Resolve AI raccoglie 40 milioni di dollari in una estensione di serie A a una valutazione di 1,5 miliardi di dollari per affrontare il problema più difficile nel software: la produzione

Resolve AI ha ottenuto un’estensione di 40 milioni di dollari nella serie A a una valutazione di 1,5 miliardi di dollari, guidata da DST Global e Salesforce Ventures. Il finanziamento arriva in un momento in cui l’intelligenza artificiale ha accelerato notevolmente la creazione di software, ma non la sua manutenzione una volta distribuito.

In concomitanza con il finanziamento, l’azienda ha introdotto Resolve AI Labs, un’iniziativa di ricerca dedicata a colmare una delle lacune più critiche nello stack di intelligenza artificiale: la capacità di operare affidabilmente il software in ambienti di produzione.

Il collo di bottiglia che nessuno ha risolto: la produzione

L’AI ha reso più veloce la scrittura del codice. Gli strumenti alimentati da grandi modelli linguistici possono ora generare intere applicazioni in pochi minuti. Tuttavia, una volta che il codice viene distribuito, la realtà diventa molto più complessa.

Gli ambienti di produzione sono sistemi frammentati composti da infrastrutture, telemetria, log, dipendenze e servizi in costante cambiamento. Gli ingegneri devono interpretare segnali in tutti questi ambiti per diagnosticare i guasti, spesso sotto pressione e con informazioni incomplete.

È qui che si concentra Resolve AI. La sua piattaforma collega il codice, l’infrastruttura e la telemetria per indagare su incidenti, identificare le cause radice e intraprendere azioni, agendo essenzialmente come un ingegnere di produzione autonomo.

La sfida non è solo la complessità tecnica. È anche la scala. Mentre l’AI accelera la generazione del codice, le organizzazioni producono più software di quanto i loro team possano gestire realisticamente. Il risultato è un divario sempre più ampio tra la velocità di sviluppo e l’affidabilità operativa.

Perché i modelli di intelligenza artificiale generale non sono all’altezza

Una tesi centrale dietro l’approccio di Resolve AI è che i modelli di intelligenza artificiale generale non sono progettati per ambienti di produzione.

Mentre i modelli di base migliorano rapidamente, non sono ottimizzati per le realtà dei sistemi operativi. La produzione richiede la capacità di ragionare su dati rumorosi, incompleti e spesso in conflitto. Richiede anche alti livelli di precisione, affidabilità e controllo, dove gli errori possono portare a interruzioni, perdite finanziarie o rischi per la sicurezza.

Resolve AI affronta questo problema costruendo modelli specifici del dominio e sistemi agente adattati ai flussi di lavoro di produzione. Questi sistemi possono interpretare i log, analizzare i cambiamenti del sistema, correlare gli eventi e eseguire processi di rimedio multi-step tra gli strumenti, compiti che tradizionalmente richiedono ingegneri esperti.

Dentro Resolve AI Labs

Il nuovo lancio di Resolve AI Labs è progettato per far avanzare questa visione costruendo la tecnologia fondamentale necessaria per l’AI per operare i sistemi di produzione dall’inizio alla fine.

Il laboratorio sarà guidato da Dhruv Mahajan, ex dipendente di Meta, dove ha lavorato sulla formazione post-training per i modelli Llama.

Piuttosto che concentrarsi strettamente sugli agenti, il laboratorio adotterà un approccio full-stack all’AI operativa. Ciò include lo sviluppo di:

• Modelli specifici del dominio addestrati con dati di produzione
• Sistemi che ragionano su log, metriche, tracce e eventi di infrastruttura
• Framework di valutazione per misurare l’affidabilità in flussi di lavoro del mondo reale
• Ambienti di simulazione per testare e migliorare i modelli
• Strati di governance per garantire l’automatizzazione sicura e controllata

Ciò riflette un più ampio spostamento nello sviluppo dell’AI: andare oltre la mera capacità del modello verso sistemi che possano operare in modo sicuro in ambienti reali ad alto rischio.

Dall’assistenza all’autonomia

Resolve AI fa parte di una categoria in crescita spesso definita come “AI per la produzione” o ingegneria della affidabilità del sito (SRE) alimentata dall’AI. A differenza degli assistenti di codifica, questi sistemi sono progettati per operare in ambienti live, gestendo allarmi, diagnosticando guasti e risolvendo incidenti in tempo reale.

La piattaforma della società consente già ai team di ingegneria di indagare sugli incidenti in modo significativamente più veloce, con sistemi AI in grado di analizzare il comportamento del sistema e identificare le cause radice attraverso dipendenze complesse.

Nel tempo, l’obiettivo è quello di passare dall’assistenza all’autonomia. Invece di far rispondere manualmente agli allarmi agli ingegneri, i sistemi AI potrebbero gestire la maggior parte del lavoro operativo, con la supervisione umana applicata in base al rischio e al contesto.

Primi risultati con i clienti aziendali

La rapida traiettoria di finanziamento di Resolve AI riflette una forte domanda aziendale per questa capacità. L’azienda ha raccolto oltre 190 milioni di dollari in meno di due anni e sta già lavorando con organizzazioni come Coinbase, DoorDash, Salesforce, MSCI e Zscaler.

Questi sono ambienti in cui il downtime è costoso e l’affidabilità è critica. Anche piccoli miglioramenti nei tempi di risposta agli incidenti o nella stabilità del sistema possono tradursi in un impatto aziendale significativo.

L’emergere di aziende come Resolve AI segnala un’evoluzione più ampia nell’ecosistema dell’AI.

La prima ondata di intelligenza artificiale generativa si è concentrata sulla creazione: scrivere codice, generare contenuti e accelerare i flussi di lavoro. La prossima fase riguarda l’operazione, assicurandosi che ciò che viene costruito possa funzionare in modo affidabile su larga scala.

Questo passaggio introduce nuove sfide tecniche. Richiede sistemi che possano ragionare nel tempo, gestire l’incertezza, interagire con più strumenti e operare all’interno di vincoli stretti. Richiede anche nuovi metodi di valutazione, poiché i benchmark tradizionali non catturano le prestazioni operative del mondo reale.

Cosa significa questo per il futuro

Mentre l’AI continua ad accelerare lo sviluppo del software, la produzione diventerà sempre più il fattore limitante. La capacità di operare sistemi complessi in modo affidabile potrebbe definire la prossima generazione di piattaforme di intelligenza artificiale aziendale.

Il finanziamento più recente di Resolve AI e il lancio del suo laboratorio di ricerca suggeriscono che questo problema sta diventando sempre più importante. Se sarà di successo, l’azienda non starà solo costruendo un altro strumento di intelligenza artificiale, ma aiuterà a ridefinire come vengono eseguiti i sistemi di software.

La lunga implicazione è uno spostamento verso ambienti in cui i sistemi di intelligenza artificiale e gli ingegneri umani lavorano in tandem, con le macchine che gestiscono la complessità della produzione e gli esseri umani che si concentrano su progettazione di alto livello, strategia e innovazione.