Resolve AI haalt $40 miljoen Series A-uitbreiding binnen bij een waardering van $1,5 miljard om het moeilijkste probleem in software op te lossen: productie

Resolve AI heeft een $40 miljoen Series A-uitbreiding bij een waardering van $1,5 miljard veiliggesteld, geleid door DST Global en Salesforce Ventures (CRM ). De financiering komt op een moment dat kunstmatige intelligentie de manier waarop software wordt gebouwd, dramatisch heeft versneld – maar niet hoe het eenmaal is geïmplementeerd.

In combinatie met de financiering, introduceerde het bedrijf Resolve AI Labs, een gewijd onderzoeksinitiatief gericht op het dichten van wat een van de meest kritieke kloven in de AI-stack wordt: de mogelijkheid om software betrouwbaar te laten werken in productieomgevingen.

Het knelpunt dat niemand heeft opgelost: productie

AI heeft het schrijven van code sneller gemaakt dan ooit. Tools die worden aangedreven door grote taalmodellen, kunnen nu complete toepassingen in enkele minuten genereren. Maar zodra die code is geïmplementeerd, wordt de realiteit veel complexer.

Productieomgevingen zijn gefragmenteerde systemen die bestaan uit infrastructuur, telemetrie, logboeken, afhankelijkheden en constant veranderende diensten. Ingenieurs moeten signalen interpreteren over al deze onderdelen om storingen te diagnosticeren, vaak onder tijdsdruk en met onvolledige informatie.

Dit is waar Resolve AI zich op richt. Het platform van het bedrijf verbindt code, infrastructuur en telemetrie om incidenten te onderzoeken, oorzaken te identificeren en actie te ondernemen – in wezen fungeert het als een autonome productieingenieur.

De uitdaging is niet alleen technische complexiteit. Het is ook schaal. Aangezien AI de codegeneratie versnelt, produceren organisaties meer software dan hun teams realistisch kunnen beheren. Het resultaat is een groeiende kloof tussen de ontwikkelingssnelheid en de operationele betrouwbaarheid.

Waarom algemene AI-modellen tekortschieten

Een centraal uitgangspunt achter de aanpak van Resolve AI is dat algemene AI-modellen niet zijn ontworpen voor productieomgevingen.

Terwijl foundation-modellen snel verbeteren, zijn ze niet geoptimaliseerd voor de realiteit van operationele systemen. Productie vereist redenering over lawaaierige, onvolledige en vaak conflicterende gegevensstromen. Het vereist ook hoge niveaus van nauwkeurigheid, betrouwbaarheid en controle, waar fouten kunnen leiden tot uitval, financieel verlies of beveiligingsrisico’s.

Resolve AI lost dit op door domeinspecifieke modellen en agente systemen te bouwen die zijn afgestemd op productieworkflows. Deze systemen kunnen logboeken interpreteren, systeemwijzigingen analyseren, gebeurtenissen correleren en multi-stap herstelprocessen uitvoeren over tools – taken die traditioneel ervaren ingenieurs vereisen.

Binnen Resolve AI Labs

Het onlangs gelanceerde Resolve AI Labs is ontworpen om deze visie verder te helpen door de fundamentele technologie te bouwen die nodig is voor AI om productiesystemen eind-tot-eind te laten werken.

Het lab zal worden geleid door Dhruv Mahajan, voormalig van Meta, waar hij werkte aan post-training voor Llama-modellen.

In plaats van zich smal te focussen op agenten, zal het lab een full-stack benadering van operationele AI hanteren. Dit omvat het ontwikkelen van:

• Domeinspecifieke modellen getraind op productiedata
• Systemen die redeneren over logboeken, metrische gegevens, sporen en infrastructuurgebeurtenissen
• Evaluatiekaders om betrouwbaarheid in real-world workflows te meten
• Simulatieomgevingen voor het testen en verbeteren van modellen
• Bestuurslagen om veilige en gecontroleerde automatisering te garanderen

Dit weerspiegelt een bredere verschuiving in AI-ontwikkeling: verder gaan dan de pure modelcapaciteit naar systemen die veilig kunnen werken in high-stakes, real-world omgevingen.

Van assistentie naar autonomie

Resolve AI maakt deel uit van een groeiende categorie die vaak wordt aangeduid als “AI voor productie” of AI-gepowered site reliability engineering (SRE). In tegenstelling tot code-assistenten, zijn deze systemen ontworpen om live-omgevingen te bedienen – waarschuwingen triëren, storingen diagnosticeren en incidenten in real-time oplossen.

Het platform van het bedrijf stelt engineeringteams al in staat om incidenten aanzienlijk sneller te onderzoeken, met AI-systemen die in staat zijn om systeemgedrag te analyseren en oorzaken te identificeren over complexe afhankelijkheden.

Op lange termijn is de ambitie om van assistentie naar autonomie te gaan. In plaats van dat ingenieurs handmatig reageren op waarschuwingen, kunnen AI-systemen de meeste operationele werkzaamheden afhandelen, met menselijke toezicht op basis van risico en context.

Vroeg succes met enterprise-klanten

De snelle financieringstraject van Resolve AI weerspiegelt de sterke vraag van enterprise-klanten naar deze functionaliteit. Het bedrijf heeft meer dan $190 miljoen binnen twee jaar opgehaald en werkt al met organisaties zoals Coinbase, DoorDash (DASH ), Salesforce, MSCI en Zscaler.

Dit zijn omgevingen waar downtime kostbaar is en betrouwbaarheid kritiek. Zelfs kleine verbeteringen in incidentrespons- of systeemstabiliteitstijden kunnen zich vertalen in aanzienlijke zakelijke impact.

De opkomst van bedrijven zoals Resolve AI markeert een bredere evolutie in het AI-ecosysteem.

De eerste golf van generatieve AI richtte zich op creatie: code schrijven, inhoud genereren en workflows versnellen. De volgende fase gaat over operatie – ervoor zorgen dat wat wordt gebouwd, betrouwbaar kan draaien op grote schaal.

Deze verschuiving introduceert nieuwe technische uitdagingen. Het vereist systemen die over tijd kunnen redeneren, onzekerheid kunnen hanteren, met meerdere tools kunnen communiceren en binnen strikte beperkingen kunnen werken. Het vereist ook nieuwe evaluatiemethoden, aangezien traditionele benchmarks de prestaties in de real-world niet vastleggen.

Wat dit betekent voor de toekomst

Aangezien AI de softwareontwikkeling blijft versnellen, zal productie steeds vaker het beperkende factor worden. De mogelijkheid om complexe systemen betrouwbaar te laten werken, kan de volgende generatie van enterprise-AI-platforms definiëren.

De recente financiering van Resolve AI en de lancering van zijn onderzoekslab suggereren dat dit probleem naar de voorgrond komt. Als het bedrijf succesvol is, bouwt het niet alleen een andere AI-tool – het helpt de manier waarop software-systemen worden uitgevoerd, opnieuw definiëren.

De langetermijnimplicatie is een verschuiving naar omgevingen waarin AI-systemen en menselijke ingenieurs samenwerken, waarbij machines de complexiteit van productie afhandelen en mensen zich richten op hogere ontwerp-, strategie- en innovatie.