Sedai ottiene 20 milioni di dollari per scalare il cloud self-driving e ridefinire DevOps con agenti AI

Sedai, l’azienda dietro la prima piattaforma cloud self-driving, ha annunciato un round di finanziamento di 20 milioni di dollari di serie B per scalare la sua visione di gestione autonoma dell’infrastruttura. Il finanziamento, guidato da AVP (Atlantic Vantage Point) con il supporto di Norwest, Sierra Ventures e Uncorrelated Ventures, sarà utilizzato per espandere la piattaforma di Sedai in nuovi domini come l’ottimizzazione LLM, la gestione delle risorse GPU e l’orchestrazione intelligente per piattaforme come Databricks e Snowflake.

La piattaforma segna un punto di svolta nel DevOps, sostituendo i paradigmi tradizionali di allarme e dashboard con agenti AI che apprendono dagli ambienti di produzione e agiscono in modo autonomo per ottimizzare i costi, le prestazioni e la disponibilità.

“Proprio come Waymo ha dimostrato che le auto a guida autonoma sono possibili, Sedai dimostra che l’infrastruttura self-driving non è solo possibile, ma necessaria”, ha dichiarato Suresh Mathew, CEO e fondatore di Sedai.

Cosa significa realmente l’infrastruttura self-driving

Mentre la maggior parte degli strumenti di monitoraggio genera semplicemente allarmi, l’approccio di Sedai è molto più proattivo. La piattaforma osserva il traffico, il comportamento dell’applicazione e le configurazioni dell’infrastruttura in tempo reale, quindi prende decisioni autonome che migliorano le prestazioni e riducono i costi senza richiedere l’intervento umano.

Questo passaggio dall’osservabilità all’autonomia è ciò che rende Sedai una piattaforma veramente “self-driving”. Il suo sistema non segnala solo i problemi, ma li risolve.

Sotto il cofano, Sedai utilizza un’architettura di intelligenza artificiale multi-agente che si adatta continuamente ai cambiamenti dei carichi di lavoro e degli stati del sistema. Al cuore di questo sistema c’è l’apprendimento per rinforzo profondo (DRL), una forma potente di apprendimento automatico in cui gli agenti apprendono attraverso prove ed errori. Nel caso di Sedai, gli agenti sono addestrati a scalare dinamicamente le risorse dell’infrastruttura come CPU e memoria in base ai risultati delle prestazioni effettive. Nel tempo, questi agenti apprendono quali azioni portano ai migliori risultati in ambienti live.

Questa intelligenza è ulteriormente potenziata da tecniche come la rilevazione delle anomalie e l’inferenza causale, che consentono a Sedai di prevedere i guasti e individuare le cause radice prima che l’esperienza del cliente sia influenzata. E con la modellazione stagionale, il sistema si adatta automaticamente ai modelli ricorrenti come i picchi di traffico giornalieri o i carichi di lavoro di fine mese, ottimizzando l’infrastruttura prima che si verifichino le richieste.

Una nuova era di efficienza DevOps

Sedai è stata fondata da Suresh Mathew e Benji Thomas dopo aver sperimentato personalmente le sfide di scalabilità dei microservizi a PayPal. Mentre DevOps ha accelerato i deploy, ha anche creato nuovi oneri – lavoro infinito, fatica degli allarmi e sistemi fragili tenuti insieme da soluzioni manuali.

Sedai cambia questa dinamica agendo. Invece di affidarsi agli ingegneri per interpretare le metriche e rispondere manualmente, la piattaforma gestisce attività come:

• Rilevamento e risoluzione del degrado dell’infrastruttura in tempo reale
• Scalabilità dei carichi di lavoro verticalmente e orizzontalmente in base al traffico effettivo
• Aggiornamento delle configurazioni per ottimizzare i costi, la latenza e la disponibilità
• Riavvio o guarigione dei servizi danneggiati prima che gli utenti se ne accorgano

Già, la piattaforma ha eseguito oltre 25 milioni di azioni autonome in produzione, gestendo 3 miliardi di dollari di spesa cloud. Ciò ha salvato ai clienti oltre 5 milioni di dollari all’anno, mentre ha restituito ai team di ingegneria oltre 22.000 ore di tempo produttivo.

Sostenuta da leader aziendali in settori critici

Sedai è utilizzata in produzione da leader Fortune 500 nel settore della sicurezza informatica, dei servizi finanziari, dei farmaceutici, dell’istruzione e dell’intelligenza artificiale. I clienti includono nomi noti come Palo Alto Networks (PANW ), Experian e McGraw Hill (MH ) – aziende che dipendono da un’infrastruttura stabile, performante e efficiente in termini di costo.

In KnowBe4, Sedai ha ridotto i costi di produzione del 50% e i costi di sviluppo fino all’87%. Il vicepresidente dell’ingegneria Matthew Duren ha attribuito alla piattaforma non solo l’efficienza del budget, ma anche la trasformazione del suo ruolo – liberando il suo team per concentrarsi su iniziative strategiche invece di attività a basso valore.

Questi risultati non sono proiezioni – riflettono l’intelligenza artificiale reale in ambienti live, gestendo in modo sicuro i sistemi di produzione e persino carichi di lavoro di machine learning ad alta complessità.

Andare oltre l’automazione: perché gli agenti AI sono il prossimo balzo

È importante distinguere l’automazione dall’autonomia. L’automazione esegue attività predefinite in base a soglie statiche o script. Gli agenti AI di Sedai, invece, osservano e apprendono dai sistemi, scoprendo le azioni migliori in modo dinamico – anche quando le condizioni cambiano.

Questa distinzione è importante. In un mondo di modelli di traffico in continua evoluzione, dipendenze dei servizi e architetture di deploy, le regole statiche diventano rapidamente obsolete. L’approccio AI-first di Sedai garantisce un’ottimizzazione continua, anche nella complessità.

Ad esempio, la sua piattaforma apprende come si comportano specifici servizi sotto diversi carichi e regola di conseguenza l’allocazione delle risorse. Se la latenza aumenta a causa di un particolare collo di bottiglia della memoria, Sedai può agire immediatamente – senza aspettare che un essere umano interpreti l’allarme.

Una piattaforma per l’intera organizzazione di ingegneria

Sedai offre valore in ogni ruolo nello stack di ingegneria:

• SRE e ingegneri DevOps riducono il lavoro e raggiungono gli obiettivi di affidabilità senza burnout.
• Sviluppatori si concentrano sull’invio del codice, mentre Sedai garantisce configurazioni ottimali in produzione.
• Leader di ingegneria guadagnano efficienza operativa e risparmi cloud significativi.
• Architetti e CTO trasformano l’infrastruttura in un differenziatore strategico, non in un fattore di rischio.

Con solo 15 minuti di setup, i team possono collegare Sedai ai propri strumenti cloud e APM. Da lì, la piattaforma inizia ad apprendere, a convalidare ottimizzazioni sicure e, infine, ad agire in produzione live – con una traccia di audit completa per la conformità.

Cosa viene dopo: ottimizzazione dello stack di infrastruttura AI

Con il finanziamento di serie B, Sedai espanderà le proprie capacità in alcune delle sfide più pressanti nell’infrastruttura di intelligenza artificiale moderna, tra cui:

• Auto-ottimizzazione per applicazioni basate su LLM, garantendo una configurazione ottimale durante l’inferenza
• Orchestrazione autonoma GPU, gestendo risorse di calcolo costose in tempo reale
• Ottimizzazione guidata da AI di piattaforme di dati come Databricks e Snowflake

Questi sforzi sono allineati con un futuro in cui i carichi di lavoro stessi – modelli di intelligenza artificiale, pipeline di inferenza, analisi in tempo reale – richiedono strati di infrastruttura intelligenti per supportarli.

“Man mano che l’adozione del cloud aumenta, le aziende lottano per migliorare le prestazioni riducendo i costi. Gli agenti AI sono unicamente posizionati per risolvere questo a livello di scala”, ha dichiarato Manish Agarwal, socio generale di AVP.

Il futuro dell’infrastruttura cloud è autonomo

L’ascesa delle piattaforme cloud autonome segnala un più ampio cambiamento di settore – da sistemi con intervento umano verso agenti intelligenti che operano in modo indipendente in tempo reale. Man mano che le aziende ampliano le loro impronte cloud e adottano architetture sempre più complesse e distribuite, la gestione manuale dell’infrastruttura sta raggiungendo i suoi limiti.

DevOps, un tempo visto come la soluzione definitiva per un deploy più rapido e un’agilità operativa, è ora sotto pressione a causa della complessità crescente, della fatica degli allarmi e dell’inefficienza dei costi. Gli strumenti di osservabilità e automazione tradizionali offrono visibilità e scripting, ma si affidano ancora agli ingegneri per analizzare, interpretare e agire. Questo approccio reattivo fatica a stare al passo con le moderne richieste dei servizi.

Le piattaforme autonome rappresentano il prossimo passo evolutivo. Integrando l’apprendimento per rinforzo profondo, l’inferenza causale e la scalabilità adattiva nei flussi di lavoro dell’infrastruttura, offrono la capacità di auto-ottimizzarsi e auto-guarire in produzione – continuamente e senza intervento. Il risultato non è solo l’efficienza operativa, ma una trasformazione strutturale: meno interruzioni, rilasci più rapidi, un miglior controllo dei costi e una migliore esperienza per gli sviluppatori.

Man mano che l’ecosistema matura, questo cambiamento avrà un impatto su tutto, dalle modalità in cui vengono gestiti e strutturati i team, alle modalità in cui vengono progettate, testate e distribuite le applicazioni. I primi adottanti stanno già dimostrando che le operazioni autonome possono produrre guadagni tangibili in termini di produttività, prestazioni e ritorno sull’investimento finanziario.

Mentre Sedai è tra i leader che portano questa visione alla vita, il messaggio più ampio è chiaro: l’infrastruttura cloud non è più qualcosa che gli ingegneri devono gestire costantemente – sta diventando qualcosa che si gestisce da sola.