdasan buatan mengoperasikan sistem produksi dari ujung ke ujung.

Laboratorium ini akan dipimpin oleh Dhruv Mahajan, mantan Meta, di mana ia bekerja pada pelatihan pasca untuk model Llama.

Bukan fokus pada agen secara sempit, laboratorium ini akan mengambil pendekatan full-stack untuk kecerdasan buatan operasional. Ini termasuk mengembangkan:

• Model domain-spesifik yang dilatih pada data produksi
• Sistem yang menalar melintasi log, metrik, jejak, dan peristiwa infrastruktur
• Kerangka evaluasi untuk mengukur keandalan dalam alur kerja dunia nyata
• Lingkungan simulasi untuk menguji dan memperbaiki model
• Lapisan tata kelola untuk memastikan otomatisasi yang aman dan terkendali

Ini mencerminkan pergeseran yang lebih luas dalam pengembangan kecerdasan buatan: bergerak melampaui kemampuan model mentah menuju sistem yang dapat beroperasi dengan aman di lingkungan dunia nyata yang berisiko tinggi.

Dari Bantuan ke Otonomi

Resolve AI adalah bagian dari kategori yang berkembang yang sering disebut sebagai “AI untuk produksi” atau teknik site reliability engineering (SRE) yang ditenagai kecerdasan buatan. Tidak seperti asisten pengkodean, sistem ini dirancang untuk mengoperasikan lingkungan langsung—mengatasi peringatan, mendiagnosis kegagalan, dan menyelesaikan insiden secara waktu nyata.

Platform perusahaan sudah memungkinkan tim insinyur untuk menyelidiki insiden secara signifikan lebih cepat, dengan sistem kecerdasan buatan yang dapat menganalisis perilaku sistem dan mengidentifikasi penyebab akar di seluruh ketergantungan yang kompleks.

Dalam waktu, ambisi adalah untuk bergerak dari bantuan ke otonomi. Sebagai gantinya insinyur merespons peringatan secara manual, sistem kecerdasan buatan dapat menangani sebagian besar pekerjaan operasional, dengan pengawasan manusia yang diterapkan berdasarkan risiko dan konteks.

Permulaan Traction dengan Pelanggan Perusahaan

Traektori pendanaan Resolve AI yang cepat mencerminkan permintaan kuat dari perusahaan untuk kemampuan ini. Perusahaan telah mengumpulkan lebih dari $190 juta dalam waktu kurang dari dua tahun dan sudah bekerja dengan organisasi seperti Coinbase, DoorDash, Salesforce, MSCI, dan Zscaler.

Ini adalah lingkungan di mana downtime sangat mahal dan keandalan sangat kritis. Bahkan perbaikan kecil dalam waktu respons insiden atau stabilitas sistem dapat berdampak signifikan pada bisnis.

Munculnya perusahaan seperti Resolve AI menandai evolusi yang lebih luas dalam ekosistem kecerdasan buatan.

Gelombang pertama kecerdasan buatan generatif fokus pada penciptaan: menulis kode, menghasilkan konten, dan mempercepat alur kerja. Fase berikutnya adalah tentang operasi—memastikan bahwa apa yang dibangun dapat berjalan dengan andal pada skala.

Perubahan ini memperkenalkan tantangan teknis baru. Ini memerlukan sistem yang dapat bernalar sepanjang waktu, menangani ketidakpastian, berinteraksi dengan banyak alat, dan beroperasi dalam batasan yang ketat. Ini juga menuntut metode evaluasi baru, karena benchmark tradisional tidak menangkap kinerja operasional dunia nyata.

Apa yang Ini Berarti ke Depan

Ketika kecerdasan buatan terus mempercepat pengembangan perangkat lunak, produksi akan semakin menjadi faktor pembatas. Kemampuan untuk mengoperasikan sistem kompleks dengan andal mungkin mendefinisikan generasi berikutnya dari platform kecerdasan buatan perusahaan.

Pendanaan terbaru Resolve AI dan peluncuran laboratorium penelitiannya menunjukkan bahwa masalah ini mulai mendapat perhatian. Jika berhasil, perusahaan ini tidak hanya membangun alat kecerdasan buatan lain—tetapi membantu mendefinisikan kembali cara sistem perangkat lunak dijalankan.

Implikasi jangka panjang adalah pergeseran menuju lingkungan di mana sistem kecerdasan buatan dan insinyur manusia bekerja bersama, dengan mesin menangani kompleksitas produksi dan manusia fokus pada desain tingkat tinggi, strategi, dan inovasi.