Resolve AIが4億円のシリーズAラウンドを1.5億ドルで調達、ソフトウェアの最も難しい問題である「本稼働」に取り組む

Resolve AIは、DST GlobalとSalesforce Ventures (CRM ) が主導する4億円のシリーズAラウンドを1.5億ドルで調達しました。この資金調達は、人工知能がソフトウェアの開発を劇的に加速させているものの、デプロイ後の維持に至ってはそうでない時期に実現しました。

資金調達とともに、会社はResolve AI Labsを立ち上げました。これは、AIスタックにおける最も重要なギャップの1つである、ソフトウェアを本稼働環境で信頼性高く操作する能力を解決することを目的とした専門の研究イニシアチブです。

解決されなかったボトルネック：本稼働

AIは、コードを書くことを以前よりも速くしました。大量の言語モデルを使用したツールは、数分で全てのアプリケーションを生成できます。しかし、そのコードがデプロイされると、現実ははるかに複雑になります。

本稼働環境は、インフラストラクチャ、テレメトリ、ログ、依存関係、および常に変更されるサービスで構成される断片化されたシステムです。エンジニアは、すべてのシステムの信号を解釈して障害を診断する必要がありますが、時間の圧力と不完全な情報の下で行われることがよくあります。

Resolve AIはここに焦点を当てています。プラットフォームは、コード、インフラストラクチャ、テレメトリを接続してインシデントを調査し、根本原因を特定し、行動を起こします。基本的に、自律的な本稼働エンジニアとして機能します。

課題は技術的な複雑さだけではありません。スケールも課題です。AIがコード生成を加速するにつれて、組織はチームが現実的に管理できる以上のソフトウェアを生成しています。結果として、開発の速度と運用の信頼性の間には、ギャップが広がっています。

汎用AIモデルが短所を補う

Resolve AIのアプローチの中心テーゼは、汎用のAIモデルは本稼働環境に適していないということです。

基礎モデルは急速に改善されていますが、運用システムの現実に最適化されていません。本稼働では、ノイズの多い、不完全な、そしてしばしば矛盾するデータストリームを横断して推論する必要があります。また、高い精度、信頼性、制御が求められ、ミスは停止、財務損失、またはセキュリティリスクにつながる可能性があります。

Resolve AIは、ドメイン固有のモデルと、エージェントシステムを本稼働ワークフローに合わせて構築することで、この課題に対処します。これらのシステムはログを解釈し、システムの変更を分析し、イベントを相関させ、ツールを横断してマルチステップの復旧プロセスを実行できます。伝統的には、経験豊富なエンジニアが必要となるタスクです。

Resolve AI Labsの内部

新しく立ち上げられたResolve AI Labsは、このビジョンを推進するために、ソフトウェアシステムをエンドツーエンドで操作するための基礎技術を構築することを目的としています。

ラボは、Dhruv Mahajanによって率いられます。彼は以前、MetaでLlamaモデルへのポストトレーニングに取り組んでいました。

エージェントにのみ焦点を当てるのではなく、ラボは運用AIにフルスタックアプローチを取ります。これには以下が含まれます：

• 本稼働データでトレーニングされたドメイン固有のモデル
• ログ、メトリクス、トレース、インフラストラクチャイベントを横断して推論するシステム
• リアルワールドのワークフローで信頼性を測定するための評価フレームワーク
• モデルのテストと改善のためのシミュレーション環境
• 安全で制御された自動化を確保するためのガバナンスレイヤー

これは、AI開発におけるより広範なシフトを反映しており、生のモデル機能から、安全で制御された方法でリアルワールドの環境で動作できるシステムへの移行です。

アシスタンスからオートノミーへ

Resolve AIは、AI for ProductionまたはAIパワードのサイト信頼性エンジニアリング（SRE）と呼ばれる、成長するカテゴリの一部です。これらのシステムは、コードアシスタントとは異なり、ライブ環境を操作するように設計されています。アラートをトリアージし、障害を診断し、インシデントをリアルタイムで解決します。

会社のプラットフォームはすでに、エンジニアリングチームがインシデントを大幅に迅速に調査できるようにしています。AIシステムは複雑な依存関係を横断してシステムの動作を分析し、根本原因を特定できます。

時間の経過とともに、支援からオートノミーへの移行が目標です。エンジニアが手動でアラートに応答するのではなく、AIシステムが大部分の運用作業を処理し、リスクとコンテキストに基づいて人間の監視が適用されるようになります。

エンタープライズ顧客との初期トラクション

Resolve AIの急速な資金調達のトラジェクトリは、この機能に対する強いエンタープライズ需要を反映しています。会社は2年未満で1億9千万ドル以上を調達しており、すでにCoinbase、DoorDash (DASH ) 、Salesforce、MSCI、Zscalerなどの組織と協力しています。

これらは、ダウンタイムが高額なコストをもたらし、信頼性が重要な環境です。インシデントレスポンスタイムやシステムの安定性の小さな改善でも、重大なビジネスへの影響につながる可能性があります。

Resolve AIのような会社の出現は、AIエコシステムのより広範な進化を示しています。

最初の波の生成的なAIは、コードの書き込み、コンテンツの生成、ワークフローの加速に焦点を当てていました。次のフェーズは、作成されたものが信頼性高くスケールで動作することを保証することです。

このシフトは、新しい技術的な課題をもたらします。時間を横断して推論し、不確実性を処理し、複数のツールとやり取りし、厳格な制約内で動作するシステムが必要です。また、従来のベンチマークでは捉えられないリアルワールドの運用パフォーマンスを測定する新しい評価方法も必要です。

これから先の意味

AIがソフトウェア開発を加速させ続けるにつれて、本稼働はますますボトルネックになります。複雑なシステムを信頼性高く動作させる能力は、次の世代のエンタープライズAIプラットフォームを定義することになるかもしれません。

Resolve AIの最新の資金調達と研究ラボの立ち上げは、この問題が前面に出ていることを示しています。如果成功すれば、会社は単に別のAIツールを構築しているのではなく、ソフトウェアシステムが実行される方法を再定義するのに役立つことになります。

長期的な意味は、AIシステムと人間のエンジニアが連携して作業する環境へのシフトです。マシンは本稼働の複雑さを処理し、人間はより高いレベルのデザイン、戦略、イノベーションに焦点を当てます。