그라운드커버, AI 시대 관측 가능성 플랫폼 확장 위해 1억 달러 시리즈 C 투자 유치

클라우드 관측 가능성 회사인 그라운드커버는 엔지니어링 팀과 AI 에이전트가 점점 더 복잡해지는 프로덕션 환경을 이해하는 데 도움이 되는 플랫폼을 확장하기 위해 $1억 달러의 시리즈 C 자금을 유치했습니다.

이 라운드는 원 피크가 주도했으며, 모간 스탠리 확장 자본 (MS )과 기존 투자자 지브 벤처스, 앵귤러 벤처스, 헤비비트 및 지브가 참여했습니다. 이는 그라운드커버의 총 자금을 1억 6천만 달러로 늘렸습니다.

이 자금은 회사에서 연간 반복 수익을 3배 증가시키고, 글로벌 인력을 2배 늘리고, 250개 이상의 유료 고객을 확보한 1년 후에 이루어졌습니다. 그라운드커버의 고객 기반은 초기 스타트업부터 포춘 5 기업에 이르기까지 다양하며, 회사도 지난 12개월 동안 여러 7자리 수의 계약을 체결했다고 보고했습니다.

관측 가능성이 직면한 AI 주도 데이터 문제

관측 가능성 플랫폼은 로그, 메트릭, 트레이스를 수집하고 분석하여 엔지니어링 팀이 애플리케이션과 인프라가 프로덕션에서 어떻게 작동하는지 이해하는 데 도움이 됩니다.

이 작업은 클라우드 네이티브 시스템이 확장되고 회사에서 대규모 언어 모델, 자율 에이전트 및 점점 더 상호 연결된 애플리케이션 스택을 도입함에 따라 더 어려워지고 있습니다. AI 애플리케이션은 프롬프트, 모델 응답, 툴 호출, 데이터베이스, API 및 각 상호 작용을 지원하는 인프라를 통해 텔레메트리를 생성할 수 있습니다.

더욱 자세한 가시성을 통해 엔지니어는 환상, 성능 저하, 실패한 툴 호출 및 보안 위험을 식별할 수 있습니다. 그러나 이러한 컨텍스트를 수집하는 것은 관측 가능성 시스템으로 유입되는 데이터의 볼륨과 민감성을 크게 증가시킬 수 있습니다.

전통적인 플랫폼은 텔레메트리를 샘플링하거나 필터링하여 이러한 비용을 관리합니다. 이는 기본 데이터를 더 다루기 쉽게 만들 수 있지만, INCIDENT를 재구성하기 위해 필요한 정확한 정보를 제거할 수도 있습니다. 이 제한은 특히 AI 에이전트가 지속적인 인간의 지시 없이 문제를 조사하거나 변경을 제안해야 하는 경우에 특히 중요합니다.

그라운드커버는 커널 수준에서 데이터를 수집하고 고객의 클라우드 환경 내에서 저장함으로써 이 모델의 대안으로서의 자신의 아키텍처를 пози션합니다.

그라운드커버의 BYOC 아키텍처가 작동하는 방식

플랫폼의 중심에는 BYOC(사용자 클라우드 가져오기) 아키텍처가 있습니다. 모든 관측 가능성 데이터를 벤더 운영 소프트웨어 서비스 환경으로 전송하는 대신, 그라운드커버는 고객의 클라우드에서 분리된 계정 내에 데이터 플레인을 배포합니다.

로그, 인프라 메트릭, 사용자 정의 메트릭, 트레이스 및 쿠버네티스 이벤트는 따라서 고객의 인프라 내에 남아 있을 수 있습니다. 별도의 제어 플레인은 플랫폼을 관리하지만, 네트워크 수준에서 프로덕션 워크로드 및 텔레메트리와 분리됩니다.

이安排은 고객에게 관리 소프트웨어 경험을 제공하면서 데이터 거주지, 개인 정보 보호 및 보안에 대한 제어를 유지하는 것을 목표로 합니다. 이는 특히 관측 가능성 기록에 프롬프트, 모델 출력, 툴 인수, 사용자 정보 또는 에이전트의推論 프로세스의 일부가 포함될 수 있는 AI 워크로드에 대해 관련이 있습니다.

회사는 또한 더 엄격한 격리 요구 사항이 있는 조직을 위해 온프레미스 및 에어 갭 배포도 지원합니다.

eBPF와 오픈 텔레메트리 결합

그라운드커버는 확장된 버클리 패킷 필터(eBPF)를 통해 대부분의 텔레메트리를 수집합니다. 이 기술을 사용하면 프로그램이 리눅스 커널 내에서 활동을 관찰할 수 있으며, 이는 네트워크 통신, 애플리케이션 프로세스 및 리소스 사용에 대한 가시성을 제공합니다.

그라운드커버는 적응형 eBPF 센서를 코드 변경 없이 배포하고 쿠버네티스 환경에서 애플리케이션 및 인프라 텔레메트리를 캡처하는 데 사용할 수 있다고 말합니다.

그라운드커버는 오픈 텔레메트리와 통합하여 텔레메트리를 생성, 처리 및 내보내는 데 사용되는 공통 API, 소프트웨어 개발 키트 및 도구를 제공하는 오픈 소스 프레임워크와도 통합됩니다.

이 조합은 조직에 보완적인 정보 소스를 제공합니다. eBPF는 인프라 및 네트워크 계층에서 활동을 자동으로 캡처할 수 있으며, 오픈 텔레메트리는 개발자가 의도적으로 추가한 애플리케이션별 컨텍스트를 제공할 수 있습니다.

AI 에이전트를 위한 관측 가능성 확장

그라운드커버의 야망은 인간 운영자용 대시보드를 제공하는 것을 넘어섭니다. 에이전트 모드는 엔지니어가 플랫폼 내에서 사용 가능한 텔레메트리를 사용하여 INCIDENT를 조사하고, 근본 원인 분석을 수행하며, 가능한 수정 단계를 식별하는 데 도움이 됩니다.

그라운드커버는 로그 컬렉션에 일반적인 채팅봇을 배치하는 대신 내부 API를 통일된 쿼리 언어인 GCQL로 재구성했습니다. 에이전트가 취한 동작은 검사할 수 있으며, 결과는 엔지니어가 독립적으로 사용할 수 있는 네이티브 그라운드커버 자산으로 변환될 수 있습니다.

그라운드커버는 또한 모델 컨텍스트 프로토콜 지원을 도입하여 개발자가 프로덕션 텔레메트리를 호환되는 AI 에이전트 및 개발 환경으로 가져올 수 있도록 했습니다. AI 관측 가능성 도구는 모델 요청의 더 넓은 실행 컨텍스트를 캡처하도록 설계되었습니다.

이것은 팀이 문제가 모델 자체, 외부 API, 검색 시스템, 인프라 병목 현상 또는 에이전트가 취한 동작의 순서에서 발생했는지 여부를 결정하는 데 도움이 될 수 있습니다. 그라운드커버는 eBPF 기반 접근 방식을 사용하여 API 요청 및 응답 내용을 검사하여 팀이 외부 모델 공급자에게 전송되는 이상 또는 민감한 정보를 обнаруж하는 데 도움이 될 수 있다고 말합니다.

“우리는 관측 가능성에 대한 BYOC의 끝없는 힘과 eBPF의 잠재력을 활용하는 유일한 플랫폼입니다.”라고 그라운드커버의 CEO이자 공동 창립자 인 샤하르 아줄라이(Shahar Azulay)는 말합니다. “이 고유한 아키텍처 위에 그라운드커버는 에이전트 모드를 구축했습니다. 이는 엔지니어가 프로덕션에서 문제를 표면화, 해결 및 수정하는 데 도움이 됩니다.”

아줄라이는 새로운 자본이 엔지니어링 팀과 에이전트가 프로덕션 운영에서 협력하는 방식을 변경하기 위한 회사의 노력을 지원할 것이라고 말했다.

미래의 영향

AI 에이전트의 성장은 관측 가능성 플랫폼에서 기대하는 것을 변경할 수 있습니다. 모니터링 도구는 전통적으로 엔지니어가何か가 잘못된 후에 INCIDENT를 조사하는 데 도움이 되었습니다. 그러나 자율 시스템은 문제를 식별하고, 종속성을 추적하며, 실시간으로 수정 조치를 추천하기 위해 자세한 프로덕션 데이터에 지속적인 액세스가 필요할 수 있습니다.

이것은 가시성, 비용 및 제어 사이에 긴장을 생성합니다. AI 애플리케이션은大量의 로그, 트레이스 및 메트릭을 생성할 수 있으며, 텔레메트리는 민감한 프롬프트, 모델 출력 및 고객 정보를 포함할 수 있습니다. 따라서 회사의 클라우드 환경 내에서 데이터를 유지하는 아키텍처는 규제 산업 또는 엄격한 데이터 거주지 요구 사항이 있는 조직에서 더욱 매력적으로 될 수 있습니다.

더 넓은 질문은 AI 에이전트가 관측 가능성 데이터를 요약하는 것보다 행동할 수 있는지 여부입니다. 불완전한 텔레메트리, 오도된 상관 관계 또는 잘 정의되지 않은 권한으로 인해 자동화된 시스템이 INCIDENT를 잘못 진단하거나 불필요한 변경을 가할 수 있습니다. 인간의 감독, 감사 트레이스 및 자동 동작에 대한 명확한 제한은 이러한 기능이 성숙함에 따라 중요하게 유지될 것입니다.

그라운드커버의 자금은 대규모에서 AI 시스템을 운영하는 데 필요한 인프라에 대한 관심이 증가하고 있습니다. 장기적인 중요성은 관측 가능성 플랫폼이 대화형 인터페이스를 추가할 수 있는지 여부에 덜 의존하고, 인간과 자동 에이전트가 프로덕션 환경에서 합리적인 결정을 내릴 수 있도록 충분히 완전하고, 안전하며, 신뢰할 수 있는 데이터를 제공할 수 있는지 여부에 더 의존할 것입니다.