グラウンドカバーが1億ドルを調達し、AI時代の可観測性プラットフォームを拡大

クラウド可観測性企業のグラウンドカバーは、エンジニアリングチームとAIエージェントが複雑なプロダクション環境を理解するのを助けるように設計されたプラットフォームを拡大するために、$1億ドルのシリーズC資金調達を実施しました。

このラウンドは、One Peakが主導し、Morgan Stanley Expansion Capital (MS )および既存の投資家であるZeev Ventures、Angular Ventures、Heavybit、Jibeが参加しました。これにより、グラウンドカバーの総資金調達額は1億6千万ドルに達しました。

可観測性はAI駆動のデータ問題に直面している

可観測性プラットフォームは、ログ、メトリクス、トレースなどのシグナルを収集して分析し、エンジニアリングチームがアプリケーションとインフラストラクチャがプロダクションでどのように動作するかを理解するのを助けます。

しかし、クラウドネイティブシステムが拡大し、企業が大規模言語モデル、自律エージェント、相互接続アプリケーションスタックを導入するにつれて、このタスクはより困難になっています。AIアプリケーションは、プロンプト、モデル応答、ツール呼び出し、データベース、API、各インタラクションをサポートするインフラストラクチャを含む、テレメトリを生成できます。

より詳細な可視性により、エンジニアはホールシネーション、パフォーマンスの低下、ツール呼び出しの失敗、セキュリティリスクを特定できます。ただし、そのコンテキストを収集することで、可観測性システムに流れ込むデータの量と機密性が大幅に増加する可能性があります。

従来のプラットフォームは、テレメトリをサンプリングまたはフィルタリングすることでこれらのコストを管理します。これにより、基礎となるデータがより管理しやすくなりますが、インシデントを再構築するために必要な正確な情報が削除される可能性もあります。この制限は、AIエージェントが人間の継続的な指示なしに問題を調査したり、変更を提案したりすることが期待される場合に特に重要になります。

グラウンドカバーは、そのアーキテクチャをこのモデルに代わるものとして位置付け、カーネルレベルのデータ収集と顧客のクラウド環境内でのストレージを組み合わせています。

グラウンドカバーのBYOCアーキテクチャのしくみ

プラットフォームの中心には、BYOC（Bring Your Own Cloud）アーキテクチャがあります。すべての可観測性データをベンダーが運用するSaaS環境に転送するのではなく、グラウンドカバーは顧客のクラウド内でデータプレーンを展開します。

ログ、インフラストラクチャメトリクス、カスタムメトリクス、トレース、Kubernetesイベントは、顧客のインフラストラクチャ内に残ることができます。別のコントロールプレーンがプラットフォームを管理しますが、ネットワークレベルでプロダクションワークロードとテレメトリから分離されています。

この構成は、顧客に管理されたソフトウェア体験を提供しながら、データの居住地、プライバシー、セキュリティに対するより大きなコントロールを維持することを目的としています。これは、AIワークロードの場合に特に重要であり、可観測性レコードにはプロンプト、モデル出力、ツール引数、ユーザー情報、またはエージェントの推論プロセスの要素が含まれる場合があります。

同社は、より厳格な分離要件を持つ組織のために、オンプレミスおよびエアギャップ展開もサポートしています。

eBPFとOpenTelemetryの組み合わせ

グラウンドカバーは、拡張バークレーパケットフィルタ（eBPF）を介してテレメトリの大部分を収集します。eBPFは、プログラムがLinuxカーネル内のアクティビティを観察することを可能にし、モニタリングシステムがネットワーク通信、アプリケーションプロセス、リソース使用状況を開発者が手動でインストルメントする必要なく可視化できるようにします。

同社は、アダプティブeBPFセンサーをコード変更なしで展開し、Kubernetes環境全体でアプリケーションとインフラストラクチャのテレメトリをキャプチャできることを示しています。

これは、グラウンドカバーが既存のインストルメンテーション標準を置き換えていることを意味しません。プラットフォームはまた、テレメトリを生成、処理、エクスポートするための共通API、SDK、ツールを提供するオープンソースフレームワークであるOpenTelemetryと統合されています。

この組み合わせにより、組織は2つの補完的な情報源を提供します。eBPFは、インフラストラクチャとネットワークレイヤーでのアクティビティを自動的にキャプチャできますが、OpenTelemetryは、開発者が意図的に追加したアプリケーション固有のコンテキストを提供できます。

グラウンドカバーは、トレース、メトリクス、ログ、Kubernetesイベントを統一されたインターフェイスに統合します。同社の製品ポートフォリオは、さらにアプリケーションパフォーマンスモニタリング、インフラストラクチャモニタリング、ログ管理、リアルユーザーモニタリング、および大規模言語モデルアプリケーションの可観測性をカバーしています。

AIエージェントの可観測性を拡大

同社の野心は、人間のオペレーター用のダッシュボードを提供することだけに止まりません。エージェントモードは、利用可能なテレメトリを使用してエンジニアがインシデントを調査し、根本原因分析を実行し、可能な修復手順を特定するのを支援するように設計されています。

一般的な目的のチャットボットをログのコレクションの上に配置するのではなく、グラウンドカバーは統一されたクエリ言語であるGCQLを中心に内部APIを再構築しました。エージェントによって実行されるアクションは、調査され、結果はエンジニアが独立して使用できるネイティブグラウンドカバーアセットに変換できます。

同社はさらに、開発環境と互換性のあるAIエージェントにプロダクションテレメトリを持ち込むことを可能にするモデルコンテキストプロトコルサポートを導入しました。AI可観測性ツールは、プロンプト、応答、ツールの使用、セッション履歴を含む、モデル要求のより広い実行コンテキストをキャプチャすることを目的としています。

これにより、チームは、問題がモデル自体、外部API、取得システム、インフラストラクチャのボトルネック、またはエージェントによって実行されるアクションのシーケンスによって発生したかどうかを判断できます。グラウンドカバーは、eBPFベースのアプローチを使用して、API要求と応答のコンテンツを調査し、外部モデルプロバイダーに異常または機密情報が送信されていることを検出できることも示しています。

「私たちは、eBPFの潜在力をBYOCと組み合わせて可観測性を提供する唯一のプラットフォームです」と、グラウンドカバーのCEO兼共同創設者であるShahar Azulayさんは述べています。「そのユニークなアーキテクチャの上に、グラウンドカバーはエージェントモードを構築しました。これは、エンジニアが問題を特定、トラブルシューティング、プロダクションで問題を修復するのを支援するためのエージェントベースのエクスペリエンスです。」

Azulay氏は、新しい資本が、エンジニアとエージェントがプロダクションオペレーションでどのように協力するかを変える同社の取り組みを支援することを示しました。

将来の影響

AIエージェントの成長は、組織が可観測性プラットフォームから期待するものを変える可能性があります。モニタリングツールは従来、エンジニアが何かが間違った後にインシデントを調査するのを支援してきましたが、自律システムは、問題を特定し、依存関係をトレースし、リアルタイムで修正アクションを推奨するために、詳細なプロダクションデータへの継続的なアクセスを必要とする可能性があります。

これにより、可視性、コスト、コントロールのバランスが生まれます。AIアプリケーションは、大量のログ、トレース、メトリクスを生成できますが、そのテレメトリには、プロンプト、モデル出力、顧客情報などの機密情報が含まれる場合があります。したがって、データを会社のクラウド環境内に保持するアーキテクチャは、規制された業界または厳格なデータ居住要件を持つ組織では特に魅力的になる可能性があります。

より広範な質問は、可観測性データに基づいて行動することができるAIエージェントが信頼できるかどうかです。テレメトリが不完全である、関連付けが誤解を招く、または権限が適切に定義されていない場合、自動システムはインシデントを誤診断したり、不要な変更を行ったりする可能性があります。人間の監視、監査トレイル、自律アクションの明確な制限は、これらの機能が成熟するにつれて重要なままです。

グラウンドカバーの資金調達は、AIシステムを大規模に運用するために必要なインフラストラクチャへの関心の高まりを反映しています。長期的な重要性は、可観測性プラットフォームが会話型インターフェイスを追加できるかどうかよりも、人間と自動エージェントがプロダクション環境で健全な決定を下すために十分な完璧で安全で信頼できるデータを提供できるかどうかに依存します。