Tsuga, AI 관찰 가능성 인프라의 한계에 도전하는 3,500만 달러의 시리즈 A 자금 조달

파리 기반의 관찰 가능성 스타트업 Tsuga는 3,500만 달러의 시리즈 A 자금을 조달했으며, 이는 스타트업이 은신 상태에서 벗어나 menos 한 해가 지난 후에 이루어진 것으로, 기업들은 AI를 동력으로 하는 시스템의 복잡성과 비용을 감당하기 위해 노력하고 있다.

이 라운드는 Singular가 주도했으며, 기존 투자자인 General Catalyst와 새로운 투자자인 DST Global 및 QuantumLight가 참여했으며, Picus와 Databricks Ventures의 지원을 받았다. 이 자금 조달은 회사의 급성장 期에 이루어진 것으로, 회사는 이미 수백만 달러의 연간 반복 수익을 확보하고 Le Monde, Camunda, Buk, Black Forest Labs 등의 고객을 확보했다.

신규 자금은 팀을 약 100명으로 확대하고 플랫폼 개발을 가속화하는 데 사용될 예정이다.

관찰 가능성이 새로운 도전에 직면하는 이유

관찰 가능성 플랫폼은 로그, 메트릭, 트레이스 등의 원격 측정 데이터를 수집하여 애플리케이션, 인프라, 그리고 점점 더 많은 AI 시스템을 모니터링하는 데 도움이 된다. 기업들이 더 많은 AI 에이전트와 자율 시스템을 배포함에 따라 원격 측정 데이터의 양이 크게 증가하고 있다.

Tsuga에 따르면, 전통적인 관찰 가능성 아키텍처는 고객이 원격 측정 데이터를 벤더 운영 클라우드 플랫폼으로 보내는 모델을 중심으로 구축되었다. 이 접근 방식은 데이터 볼륨이 작을 때는 작동했지만, AI 워크로드는 훨씬 더 많은 원격 측정 데이터를 생성하여 수신 비용을 증가시키고 민감한 데이터를围绕한 새로운 거버넌스 도전을 만들고 있다.

회사는 많은 조직이現在 비용을 통제하기 위해 샘플링을 통해 원격 측정 데이터의 볼륨을 줄이거나, 급격하게 증가하는 관찰 가능성 비용을 수용해야 하는 선택을迫られている다고 주장한다.

다른 접근 방식: 자체 클라우드 사용

2024년에 Datadog의 전 임원인 Gabriel-James Safar와 Sébastien Deprez가 설립한 Tsuga는 자체 클라우드(BYOC) 아키텍처를 중심으로 구축되었다.

원격 측정 데이터를 제3자 서비스로 보내는 대신, 플랫폼은 고객의 클라우드 환경 내에서 직접 배포된다. 회사의 플랫폼은 AWS, Microsoft Azure, Google Cloud, 주권 클라우드 환경 등을 포함한 주요 클라우드 제공업체에서 실행된다. 원격 측정 데이터는 고객의 인프라 내에서 유지되며, 고객의 오브젝트 저장소에 저장되고, 고객의 보안 컨트롤을 사용하여 암호화된다.

이 아키텍처는 데이터 주권 요구 사항, 규정 준수 문제, 인프라 비용, 벤더 잠금 등의 여러 도전을 동시에 해결하도록 설계되었다. Tsuga는 OpenTelemetry와 같은 오픈 표준을 지원하며, 오픈 데이터 형식을 사용하여 고객이 원격 측정 데이터를 제어할 수 있도록 한다.

AI 시스템을 위한 관찰 가능성 구축

AI 애플리케이션의 부상은 또한 조직이 모니터링해야 하는 내용을 변경하고 있다.

전통적인 로그, 메트릭, 애플리케이션 트레이스 외에도, 기업들은 점점 더 많은 AI 특정 워크플로우에 대한 가시성을 필요로 한다. 이러한 워크플로우에는 프롬프트 실행, 토큰 사용, 에이전트 상호 작용, 信頼성 점수, 멀티 에이전트 호출 체인이 포함된다. Tsuga의 플랫폼은 이러한 기능을 단일 환경으로 결합하여 데이터를 고객의 클라우드 경계 내에서 유지한다.

회사는 “AI 네이티브 관찰 가능성” 플랫폼으로 пози션을 잡고 있으며, AI 워크로드를 위한 관찰 가능성 도구를 제공한다. 이러한 기능에는 AI 기반 이상 탐지, 자동 루트 원인 분석, 배포 모니터링, 에이전트 관찰 가능성 기능이 포함된다.

Tsuga는 또한 MCP 서버와 명령줄 도구를 제공하여 엔지니어링 팀이 원격 측정 데이터를 이동하지 않고도 플랫폼 위에 자체 AI 에이전트를 구축할 수 있도록 한다.

소프트웨어와 함께 제공되는 서비스 계층

다른 많은 SaaS 벤더와 달리, Tsuga는 소프트웨어와 함께 전방 배치된 엔지니어링 모델을 결합한다.

회사는 고객과 직접 협력하여 원격 측정 환경을 최적화하고, 불필요한 데이터 수집을 줄이고, 관찰 가능성 효율성을 시간이 지남에 따라 개선하는 데 도움이 된다. 이 접근 방식은 기업 소프트웨어에서 기술과 함께 운영 전문 지식을 제공하는 더广泛한 추세를 반영한다.

조직이 AI 배포를 확대함에 따라, 결과적으로 발생하는 원격 측정 데이터의 홍수 관리는 점점 더 중요한 운영 도전이 되고 있다. Tsuga의 접근 방식은 데이터를 수집하고 분석하는 것뿐만 아니라, 고객이 처리하고 유지해야 하는 정보의 볼륨을 줄이는 데 도움이 된다.

보다 중립적인 버전은 다음과 같다.

관찰 가능성의 우선순위가 바뀌는 징조

자금 조달은 인프라 팀이 점점 더 AI 주도 환경에서 관찰 가능성 시스템을 어떻게 통합할지 재평가하는 시기에 이루어졌다.

조직이 더 많은 AI 애플리케이션과 자율 에이전트를 배포함에 따라, 원격 측정 데이터의 볼륨은 계속 증가하여, 이전에 일반적이었던 아키텍처에 추가적인 압력을 가하고 있다. 同时에, 데이터 거버넌스, 규정 준수, 비용 관리가 기업 구매자에게 더 중요한 고려 사항이 되고 있다.

Tsuga의 접근 방식은 이러한 도전에 대한 하나의 반응을 나타낸다. 즉, 관찰 가능성 데이터를 벤더 운영 플랫폼으로 라우팅하는 대신, 고객이 제어하는 클라우드 환경 내에서 유지하는 것이다. 이 모델이 더广泛하게 채택될지는 미래에 달려 있지만, AI 워크로드가 기업 인프라의 더 큰 부분이 되는 동안 관찰 가능성 시장의 진화를 강조한다.

최근의 자금 조달을 통해 Tsuga는 현대적인 소프트웨어 시스템을 모니터링하고 관리하는 새로운 접근 방식을 탐색하는 여러 스타트업에 합류했다. 회사의 성장은 일부 조직이 AI 네이티브 애플리케이션의 운영 요구 사항에 적응함에 따라 전통적인 관찰 가능성 아키텍처의 대안을積極적으로 평가하고 있음을 시사한다.