Rohit Choudhary, grunnlegger og CEO av Acceldata – Intervju-serie

Rohit Choudhary er grunnlegger og CEO av Acceldata, markedets ledende selskap innen data-observabilitet. Han grunnla Acceldata i 2018, da han innsett at bransjen måtte gjenskape hvordan de overvåket, undersøkte, rettet og håndterte data-pipelines og -infrastruktur i en sky-først, AI-beriket verden.

Hva inspirerte deg til å fokusere på data-observabilitet da du grunnla Acceldata i 2018, og hvilke hull i data-styrings-industrien ønsket du å fylle?

Min reise til å grunnlegge Acceldata i 2018 begynte nesten 20 år tidligere som programvare-utvikler, der jeg var drevet av å identifisere og løse problemer med programvare. Min erfaring som direktør for ingeniørarbeid i Hortonworks eksponerte meg for en gjentakende tema: selskaper med ambisiøse data-strategier kjempet for å finne stabilitet i sine data-plattformer, til tross for betydelige investeringer i data-analyse. De kunne ikke pålitelig levere data når bedriften trengte det mest.

Dette utfordringen resonnerte med mitt team og meg, og vi erkjente behovet for en løsning som kunne overvåke, undersøke, rette og håndtere data-pipelines og -infrastruktur. Bedrifter prøvde å bygge og håndtere data-produkter med verktøy som ikke var designet til å møte deres evoluerende behov – noe som førte til at data-teamene manglet oversikt over kritiske analyser og AI-applikasjoner.

Dette hull i markedet inspirerte oss til å starte Acceldata, med målet om å utvikle en komprehensiv og skalerbar data-observabilitets-plattform. Siden da har vi transformert hvordan organisasjoner utvikler og opererer data-produkter. Vår plattform korrelerer hendelser over data, prosessering og pipelines, og gir ubeskrivelige innblikk. Virkningen av data-observabilitet har vært enorm, og vi er spente på å fortsette å drive industrien fremover.

Ettersom du har myntet begrepet “Data Observability”, hvordan ser du på at dette konseptet utvikler seg de neste årene, spesielt med økende kompleksitet i multi-sky-miljøer?

Data-observabilitet har utviklet seg fra et nisje-konsept til en kritisk kapabilitet for bedrifter. Ettersom multi-sky-miljøer blir mer komplekse, må observabilitet tilpasse seg for å håndtere forskjellige data-kilder og -infrastrukturer. De neste årene forventer vi at AI og maskinlæring vil spille en nøkkelrolle i å fremme observabilitets-kapabiliteter, spesielt gjennom prediktiv analyse og automatisert anomali-deteksjon.

I tillegg vil observabilitet utvide seg beyond overvåking til bredere aspekter av data-styring, -sikkerhet og -samordning. Bedrifter vil kreve mer sanntids-kontroll og innsikt i sine data-operasjoner, og gjøre observabilitet til en vital del av å håndtere data over stadig mer komplekse miljøer.

Din bakgrunn inkluderer betydelig erfaring innen ingeniørarbeid og produkt-utvikling. Hvordan har denne erfaringen formet din tilnærming til å bygge og skalerer Acceldata?

Min ingeniørarbeids- og produkt-utviklings-bakgrunn har vært avgjørende i å forme hvordan vi har bygget Acceldata. Forståelsen av de tekniske utfordringene med å skalerer data-systemer har gjort det mulig for oss å designe en plattform som møter de virkelige behovene til bedrifter. Denne erfaringen har også innprentet viktigheten av agilitet og kunde-tilbakemelding i vår utviklingsprosess. Hos Acceldata prioriterer vi innovasjon, men vi sikrer alltid at våre løsninger er praktiske og tilpasset kundens behov i dynamiske og komplekse data-miljøer. Denne tilnærmingen har vært essensiell for å skalerer selskapet og utvide vår markeds-presence globalt.

Med den nylige $60 millioner Series C-finansieringsrunde, hvilke nøkkel-områder for innovasjon og utvikling planlegger du å prioritere hos Acceldata?

Med $60 millioner Series C-finansieringen, dobbler vi inn på AI-drevne innovasjoner som vil skille vår plattform betydelig. Bygging på suksessen til vår AI Copilot, forbedrer vi våre maskinlærings-modeller for å levere mer presise anomali-deteksjoner, automatisert feil-retting og kost-forecasting. Vi er også i ferd med å fremme prediktiv analyse, der AI ikke bare varsler brukerne om potensielle problemer, men også foreslår optimale konfigurasjoner og proaktive løsninger, spesifikt for deres miljøer.

Et annet viktig fokus er kontekst-avhengig automatisering – hvor vår plattform lærer av bruker-atferd og tilpasser anbefalinger med forretnings-mål. Utvidelsen av våre naturlige språk-grensesnitt (NLI) vil enable brukerne til å interagere med komplekse observabilitets-arbeidsflyter gjennom enkle, konversasjonelle kommandoer.

I tillegg vil våre AI-innovasjoner drive enda større kost-optimisering, og forutsi ressurs-forbruk og håndtere kostnader med utenkelig nøyaktighet. Disse fremstøtene posisjonerer Acceldata som den mest proaktive, AI-drevne observabilitets-plattformen, og hjelper bedrifter til å stole på og optimalisere sine data-operasjoner som aldri før.

AI og LLM-er blir sentrale i data-styring. Hvordan posisjonerer Acceldata seg for å lede i dette rommet, og hvilke unike kapabiliteter tilbyr din plattform til bedriftskunder?

Acceldata er allerede i ferd med å lede veien i AI-drevne data-observabilitet. Etter den suksessfulle integreringen av Bewgle’s avanserte AI-teknologi, tilbyr vår plattform nå AI-drevne kapabiliteter som betydelig forbedrer data-observabilitet. Vår AI Copilot bruker maskinlæring til å detektere anomalier, forutsi kost-forbruk-mønster og levere sanntids-innsikt, alt mens disse funksjonene gjøres tilgjengelige gjennom naturlige språk-interaksjoner.

Vi har også integrert avansert anomali-deteksjon og automatisert anbefalinger som hjelper bedrifter å forebygge kostbare feil, optimalisere data-infrastruktur og forbedre operasjonell effektivitet. Videre gjør våre AI-løsninger policy-håndtering og automatisk generering av menneske-leselige beskrivelser for data-aktiver og -politikk, og broer gapet mellom tekniske og forretnings-aktører. Disse innovasjonene enable organisasjoner til å låse opp fullt potensial i sine data, samtidig som de minimiserer risiko og kostnader.

Oppkjøpet av Bewgle har lagt til avanserte AI-kapabiliteter til Acceldata’s plattform. Nå som et år har gått siden oppkjøpet, hvordan har Bewgle’s teknologi blitt integrert i Acceldata’s løsninger, og hva har vært virkningen på utviklingen av dine AI-drevne data-observabilitets-funksjoner?

Over det siste året har vi fullt integrert Bewgle’s AI-teknologier i Acceldata-plattformen, og resultatene har vært transformasjonelle. Bewgle’s erfaring med grunnleggende modeller og naturlige språk-grensesnitt har akselerert vår AI-vei-kart. Disse kapabilitetene er nå innbygget i vår AI Copilot, og leverer en neste-generasjons bruker-erfaring som enable brukerne til å interagere med data-observabilitets-arbeidsflyter gjennom vanlige tekst-kommandoer.

Denne integreringen har også forbedret våre maskinlærings-modeller, og forbedret anomali-deteksjon, automatisert kost-forecasting og proaktive innsikt. Vi har kunnet levere mer detaljert kontroll over AI-drevne operasjoner, og gitt våre kunder mulighet til å sikre data-pålitelighet og -ytelse over sine økosystemer. Suksessen med denne integreringen har styrket Acceldata’s posisjon som den ledende AI-drevne data-observabilitets-plattformen, og gir enda større verdi til våre bedriftskunder.

Som noen som er dypt involvert i data-styrings-industrien, hvilke trender forutser du i AI- og data-observabilitets-markedet de kommende årene?

I de kommende årene forventer jeg at noen nøkkel-trender vil forme AI- og data-observabilitets-markedet. Sanntids data-observabilitet vil bli enda mer kritisk når bedrifter søker å ta raskere og mer informerte beslutninger. AI og maskinlæring vil fortsette å drive fremstøt i prediktiv analyse og automatisert anomali-deteksjon, og hjelpe bedrifter å holde seg foran potensielle problemer.

I tillegg vil vi se en tettere integrasjon av observabilitet med data-styring og -sikkerhets-rammer, spesielt når regulatoriske krav blir strengere. Managed observabilitets-tjenester vil sannsynligvis øke når data-miljøer blir mer komplekse, og gi bedrifter ekspertise og verktøy for å opprettholde optimal ytelse og samordning. Disse trendene vil heve rollen til data-observabilitet i å sikre at organisasjoner kan skalerer sine AI-initiativer samtidig som de opprettholder høye standarder for data-kvalitet og -styring.

Ser fremover, hvordan ser du på rollen til data-observabilitet i å støtte deployeringen av AI og store språk-modeller i skala, spesielt i industrier med strenge data-kvalitets- og -styrings-krav?

Data-observabilitet vil være avgjørende i å deployere AI og store språk-modeller i skala, spesielt i industrier som finansielle tjenester, helsevesen og regjering, hvor data-kvalitet og -styring er av største betydning. Ettersom organisasjoner stadig mer avhenger av AI for å drive forretnings-beslutninger, blir behovet for pålitelige, høykvalitets-data enda mer kritisk.

Data-observabilitet sikrer kontinuerlig overvåking og validering av data-integritet, og hjelper å forebygge feil og forvrengninger som kunne undergrave AI-modeller. I tillegg vil observabilitet spille en vital rolle i samordning ved å gi innsikt i data-historikk, -bruk og -styring, og tilpasse seg strenge regulatoriske krav. Til slutt enable data-observabilitet organisasjoner til å låse opp fullt potensial i sine data, samtidig som de minimiserer risiko og kostnader, og sikrer at deres AI-initiativer bygges på en solid grunn av pålitelige, høykvalitets-data.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Acceldata.