Kosmos raccoglie 5 milioni di dollari per aiutare le aziende a eliminare i costi nascosti delle indagini sugli incidenti IT

La startup di Chicago Kosmos ha raccolto 5 milioni di dollari in fondi di seed guidati da Norwest mentre lancia una piattaforma di intelligenza operativa nativa AI progettata per affrontare una delle sfide più persistenti e costose nel settore IT aziendale: il tempo speso per indagare sugli incidenti.

Mentre le organizzazioni hanno investito molto in strumenti di osservabilità, monitoraggio e gestione dei servizi IT, i team di supporto e ingegneria spendono ancora molte ore a tracciare manualmente la causa radice degli outage e dei problemi che impattano sui clienti attraverso sistemi frammentati. Kosmos mira a ridurre ciò che chiama “costi di indagine” – l’onere operativo creato quando gli ingegneri, i leader del supporto e i team di risposta agli incidenti sono costretti a connettere manualmente le informazioni sparse attraverso sistemi di ticketing, repository di codice sorgente, piattaforme di supporto clienti e strumenti di osservabilità.

Il crescente problema dei costi di indagine

Nell’ultimo decennio, le aziende hanno adottato una raccolta crescente di strumenti per monitorare l’infrastruttura e gestire le operazioni software. Piattaforme come Jira, ServiceNow, GitHub, Salesforce, Datadog, Grafana e Splunk forniscono tutti insight preziosi in diverse parti dello stack tecnologico. Tuttavia, quando si verificano incidenti, il contesto critico rimane spesso isolato all’interno di questi sistemi.

Man mano che le architetture software moderne diventano sempre più distribuite, la sfida di correlare le informazioni attraverso più piattaforme si è intensificata. I team potrebbero avere tutti i dati necessari a disposizione, ma trovare e connetterli rapidamente rimane difficile. Il risultato è un tempo di risoluzione più lungo, incidenti ricorrenti e risorse di ingegneria deviate lontano dallo sviluppo del prodotto e dell’innovazione.

Per molte organizzazioni, gli ingegneri più esperti diventano gli investigatori predefiniti ogni volta che si verifica un problema importante per i clienti. Quegli ingegneri sono spesso allontanati dal lavoro strategico per ricostruire le timeline, esaminare le modifiche al codice, analizzare i biglietti di supporto e determinare cosa abbia effettivamente causato un incidente. Il costo nascosto di queste indagini si estende ben oltre il tempo di fermo stesso.

Un approccio nativo AI all’intelligenza operativa

Kosmos si posiziona come uno strato che si trova sopra i sistemi aziendali esistenti piuttosto che sostituirli. La piattaforma collega i dati da GitHub, Jira, Salesforce, ServiceNow, Datadog, Grafana, Splunk e altri strumenti operativi per creare una visione unificata degli incidenti e degli escalation dei clienti.

Secondo l’azienda, la sua piattaforma correla automaticamente i casi dei clienti, le modifiche al codice, gli incidenti di servizio e i segnali dell’infrastruttura per portare in superficie le cause radice probabili. Piuttosto che affidarsi esclusivamente a decisioni autonome dell’AI, Kosmos adotta un approccio “uomo nella loop” in cui le correlazioni generate dalla macchina vengono esaminate e validate dagli utenti prima di diventare parte della base di conoscenza della piattaforma.

Ciò crea un ciclo di feedback continuo che migliora la capacità del sistema di identificare modelli nel tempo, mantenendo al contempo la trasparenza e la fiducia. Invece di generare più avvisi, l’obiettivo è fornire ai team il contesto necessario per capire perché i problemi si sono verificati in primo luogo.

Costruito sull’esperienza diretta

Il fondatore e amministratore delegato Sanjay Gidwani ha costruito l’azienda attorno a un problema che ha incontrato ripetutamente durante più di due decenni di lavoro nelle operazioni di consegna aziendale e all’interno dell’ecosistema Salesforce.

Durante la sua carriera, Gidwani ha osservato lo stesso modello: quando emerge un problema importante per i clienti, le organizzazioni mobilitano il loro personale tecnico più esperto per indagare. Eppure quegli esperti spesso spendono giorni a raccogliere informazioni da sistemi non connessi prima di arrivare alla causa radice.

Quell’esperienza ha plasmato la tesi centrale di Kosmos: una delle maggiori inefficienze operative nel settore IT aziendale si verifica prima ancora che inizi la risoluzione. Se le organizzazioni possono identificare la fonte di un problema più velocemente, possono risolvere gli incidenti più rapidamente e ridurre la probabilità che si verifichino problemi simili.

Guardando avanti

Il lancio di Kosmos riflette un cambiamento più ampio in atto nella tecnologia aziendale. Man mano che le organizzazioni adottano ambienti cloud sempre più complessi, architetture di microservizi e applicazioni alimentate da AI, i dati operativi continuano a crescere mentre rimangono sparsi attraverso decine di piattaforme.

La prossima generazione di strumenti di intelligenza operativa mira a colmare quelle lacune connettendo automaticamente i segnali, identificando i modelli e preservando la conoscenza istituzionale che altrimenti rimarrebbe bloccata all’interno dei singoli team. Oltre a una risoluzione degli incidenti più rapida, questi sistemi potrebbero aiutare le organizzazioni a ridurre la fatica degli ingegneri, prevenire problemi ricorrenti e permettere ai talenti tecnici di concentrarsi maggiormente sullo sviluppo del prodotto piuttosto che sull’indagine dei fallimenti.

Man mano che gli ambienti aziendali diventano più complessi, la capacità di trasformare i dati operativi frammentati in intelligence azionabile potrebbe diventare altrettanto importante quanto il monitoraggio dei sistemi stessi. Kosmos scommette che la riduzione dei costi di indagine sarà una parte critica di quel futuro.