ํ๋ฉ
์ฝ์ค๋ชจ์ค, ๊ธฐ์ ์ IT ์ฌ๊ณ ์กฐ์ฌ ๋น์ฉ ์ ๊ฑฐ๋ฅผ ๋์์ฃผ๋ ํ๋ซํผ์ผ๋ก 500๋ง ๋ฌ๋ฌ ํฌ์ ์ ์น
시카고 기반의 스타트업 코스모스는 500만 달러의 시드 펀딩을 노르웨스트가 주도하여 기업용 IT에서 가장 지속적이고 비싼 도전 중 하나인 사고 조사에 시간을 투입하는 것을 해결하기 위한 AI-네이티브 운영 지능 플랫폼을 출시하면서 받았다.
기업은 관찰 가능성, 모니터링, IT 서비스 관리 도구에大量 투자했지만, 지원 및 엔지니어링 팀은 여전히 분산된 시스템에서 장애 및 고객 영향 사고의 근본 원인을 수동으로 추적하는 데 수많은 시간을 보낸다. 코스모스는 “조사 비용”이라고 부르는 것을 줄이려고 한다. 즉, 엔지니어, 지원 리더, 사고 대응 팀이 티켓 시스템, 소스 코드 저장소, 고객 지원 플랫폼, 관찰 도구에 걸쳐 있는 정보를 수동으로 연결해야 하는 경우에 발생하는 운영 부담이다.
조사 비용의 증가하는 문제
過去 10년 동안 기업은 인프라를 모니터링하고 소프트웨어 운영을 관리하기 위한 도구의 증가하는 컬렉션을 채택했다. Jira, ServiceNow, GitHub, Salesforce, Datadog, Grafana, Splunk와 같은 플랫폼은 기술 스택의 다양한 부분에 대한 귀중한 통찰력을 제공한다. 그러나 사고가 발생하면 중요한 컨텍스트는 종종 이러한 시스템에 걸쳐 있는 시로에 남아 있다.
모던 소프트웨어 아키텍처가 점점 더 분산되면서 여러 플랫폼에 걸쳐 있는 정보를 상관시키는 도전이 강화되었다. 팀은 필요한 모든 데이터를 가지고 있지만, 그것을 빠르게 찾고 연결하는 것이 여전히 어렵다. 결과는 더 긴 해결 시간, 반복되는 사고, 엔지니어링 리소스가 제품 개발 및 혁신에서 멀어지는 것이다.
많은 조직에서 가장 경험 많은 엔지니어가 주요 고객 문제가 발생할 때마다 기본적인 조사자가 된다. 이러한 엔지니어는 전략적 작업에서 멀어져서 타임라인을 재구성하고, 코드 변경을 검토하고, 지원 티켓을 분석하고, 실제로 사고를 gây한 것을 결정한다. 이러한 조사들의 숨겨진 비용은 단지 다운타임 자체를 넘어선다.
운영 지능에 대한 AI-네이티브 접근
코스모스는 기존 기업 시스템을 대체하는 것이 아니라, 그것 위에 있는 계층으로 자신을 위치시키고 있다. 플랫폼은 GitHub, Jira, Salesforce, ServiceNow, Datadog, Grafana, Splunk 및 기타 운영 도구에서 데이터를 연결하여 사고 및 고객 에스컬레이션에 대한 통일된 뷰를 생성한다.
회사에 따르면, 플랫폼은 고객 사례, 코드 변경, 서비스 사고, 인프라 신호를 자동으로 상관시켜 근본 원인이 될 가능성이 있는 것을 표면화한다. 자율적인 AI 결정만을 의존하는 것이 아니라, 기계 생성 상관관계가 사용자에 의해 검토되고 검증된 후에 플랫폼의 지식 베이스의 일부가 되는 인간-루프 접근 방식을 사용한다.
이것은 시스템이 패턴을 식별하는 능력을 시간이 지남에 따라 개선하면서 투명성과 신뢰를 유지하는 지속적인 피드백 루프를 생성한다. 더 많은 경고를 생성하는 것이 아니라, 팀이 왜 문제가 발생했는지 이해하는 데 필요한 컨텍스트를 제공하는 것이 목표이다.
첫손 경험에서 구축
설립자이자 CEO인 산제이 기드와니는 20년 이상의 기업 전달 운영 및 Salesforce 생태계에서 일하면서 반복적으로 직면한 문제를 중심으로 회사를 구축했다.
그의 경력 전체에서, 기드와니는 동일한 패턴을 관찰했다. 주요 고객 문제가 발생하면, 조직은 가장 경험 많은 기술 인력을 조사하기 위해 동원한다. 그러나, 이러한 전문가들은 종종 분리된 시스템에서 정보를 수집하기 전에 며칠을 보낸다.
그 경험은 코스모스의 핵심 테제를 형성했다. 기업용 IT에서 가장 큰 운영 비효율성 중 하나는 실제로 해결을 시작하기 전에 발생한다. 조직이 문제의 원인을 더 빠르게 식별할 수 있다면, 사고를 더 빠르게 해결하고, 유사한 문제가 반복되는 가능성을 줄일 수 있다.
미래를 향해
코스모스의 출시반은 기업 기술 전체에서 발생하는 더广い 변화를 반영한다. 조직이 점점 더 복잡한 클라우드 환경, 마이크로 서비스 아키텍처, AI-파워드 애플리케이션을 채택함에 따라, 운영 데이터는 계속해서 증가하지만, 수십 개의 플랫폼에 걸쳐 있다.
다음 세대의 운영 지능 도구는 자동으로 신호를 연결하고, 패턴을 식별하며, 개인 팀 내에 잠겨 있는 기관 지식을 보존함으로써 이러한 간격을 메우는 것을 목표로 한다. 더 빠른 사고 해결을 넘어, 이러한 시스템은 조직이 엔지니어링 노력을 줄이고, 반복되는 문제를 방지하며, 기술 인력이 제품을 구축하는 데보다 더 많은 시간을 할애할 수 있도록 도와줄 수 있다.
기업 환경이 더 복잡해짐에 따라, 분산된 운영 데이터를 실행 가능한 지능으로 변환하는 능력은 시스템 자체를 모니터링하는 것만큼 중요해질 수 있다. 코스모스는 조사 비용을 줄이는 것이 그 미래의 중요한 부분이 될 것이라고 베팅하고 있다.
