Traversal、企業価値10億ドルでシリーズBとして1億2,000万ドルを調達し、AI SREを拡大

Traversalが発表したのは、2026年11月3日、企業価値10億ドルで1億2,000万ドルのシリーズB資金調達を実施し、自律運用型の本番システムに向けた取り組みを加速させるとともに、研究、エンジニアリング、市場開拓の各職種で採用を拡大するという計画だ。

Kleiner Perkins、Redpoint Ventures、Khosla Venturesが共同で本ラウンドを主導し、Sequoia Capital、Battery Ventures、Amex Venturesも参加した。既存投資家のKleiner PerkinsとSequoiaは出資を増額した。Traversalがステルス状態を脱した2025年6月に発表した4,800万ドルの調達と、2025年12月のAmex Venturesによる戦略的投資を経て、累計調達額は現在1億7,300万ドルに達している。

ソフトウェア運用の外側のループを構築

Traversalは、3人の共同創業者が因果機械学習と強化学習について行ってきた学術研究を基盤に、インシデントの根本原因分析から事業を始めた。その中心的な考え方は、インシデントでは多数のシグナルが同時に発生するため、もっともらしい相関関係だけではシステム障害の原因を特定できないというものだ。Production World Modelは、生のテレメトリーデータ、コード、デプロイ履歴、組織の知識を、本番環境をAIが読み取れる形で継続的に更新される表現へと変換する。Causal Search Engineは、数千の仮説を並行して検証し、システム間の依存関係や発生タイミングを追跡して、証拠に裏付けられた原因に絞り込むよう設計されている。

Traversalは、ほぼ2年にわたる研究とエンジニアリングを経て、2026年3月にこの2つのシステムを正式に発表した。現在、ワーカーは自律的に先回りして動く長時間稼働型エージェントとして機能し、インシデントやアラートの発生時に状況を把握し、調査を行い、復旧対応を支援する。Traversal MCPにより、本番環境に関するこのインテリジェンスをコーディングエージェントが利用できるようになり、運用上の証拠と、インシデントの予防を目的とした開発作業が結び付く。

長期的な目標は、問題を検知し、その原因を把握し、是正措置を実行し、措置が有効だったことを検証したうえで、再発を防ぐソフトウェアの実現だ。このロードマップを踏まえると、今回の資金調達は既存の調査製品の拡大であると同時に、より自律的な運用への賭けでもある。

根本原因分析にとどまらない成長を報告

Traversalによると、2026年に月間調査件数は100倍を超える伸びを記録し、513件から約73,000件に増加した。現在、製品利用のおよそ3分の2は根本原因分析以外にも広がっており、アラートのトリアージ、リリースリスク、CMDBの検証、セキュリティ、顧客ジャーニーの健全性、本番環境のサポートに関する問い合わせに活用されている。この利用状況は、インシデント発生後の診断に加え、継続的な運用上の意思決定にも利用が広がっていることを示している。

資金調達に関する発表資料でTraversalは、年初来の年間経常収益が9倍に増加したこと、直近の四半期に顧客の調査を15万件超実施したこと、4,000人を超えるエンジニアを支援していることを報告している。Nubank、Harvey、DigitalOcean、PepsiCoなどの企業環境でこのプラットフォームが利用されている。NubankのCEOであるDavid Vélezは、自社での導入は開始からわずか5週間で、成果が維持されるにつれて段階的に拡大していると説明した。これは、導入状況を示す数字がまだ初期段階のものであることを示す但し書きだ。

ベンチマークが示す証拠とその限界

技術的な難しさは、Cornell Tech、Traversal、Columbia Universityに所属する研究者による論文ORCA-benchで別途記録されている。このベンチマークには、OpenTelemetryで計測された19個のマイクロサービスから得た、6日間にわたる50 GB超のメトリクス、ログ、トレースを基に構築された根本原因分析タスクが1,079件含まれる。エージェントは実際の可観測性インターフェースとソースコードを使用し、タスクごとに、報告の具体性、検知の遅延、同時に発生する障害の条件が異なるよう設定された。

評価対象となった汎用エージェント5種類について、論文では、根本原因の特定精度が中程度の難易度のタスクで最高25.3%、難易度の高いタスクで10.0%だったと報告している。モデルによって異なるものの、インシデント報告の7%から40%で、もっともらしくない根本原因が幻覚として示された。すべてのモデルで、ソースコードへのアクセスをなくすと精度が低下し、幻覚が増加した。この結果は、流暢にコードを扱える能力が、信頼できるオンコール診断にそのまま結び付くわけではないという見解を裏付けている。

これらのスコアは、Traversalが本番環境で達成した性能を測定するものではない。著者らは、根拠となるのは6日間にわたる管理された公開テスト環境での結果であり、各タスクは個別に処理されたと注意を促している。より大規模で変化し続ける独自環境でも同じ結果が得られるかどうかは、まだ検証されていない。したがって、このベンチマークが示すのは、自律的なオンコール対応が直面する研究上の課題であり、同社の自律運用型本番システムのロードマップを実証するものではない。

Traversalが報告する導入の広がりとベンチマークの結果は、同じ目標に向かう異なる段階を示している。現在の事業は、調査と、より幅広い本番環境の課題への対応を軸に展開されている。自律運用型の本番システムを実現するうえで未解決の課題は、複雑な顧客環境全体にわたって、同社の因果分析システムが是正措置を実行し、その結果を検証して再発を防げるかどうかだ。