Sedai Mengamankan $20M untuk Mengembangkan Cloud Mandiri dan Mengubah DevOps dengan Agen AI

Sedai, perusahaan di balik platform cloud mandiri pertama, telah mengumumkan putaran Series B sebesar $20 juta untuk mengembangkan visinya tentang manajemen infrastruktur otonom. Pendanaan, yang dipimpin oleh AVP (Atlantic Vantage Point) dengan dukungan dari Norwest, Sierra Ventures, dan Uncorrelated Ventures, akan membiayai ekspansi Sedai ke domain baru seperti optimasi LLM, manajemen sumber daya GPU, dan orkestrasi cerdas untuk platform seperti Databricks dan Snowflake.

Platform ini menandai titik balik dalam DevOps, menggantikan paradigma alert-and-dashboard tradisional dengan agen AI yang belajar dari lingkungan produksi dan bertindak secara otonom untuk mengoptimalkan biaya, kinerja, dan ketersediaan.

“Just like Waymo membuktikan bahwa mobil mandiri memungkinkan, Sedai membuktikan bahwa infrastruktur mandiri tidak hanya memungkinkan, tetapi juga diperlukan,” kata Suresh Mathew, CEO dan Pendiri Sedai.

Apa yang Dimaksud dengan Infrastruktur Mandiri

Sedangkan sebagian besar alat pemantauan hanya menghasilkan peringatan, pendekatan Sedai jauh lebih proaktif. Platform ini mengamati lalu lintas, perilaku aplikasi, dan konfigurasi infrastruktur secara real-time, kemudian membuat keputusan otonom yang meningkatkan kinerja dan mengurangi biaya—tanpa memerlukan intervensi manusia.

Perubahan ini dari observabilitas ke otonomi adalah yang membuat Sedai menjadi platform yang benar-benar “mandiri”. Sistemnya tidak hanya mengidentifikasi masalah, tetapi juga menyelesaikannya.

Di bawah tenda, Sedai menggunakan arsitektur AI multi-agen yang terus beradaptasi dengan beban kerja dan keadaan sistem yang berubah. Di jantung sistem ini adalah deep reinforcement learning (DRL)—bentuk machine learning yang kuat di mana agen belajar melalui trial dan error. Dalam kasus Sedai, agen dilatih untuk secara dinamis menskalakan sumber daya infrastruktur seperti CPU dan memori berdasarkan hasil kinerja yang sebenarnya. Seiring waktu, agen-agen ini belajar tentang tindakan yang menghasilkan hasil terbaik dalam lingkungan live.

Kecerdasan ini ditingkatkan lebih lanjut oleh teknik seperti deteksi anomali dan inferensi kausal, yang memungkinkan Sedai untuk memprediksi kegagalan dan mengidentifikasi penyebab akar sebelum pengalaman pelanggan terpengaruh. Dan dengan pemodelan musiman, sistem secara otomatis menyesuaikan diri dengan pola berulang seperti lonjakan lalu lintas harian atau beban pemrosesan akhir bulan, mengoptimalkan infrastruktur sebelum permintaan meningkat.

Era Baru Efisiensi DevOps

Sedai didirikan oleh Suresh Mathew dan Benji Thomas setelah mengalami langsung tantangan penskalaan mikro-layanan di PayPal. Sementara DevOps mempercepat penerapan, juga menciptakan beban baru—pekerjaan yang tidak pernah berakhir, kelelahan peringatan, dan sistem yang rapuh yang diadakan bersama oleh solusi manual.

Sedai mengubah dinamika ini dengan mengambil tindakan. Sebagai gantinya untuk mengandalkan insinyur untuk menafsirkan metrik dan merespons secara manual, platform menangani tugas seperti:

• Mendeteksi dan menyelesaikan degradasi infrastruktur secara real-time
• Menskalakan beban kerja secara vertikal dan horizontal berdasarkan lalu lintas yang sebenarnya
• Mengupdate konfigurasi untuk mengoptimalkan biaya, latensi, dan ketersediaan
• Memulai ulang atau memulihkan layanan yang rusak sebelum pengguna memperhatikan

Sudah, platform ini telah menjalankan lebih dari 25 juta tindakan otonom dalam produksi, mengelola $3 miliar dalam pengeluaran cloud. Ini telah menyelamatkan pelanggan lebih dari $5 juta per tahun, sementara memberikan tim insinyur kembali lebih dari 22.000 jam waktu produktif.

Dipercaya oleh Pemimpin Perusahaan di Industri Kritis

Sedai digunakan dalam produksi oleh pemimpin Fortune 500 di bidang keamanan siber, jasa keuangan, farmasi, pendidikan, dan AI. Pelanggan termasuk nama-nama terkenal seperti Palo Alto Networks (PANW ), Experian, dan McGraw Hill (MH ) —perusahaan yang bergantung pada infrastruktur yang stabil, performant, dan efisien biaya.

Di KnowBe4, Sedai mengurangi biaya produksi sebesar 50% dan biaya pengembangan sebesar 87%. Wakil Presiden Teknik Matthew Duren mengkreditkan platform tidak hanya dengan efisiensi biaya, tetapi juga dengan mengubah perannya—membebaskan timnya untuk fokus pada inisiatif strategis daripada tugas rendah.

Hasil ini tidak proyeksi—mereka mencerminkan AI yang sebenarnya dalam lingkungan live, mengelola sistem produksi dan bahkan beban kerja mesin pembelajaran yang kompleks.

Mengatasi Otomatisasi: Mengapa Agen AI Adalah Lompatan Berikutnya

Penting untuk membedakan otomatisasi dari otonomi. Otomatisasi menjalankan tugas yang telah ditentukan sebelumnya berdasarkan ambang batas statis atau skrip. Agen AI Sedai, di sisi lain, mengamati dan belajar dari sistem Anda, menemukan tindakan terbaik secara dinamis—bahkan ketika kondisi berubah.

Perbedaan ini penting. Dalam dunia pola lalu lintas yang terus berkembang, ketergantungan layanan, dan arsitektur penerapan, aturan statis cepat menjadi usang. Pendekatan AI-first Sedai memastikan optimasi terus-menerus, bahkan di bawah kompleksitas.

Misalnya, platform ini belajar tentang bagaimana layanan tertentu berperilaku di bawah beban yang berbeda dan menyesuaikan alokasi sumber daya sesuai. Jika latensi meningkat karena bottleneck memori tertentu, Sedai dapat bertindak segera—tanpa menunggu insinyur untuk menafsirkan peringatan.

Platform untuk Seluruh Organisasi Teknik

Sedai memberikan nilai di seluruh peran dalam tumpukan teknik:

• SRE dan insinyur DevOps mengurangi pekerjaan yang tidak pernah berakhir dan mencapai tujuan keandalan tanpa kelelahan.
• Pengembang fokus pada pengiriman kode, sementara Sedai memastikan konfigurasi optimal dalam produksi.
• Pemimpin teknik memperoleh efisiensi operasional dan penghematan cloud yang besar.
• Arsitek dan CTO mengubah infrastruktur menjadi pembeda strategis, bukan liabilitas.

Dengan hanya 15 menit pengaturan, tim dapat menghubungkan Sedai ke cloud dan alat APM mereka. Dari sana, platform mulai belajar, memvalidasi optimasi yang aman, dan akhirnya mengambil tindakan dalam produksi live—dengan jejak audit penuh untuk kepatuhan.

Apa yang Berikutnya: Mengoptimalkan Tumpukan Infrastruktur AI

Dengan pendanaan Series B, Sedai akan memperluas kemampuan ke beberapa tantangan paling mendesak dalam infrastruktur AI modern, termasuk:

• Penyetelan diri untuk aplikasi berbasis LLM, memastikan konfigurasi optimal selama inferensi
• Orkestrasi GPU otonom, mengelola sumber daya komputasi yang mahal secara real-time
• Optimasi data platform yang didorong AI seperti Databricks dan Snowflake

Upaya ini sejalan dengan masa depan di mana beban kerja itu sendiri—model AI, pipa inferensi, analitik waktu nyata—memerlukan lapisan infrastruktur yang cerdas untuk mendukungnya.

“Ketika adopsi cloud meningkat, perusahaan berjuang untuk meningkatkan kinerja sambil mengurangi biaya. Agen AI secara unik berposisi untuk memecahkan ini dalam skala,” kata Manish Agarwal, Mitra Umum di AVP.

Masa Depan Infrastruktur Cloud Adalah Otonom

Munculnya platform cloud otonom menandai pergeseran industri yang lebih luas—dari sistem yang memiliki manusia di dalamnya menuju agen cerdas yang beroperasi secara independen dalam waktu nyata. Ketika perusahaan memperluas jejak cloud mereka dan mengadopsi arsitektur yang terdistribusi dan kompleks, manajemen infrastruktur manual mencapai batasnya.

DevOps, yang dulunya dianggap sebagai solusi definitif untuk penerapan yang lebih cepat dan kegesitan operasional, sekarang berada di bawah tekanan dari kompleksitas yang meningkat, kelelahan peringatan, dan ketidakefisienan biaya. Alat observabilitas dan otomatisasi tradisional menawarkan visibilitas dan scripting—tetapi mereka masih mengandalkan insinyur manusia untuk menganalisis, menafsirkan, dan bertindak. Pendekatan reaktif ini berjuang untuk mengikuti permintaan layanan modern.

Platform otonom mewakili langkah evolusioner berikutnya. Dengan mengintegrasikan pembelajaran penguatan dalam, inferensi kausal, dan penskalaan adaptif ke dalam alur kerja infrastruktur inti, mereka menawarkan kemampuan untuk mengoptimalkan dan menyembuhkan diri dalam produksi—terus-menerus dan tanpa intervensi. Hasilnya bukan hanya efisiensi operasional, tetapi transformasi struktural: lebih sedikit gangguan, rilis yang lebih cepat, kontrol biaya yang lebih baik, dan pengalaman pengembang yang ditingkatkan.

Ketika ekosistem matang, pergeseran ini akan mempengaruhi segala sesuatu, dari cara tim diberdayakan dan diatur, hingga bagaimana aplikasi diarsitektur, diuji, dan diterapkan. Pengadopsi awal sudah membuktikan bahwa operasi otonom dapat menghasilkan keuntungan nyata dalam produktivitas, kinerja, dan ROI keuangan.

Sementara Sedai adalah salah satu pemimpin yang membawa visi ini ke kehidupan, kesimpulan yang lebih besar adalah jelas: infrastruktur cloud tidak lagi sesuatu yang harus dikelola secara konstan oleh insinyur—itu menjadi sesuatu yang mengelola dirinya sendiri.