Resolve AI, 1.5억 달러 평가로 4천만 달러의 시리즈 A 확장 투자 유치로 소프트웨어의 가장 어려운 문제인 프로덕션 해결에 나서

Resolve AI는 DST Global과 Salesforce Ventures가 주도한 1.5억 달러의 평가로 4천만 달러의 시리즈 A 확장 투자를 유치했습니다. 이 투자는 인공지능이 소프트웨어 개발을 급격하게 가속화한 시점에 이루어졌지만, 배포된 후 소프트웨어를 유지하는 방법은 아직 해결되지 않은 문제입니다.

투자와 함께, 회사는 Resolve AI Labs라는 전용 연구과제를 도입했는데, 이는 AI 스택에서 가장 중요한 간격 중 하나인 프로덕션 환경에서 소프트웨어를 신뢰성 있게 운영할 수 있는 능력을 닫는 것을 목표로 합니다.

아무도 해결하지 못한 병목 현상: 프로덕션

AI는 코드를 작성하는 속도를 빠르게 했습니다. 대규모 언어 모델을 사용하는 도구는 이제 몇 분 안에 전체 애플리케이션을 생성할 수 있습니다. 그러나 그 코드가 배포되면 현실은 훨씬 더 복잡해집니다.

프로덕션 환경은 인프라, 텔레메트리, 로그, 의존성 및不断 변경되는 서비스로 구성된 단편적인 시스템입니다. 엔지니어는 모든 시스템에서 신호를 해석하여 실패를 진단해야 하며, 이는 시간 압박과 불완전한 정보下에서 이루어집니다.

이것이 Resolve AI가 집중하는 영역입니다. 그들의 플랫폼은 코드, 인프라, 텔레메트리를 연결하여 사건을 조사하고根本 원인을 식별하며 조치를 취합니다. 본질적으로 자율적인 프로덕션 엔지니어로 작동합니다.

도전은 기술적인 복잡성만이 아닙니다. 그것은 또한 규모입니다. AI가 코드 생성을 가속화함에 따라, 조직은 자신의 팀이 현실적으로 관리할 수 있는 것보다 더 많은 소프트웨어를 생성하고 있습니다. 결과는 개발 속도와 운영 안정성 간의 차이가 커지는 것입니다.

일반 AI 모델이 부족한 이유

Resolve AI의 접근 방식의 핵심 테제는 일반 목적의 AI 모델이 프로덕션 환경에 설계되지 않았다는 것입니다.

기반 모델은 빠르게 개선되고 있지만, 운영 시스템의 현실에 최적화되지 않았습니다. 프로덕션에는 시끄럽고, 불완전하고, 종종 충돌하는 데이터 스트림을 통해 推論하는 것이 필요합니다. 또한 높은 수준의 정확성, 신뢰성 및 제어가 필요하며, 실수는 중단, 재정적 손실 또는 보안 위험으로 이어질 수 있습니다.

Resolve AI는 프로덕션 워크플로우에 맞춰진 도메인 특정 모델과 에이전트 시스템을 구축하여 이를 해결합니다. 이러한 시스템은 로그를 해석하고, 시스템 변경을 분석하고, 이벤트를 상관시키고, 여러 도구에 걸쳐 다단계 복구 프로세스를 실행할 수 있습니다. 이러한 작업은 전통적으로 경험豊富한 엔지니어가 수행해야 하는 작업입니다.

Resolve AI 연구소 내부

새로 출시된 Resolve AI 연구소는 이 비전을 앞으로推進하기 위해 프로덕션 시스템을 종단간으로 운영할 수 있는 기초 기술을 구축하는 것을 목표로 합니다.

연구소는 Dhruv Mahajan이 이끌며, 그는 이전에 Meta에서 Llama 모델의 사후 교육에 대해 작업했습니다.

에이전트에만 집중하는 것이 아니라, 연구소는 운영 AI에 대한 풀 스택 접근 방식을 취할 것입니다. 이는 다음을 포함합니다:

• 프로덕션 데이터로 훈련된 도메인 특정 모델
• 로그, 메트릭, 트레이스 및 인프라 이벤트를 통해 推論하는 시스템
• 실제 워크플로우에서 신뢰성을 측정하기 위한 평가 프레임워크
• 모델을 테스트하고 개선하기 위한 시뮬레이션 환경
• 안전하고 제어된 자동화를 보장하기 위한 거버넌스 계층

이는 AI 개발의 더广い 전환을 반영합니다. 원시 모델 능력으로부터 실제 환경에서 안전하게 작동할 수 있는 시스템으로의 전환입니다.

조력에서 자율성으로

Resolve AI는 “프로덕션을 위한 AI” 또는 AI 기반 사이트 신뢰성 엔지니어링(SRE)로 알려진 카테고리의 일부입니다. 코드 조력자와 달리, 이러한 시스템은 라이브 환경에서 작동하도록 설계되었습니다. 즉, 경보를 분류하고, 실패를 진단하고, 사건을 실시간으로 해결합니다.

회사의 플랫폼은 이미 엔지니어링 팀이 사건을 훨씬 더 빠르게 조사할 수 있도록启用하고 있으며, AI 시스템은 복잡한 의존성을 통해 시스템 동작을 분석하고根本 원인을 식별할 수 있습니다.

시간이 지남에 따라, 야망은 조력에서 자율성으로 이동하는 것입니다. 엔지니어가 수동으로 경보에 응답하는 대신, AI 시스템이 대부분의 운영 작업을 처리할 수 있으며, 인간의 감독은 위험과 상황에 따라 적용될 것입니다.

엔터프라이즈 고객과 초기 트랙션

Resolve AI의 빠른 자금 조달 궤도는 이 기능에 대한 강한 엔터프라이즈 수요를 반영합니다. 회사는 2년 미만의 기간에 1억 9천만 달러 이상을 조달했으며, 이미 Coinbase, DoorDash, Salesforce, MSCI 및 Zscaler와 같은 조직과 협력하고 있습니다.

이러한 환경에서는 다운타임이 비용이 많이 들고, 신뢰성이 중요합니다. 즉, 사건 반응 시간이나 시스템 안정성의 작은 개선은 상당한 비즈니스 영향을 미칠 수 있습니다.

Resolve AI와 같은 회사의 출현은 AI 생태계의 더广い 진화를 나타냅니다.

첫 번째 波의 생성적 AI는 생성에 중점을 두었습니다. 즉, 코드 작성, 콘텐츠 생성 및 워크플로우 가속화입니다. 다음 단계는 무엇을 구축하는지 확인하는 것입니다. 즉, 신뢰성 있게 확장할 수 있는지 확인하는 것입니다.

이 전환은 새로운 기술적인 도전을 가져옵니다. 즉, 시간이 지남에 따라 推論할 수 있는 시스템, 불확실성을 처리할 수 있는 시스템, 여러 도구와 상호 작용할 수 있는 시스템 및 엄격한 제약 조건 내에서 작동할 수 있는 시스템이 필요합니다. 또한 전통적인 벤치마크가 실제 운영 성능을 캡처하지 못하므로 새로운 평가 방법이 필요합니다.

미래를 위한 의미

AI가 소프트웨어 개발을 가속화하는 동안, 프로덕션은 점점 더 제한적이 될 것입니다. 복잡한 시스템을 신뢰성 있게 운영할 수 있는 능력은 다음 세대의 엔터프라이즈 AI 플랫폼을 정의할 수 있습니다.

Resolve AI의 최신 자금 조달과 연구소의 출시로 이 문제가 앞으로 나아가고 있습니다. 회사가 성공한다면, 단순히 또 다른 AI 도구를 구축하는 것이 아닙니다. 소프트웨어 시스템을 실행하는 방법을 재정의하는 것을 도와줍니다.

장기적인 의미는 프로덕션의 복잡성을 처리하는 기계와 더 높은 수준의 설계, 전략 및 혁신에 집중하는 인간 엔지니어와 함께 작동하는 환경으로의 전환입니다.