ジェレミー・バートン、ObserveのCEO – インタビュー・シリーズ

ジェレミー・バートン、ObserveのCEOは、デル・テクノロジーズ、EMC、オラクル、VERITASを含む主要テクノロジー企業で20年以上のリーダーシップ経験を持つシーズンドエンタープライズソフトウェアのエグゼクティブです。彼は、ストレージ、セキュリティ、SaaSにおける製品開発、営業、マーケティング、戦略的M&Aを含むグローバルチームを率いて、ビジネスを構築して拡大しました。バートンはまた、オラクル・テクノロジー・ネットワークを共同設立し、世界中の数百万人のメンバーを擁するまでに成長させました。現在、スノーフレイクの取締役会とマクラーレンのフォーミュラ1チームのアドバイザーを務めています。 (DELL ) (ORCL )

Observeは、カリフォルニア州サンマテオに拠点を置く次世代のSaaS観測可能性プラットフォームで、SRE、DevOps、エンジニアリングチームがモダンな分散システムを調査して最適化するのに役立ちます。スノーフレイクのデータインフラストラクチャ上に構築されており、ログ、メトリック、トレースを1つのコンテキスト豊かなデータセットに統合し、チームがインシデント対応を加速し、根本原因を特定し、複雑なクラウド環境での信頼性を向上させることができます。

あなたは、デル、EMC、オラクルなどのグローバル企業でシニアリーダーシップを務めてきましたが、ObserveのCEOとしてスタートアップを率いています。安定した大企業を離れて、新しいビジネスを立ち上げることに何が動機となりましたか?

私は、ラリー・エリソンやマイケル・デルのような素晴らしいリーダーと働くことができて幸運でした。彼らは、20年や30年という長い期間、企業を率いてきました。彼らは、初期の製品の決定、市場への参入ルート、長期的な成功のための文化を確立しました。私の役割は、彼らがすでに行った数十年の努力の上にインクリメンタルな改善を提供することでした。最終的に、私は自分自身に何かを証明したいと思ったのです。私は、企業を構築し、製品を市場に導入し、ビジネスモデルを確立し、長期的な成功のための文化を作ることができるかどうかを知りたいと思ったのです。

Observeは、ログ、分析、モニタリングを1つの統合プラットフォームに統合することで、観測可能性の新しいカテゴリを確立しています。レガシープレーヤーであるSplunkやDatadog (DDOG ) と比較して、このアプローチはどのように市場を再定義するのでしょうか?

レガシーツールの大きな問題は、スケーラビリティに欠けています。顧客との会話では、SplunkやDatadogがテレメトリのボリュームが増加するにつれてコストが高くなり、根本的にレガシーツールのアーキテクチャの問題であることがわかりました。

Observeは、ストリーミングデータレイクアーキテクチャを使用することで異なります。Apache Icebergなどのオープンフォーマットを使用して、コンピューティングとストレージを切り離し、エラスティックにスケールし、従来のシステムのコストの小さな部分で観測可能性を提供できます。Splunkなどの競合他社は、ピーク容量の計画が必要なモノリシックアーキテクチャに依存しています。Datadogなどの新しいツールも、コストを制御するためにデータの階層化、再水和、再索引化が必要です。

さらに、統合された観測可能性エクスペリエンスに焦点を当てています。ログ、メトリック、トレース、イベントはすべて1つの場所にあり、単一のクエリ言語と自動的にサービス、ユーザー、インシデントの関係をマッピングするノウレッジグラフがあります。このコンテキストは、トラブルシューティングを速めることができます。対照的に、SplunkやDatadogは、ログ、メトリック、トレースのための別々のバックエンドを持ち、分析が遅くなります。

最後に、AI駆動のトラブルシューティングに多大な投資を行っています。O11y AI SREは、自然言語入力を受け付け、仮説を生成し、エンジニアをインシデント解決のプロセスを通じてガイドします。さらに、ノウレッジグラフを利用して、正確なトラブルシューティングを行います。これは、現在の競合他社が提供するアノマリーディテクションやアラートよりも、はるかに先進的な機能です。

簡単に言えば、コスト効率が高く、統合されており、オープンです。これら3つの特性が、ObserveをレガシープレーヤーであるSplunkや新しいインキュバントであるDatadogと区別するものです。

大企業での経験と、現在のスタートアップでの経験を比較すると、効率、機敏性、イノベーションについて、どのような教訓が大企業からスタートアップに持ち越せるのでしょうか?

大企業が成功するのは、1つまたは2つのことを非常にうまく行っているからです。失敗する企業は、多すぎることを行って、すべての中途半端な結果になることがあります。

スタートアップでは、1つのことだけに焦点を当て、毎細部にこだわります。資金が十分ではないため、1つのこと以外に注力することはできません。結果として、スタートアップは非常に激しいものになります。失敗する可能性があり、早くから問題を解決する必要があります。さらに、早くから意思決定を下し、リリースし、失敗し、学びます。すべてを少ない人数で行う必要があります。

しかし、スタートアップで最も解放されるのは、既存の製品、ビジネスモデル、市場への参入ルートがないことです。新しい仮定を立てることができます。既存の企業ではそうはなりません。たとえば、新しい破壊的な製品を作ることはできません。技術的に可能であっても、CFOやウォール街が潜在的な成長を最大化することを許可しないからです。だからこそ、スタートアップが勝つことが多いのでしょう。

あなたはスノーフレイクの取締役会の一員でもあります。スノーフレイクの旅から、Observeの戦略にどのような教訓を得ていますか?

スノーフレイクは、古典的な問題に新しいアーキテクチャで挑みました。彼らはシンプルだが強力なアイデアを構築し、巨大な市場を変えました。そこから2つの教訓を得ます。1つは、巨大な市場でプレーすることです。もう1つは、顧客が大きな利益を得るためにインキュバントから離れることができる、根本的に異なるアプローチを持つことです。

私たちが挑戦する観測可能性市場は、巨大で、300億ドル規模です。私たちは、データレイクの基盤、エラスティックコンピューティング、オープンフォーマットを利用することで、ユニークな方法でこの問題を解決しました。これにより、顧客はトラブルシューティングの速度と全体的なコストの両方で、10倍の改善を得ることができます。

あなたは、製品開発、営業、マーケティング、M&Aなどの幅広い分野で経験を持っています。Observeでの成長戦略の優先順位付けに、どのような影響がありますか?

スタートアップの初期段階では、素晴らしい製品を構築し、それを販売することが成長戦略です。私のキャリアは、エンタープライズソフトウェアと大企業向けの複雑な問題の解決に偏っています。したがって、Observeがそれに重点を置いていることは驚くことではありません。

私の経験から、巨大な観測可能性企業を構築するには、世界で最も大きな企業の問題を解決する必要があると考えています。ペタバイトのデータ、数千のユーザー、数千のアプリケーションです。観測可能性企業はたくさんありますが、そんな環境で勝つことができる企業はほとんどありません。私は、Observeがそうできるようにするために努力しています。

観測可能性は、モダンな分散アプリケーションが複雑になるにつれて、重要性を増しています。企業にとって、次の3〜5年で最大の課題と機会はどこにあると思いますか?

現在最大の課題は、スケーラビリティです。Kubernetes、ミクロサービス、AIワークロードは、従来のツールを圧倒するデータボリュームを生成しています。コストが高騰し、信頼性が低下しています。新しいアーキテクチャが必要です。

さらに、次の数年で、AIコーディングツールの支援により、歴史上初めてのコード量が書かれることになります。そのコードは完璧ではありません。どこかで失敗するでしょう。成長の機会は、誰も書かなかったコードをトラブルシューティングする方法を見つけることです。または、コード生成ツールがコードを調べてバグを修正できるかどうか、またはアプリケーションの動作を分析して問題のあるコードを見つけることができるかどうかです。これは、将来的に観測可能性ベンダーにとっての大きな機会です。

多くのチームは、ログ、メトリック、トレース用の別々のシステムを使用することでツールの混在に苦労しています。Observeは、エンジニアリングチームとDevOpsチームのためにこの経験をどのように簡素化するのでしょうか?

Observeは、顧客に単一のプラットフォームを提供します。会社のログ、メトリック、トレース、アルートはすべて同じシステムにあり、ノウレッジグラフによって結び付けられています。ノウレッジグラフは、ログ、メトリック、トレースをシームレスに移動してトラブルシューティングを加速するためのコンテキストを提供します。これにより、チームはプラットフォームを切り替える時間を短縮し、データのエクスポートやコンテキストの切り替えを必要とせずに問題を特定できます。

Observeが顧客に大きな問題を解決するのに役立った具体的な例を共有できますか?

Capital Oneは、Observeを使用して、テレメトリデータを関連するビジネスコンテキストと組み合わせて、重要な顧客ジャーニーのステータスを把握しています。1日あたり数百テラバイトのテレメトリをイングレスし、ログ、メトリック、トレース、変更レコード、VPCフローログ、AWS構成データを含みます。Observeは、Capital Oneにエンドツーエンドの観測可能性を提供し、開発者とSREがインタラクティブなインシデント対応とデバッグを実行できるようにします。

Observeの背後でマシンラーニングまたはAIがどのような役割を果たしていますか? また、どのようにして顧客が洞察をより迅速に表面化したり、問題を自動的に検出するのを支援していますか?

マシンラーニングは、観測可能性の分野で複雑な歴史を持っています。企業環境は本質的にノイズが多く、数千のアノマリーを生み出さないモデルを作ることは非常に難しいです。生成的なAIは、より深い影響を与える技術です。

私たちは、AIが観測可能性ツールとのエンジニアのやり取りの方法を変えることを信じています。まず、エンジニアはIDEに座っていても、観測可能性データと直接会話できるようになります。将来的に、Observeを学習したりログインしたりする必要がないユーザーが半分いるかもしれません。2つ目に、AIエージェントは「平時」にテレメトリをスキャンして潜在的な問題を探し、インシデントが発生する可能性があります。AIエージェントは疲れません。人間ができない作業を実行できます。最後に、「戦時」中、AIエージェントはエンジニアとSREを支援して、問題を解決するための行動方針を提供します。

あなたのフォーミュラ1にインスパイアされたリーダーシップスタイルは、精神的タフネスとミスの学習を強調しています。Observeの構築とチームのリーダーシップに、どのように影響していますか?

F1での成功は、データを使用して将来の決定を導くことによって生み出されます。ドライバーと車両の両方でです。F1カーがシーズン終了時に到達するまでに、90%の部品が交換されています。さらに、サーキットを2秒速く走ることができます。

Observeでも同じ心構えで成功する必要があります。リリースし、測定し、傾聴し、迅速に適応します。2年前と比べると、私たちの製品の90%は異なっているでしょう。ただし、このアプローチには、多くの規律と謙虚さが必要です。悪いニュースを聞くことは簡単ではありません。ただし、十分な悪いニュースに取り組むと、徐々に良いニュースに変わり、ARRは加速します。これは魔法ではありません。論理です!

素晴らしいインタビュー、詳しく知りたい読者はObserveを訪問してください。