Sedai sikrer 20 millioner dollar for å skalerer selvstyrt sky og omdefinere DevOps med AI-agenter

Sedai, selskapet bak den første selvstyrt skyplattformen, har annonsert en serie B-runde på 20 millioner dollar for å skalerer sin visjon om autonom infrastrukturhåndtering. Finansieringen, ledet av AVP (Atlantic Vantage Point) med støtte fra Norwest, Sierra Ventures og Uncorrelated Ventures, vil drive Sedais utvidelse inn i nye domener som LLM-optimering, GPU-ressursstyring og intelligent orkestrering for plattformer som Databricks og Snowflake.

Plattformen markerer et vendepunkt i DevOps, hvor tradisjonelle varsel- og dashboard-paradigmer erstattes av AI-agenter som lærer av produksjonsmiljøer og handler autonomt for å optimalisere kostnader, ytelse og tilgjengelighet.

“Akkurat som Waymo beviste at selvstyrt biler er mulig, beviser Sedai at selvstyrt infrastruktur ikke bare er mulig, men også nødvendig,” sa Suresh Mathew, CEO og grunnlegger av Sedai.

Hva selvstyrt infrastruktur virkelig betyr

Mens de fleste overvåkingsverktøy bare genererer varsler, er Sedais tilnærming langt mer proaktiv. Plattformen observerer trafikk, applikasjonsatferd og infrastrukturkonfigurasjoner i sanntid, og tar deretter autonome beslutninger som forbedrer ytelse og reduserer kostnader – uten å kreve menneskelig inngripen.

Dette skiftet fra overvåkbarhet til autonomi er det som gjør Sedai til en virkelig “selvstyrt” plattform. Systemet dens ikke bare flagger problemer, men løser dem.

Under huven bruker Sedai en multi-agent AI-arkitektur som kontinuerlig tilpasser seg endrede arbeidsbyrder og systemtilstander. I hjertet av dette systemet ligger dypt forsterket læring (DRL) – en kraftfull form for maskinlæring hvor agenter lærer gjennom prøving og feil. I Sedais tilfelle er agenter trent til å dynamisk skalerer infrastrukturressurser som CPU og minne basert på faktiske ytelsesresultater. Over tid lærer disse agentene hvilke handlinger som fører til de beste resultater i live-miljøer.

Denne intelligensen er ytterligere forbedret av teknikker som anomalioppteking og årsaksinferens, som tillater Sedai å forutsi feil og peke ut årsaker før kundens erfaring påvirkes. Og med sesongmodellering, justerer systemet automatisk til gjentakende mønster som daglige trafikktopper eller slutten av måneden-behandling, optimaliserer infrastruktur før etterspørselen øker.

En ny æra for DevOps-effektivitet

Sedai ble grunnlagt av Suresh Mathew og Benji Thomas etter å ha erfart selv de skaleringsutfordringene med mikrotjenester i PayPal. Mens DevOps akselererte utrullinger, skapte det også nye byrder – endeløs slit, varselutmattelse og skjøre systemer holdt sammen av manuelle midler.

Sedai endrer denne dynamikken ved å handle. I stedet for å stole på at ingeniører tolker målinger og reagerer manuelt, håndterer plattformen oppgaver som:

• Oppdager og løser infrastrukturforringelse i sanntid
• Skalerer arbeidsbyrder vertikalt og horisontalt basert på faktisk trafikk
• Oppdaterer konfigurasjoner for å optimalisere for kostnad, latens og tilgjengelighet
• Startar på nytt eller gjenoppretter feilaktige tjenester før brukerne merker det

Allerede nå har plattformen utført over 25 millioner autonome handlinger i produksjon, håndterer 3 milliarder dollar i sky-utgifter. Dette har spart kundene over 5 millioner dollar årlig, mens ingeniørteamene får tilbake over 22 000 timer med produktiv tid.

Tillit av ledere i kritiske industrier

Sedai brukes i produksjon av Fortune 500-ledere i cybersikkerhet, finansielle tjenester, legemidler, utdanning og AI. Kunder inkluderer kjente navn som Palo Alto Networks (PANW ), Experian og McGraw Hill (MH ) – selskaper som avhenger av stabile, ytelsesmessige og kosteffektive infrastrukturer i stor skala.

Ved KnowBe4 kutta Sedai produksjonskostnadene med 50 % og utviklingskostnadene med opptil 87 %. Ingeniør-VP Matthew Duren kreditterte plattformen ikke bare med budsjetteffektivitet, men også med å transformere hans egen rolle – å frigjøre hans team til å fokusere på strategiske initiativer i stedet for lavverdioppgaver.

Disse resultater er ikke prosjekteringer – de reflekterer virkelig AI i live-miljøer, som trygt håndterer produksjonssystemer og selv komplekse maskinlæringsarbeidsbyrder.

Går beyond automatisering: Hvorfor AI-agenter er det neste skrittet

Det er viktig å skille automatisering fra autonomi. Automatisering utfører forhåndsdefinerte oppgaver basert på statiske terskler eller skript. Sedais AI-agenter, derimot, observerer og lærer av systemene dine, oppdager de beste handlingene dynamisk – selv når betingelsene endres.

Denne forskjellen betyr noe. I en verden med evoluerende trafikkmønster, tjenesteavhengigheter og utrullingsarkitekturer, blir statiske regler raskt foreldet. Sedais AI-førstetilnærming sikrer kontinuerlig optimalisering, selv under kompleksitet.

For eksempel lærer plattformen hvordan bestemte tjenester oppfører seg under forskjellige laster og finjusterer ressursallokeringen deretter. Hvis latensen øker på grunn av en bestemt minnehøne, kan Sedai handle umiddelbart – uten å vente på at en menneskelig tolker varslet.

En plattform for hele ingeniørorganisasjonen

Sedai leverer verdi over hele ingeniørstaben:

• SRE-er og DevOps-ingeniører reduserer slit og møter pålitelighetsmål uten å bli utbrent.
• Utviklere fokuserer på å levere kode, mens Sedai sikrer optimale konfigurasjoner i produksjon.
• Ingeniørledere oppnår operasjonell effektivitet og massive sky-besparelser.
• Arkitekter og CTO-er gjør infrastruktur til en strategisk forskjell, ikke en belastning.

Med bare 15 minutters oppsett kan teamene koble Sedai til sine sky- og APM-verktøy. Deretter begynner plattformen å lære, validerer trygge optimaliseringer og handler til slutt i live-produksjon – med en full audit-spor for samhold.

Hva kommer neste: Optimalisering av AI-infrastruktur-stakken

Med sin serie B-finansiering, vil Sedai utvide sine kapasiteter inn i noen av de mest presserende utfordringene i moderne AI-infrastruktur, inkludert:

• Selvjustering for LLM-baserte applikasjoner, sikrer optimal konfigurasjon under inferens
• Autonom GPU-orkesering, håndterer dyre beregningsressurser i sanntid
• AI-drevet optimalisering av data-plattformer som Databricks og Snowflake

Disse innsatsene er i linje med en fremtid hvor arbeidsbyrdene selv – AI-modeller, inferens-pipelines, sanntidsanalyse – krever like intelligente infrastruktur-lag for å støtte dem.

“Ettersom sky-adoptsjonen øker, sliter selskaper med å forbedre ytelse samtidig som de reduserer kostnader. AI-agenter er unikt posisjonert for å løse dette i skala,” sa Manish Agarwal, generalsekretær i AVP.

Fremtiden for sky-infrastruktur er autonom

Oppkomsten av autonome sky-plattformer signaliserer en bredere industriell skift – fra menneske-i-løkken-systemer mot intelligente agenter som opererer uavhengig i sanntid. Mens bedrifter skalerer sine sky-avtrykk og omfavner stadig mer komplekse, distribuerte arkitekturer, når manuell infrastrukturhåndtering sine grenser.

DevOps, en gang sett på som den ultimate løsningen for raskere utrullinger og operasjonell smidighet, er nå under press fra økende kompleksitet, varselutmattelse og kost-ineffektiviteter. Tradisjonelle overvåkings- og automatiseringsverktøy tilbyr synlighet og skripting – men de avhenger fortsatt av menneskelige ingeniører til å analysere, tolke og handle. Denne reaktive tilnærmingen sliter med å holde pace med moderne tjenestekrav.

Autonome plattformer representerer det neste evolusjonsstadiet. Ved å integrere dypt forsterket læring, årsaksinferens og adaptiv skalerings i infrastruktur-arbeidsflyter, tilbyr de evnen til å selv-optimalisere og selv-helbrede i produksjon – kontinuerlig og uten inngripen. Resultatet er ikke bare operasjonell effektivitet, men en strukturell transformasjon: færre nedtider, raskere utrullinger, bedre kostkontroll og forbedret utvikler-erfaring.

Ettersom økosystemet modnes, vil denne skiftningen påvirke alt fra hvordan team er organisert og strukturert, til hvordan applikasjoner er arkitekturert, testet og utrullet. Tidlige tilpassere har allerede bevist at autonome operasjoner kan gi tangibelt gevinst i produktivitet, ytelse og finansiell avkastning.

Mens Sedai er blant lederne som bringer denne visjonen til live, er den større takeaway tydelig: sky-infrastruktur er ikke lenger noe ingeniører må håndtere kontinuerlig – det blir noe som håndterer seg selv.