Traversal henter 120 millioner dollar i serie B-finansiering til en verdsettelse på 1 milliard dollar for å utvide AI-drevet SRE

Traversal kunngjorde en serie B-finansieringsrunde på 120 millioner dollar til en verdsettelse på 1 milliard dollar 3. november 2026, for å få fart på arbeidet med selvstyrte produksjonssystemer og øke rekrutteringen innen forskning, ingeniørarbeid og markedsføring og salg.

Kleiner Perkins, Redpoint Ventures og Khosla Ventures ledet finansieringsrunden sammen, med deltakelse fra Sequoia Capital, Battery Ventures og Amex Ventures. De tidligere investorene Kleiner Perkins og Sequoia økte investeringene sine. Den samlede finansieringen er nå på 173 millioner dollar, etter de 48 millionene dollar Traversal kunngjorde da selskapet kom ut av stealth-modus i juni 2025, og en strategisk investering fra Amex Ventures i desember 2025.

Bygger det ytre kretsløpet for programvaredrift

Traversal startet med rotårsaksanalyse av hendelser, basert på de tre medgrunnleggernes akademiske forskning innen kausal maskinlæring og forsterkende læring. Grunntanken er at en hendelse genererer mange samtidige signaler, og at en sannsynlig korrelasjon derfor ikke kan fastslå hvorfor et system sviktet. Production World Model omdanner rå telemetri, kode, distribusjonshistorikk og organisasjonskunnskap til en kontinuerlig oppdatert, AI-lesbar representasjon av et produksjonsmiljø. Causal Search Engine er laget for å teste tusenvis av hypoteser parallelt, følge avhengigheter og tidsforløp på tvers av systemer og finne fram til årsaker som støttes av bevis.

Traversal presenterte formelt de to systemene i mars 2026, etter nesten to år med forskning og ingeniørarbeid. Arbeiderne fungerer nå som proaktive, langvarige agenter som samler inn kontekst, undersøker og bidrar til utbedring når det oppstår hendelser eller varsler. Traversal MCP gjør denne produksjonsinnsikten tilgjengelig for kodeagenter og knytter driftsbevis sammen med utviklingsarbeid som skal forebygge hendelser.

Det langsiktige målet er programvare som oppdager problemer, forstår årsakene, iverksetter korrigerende tiltak, kontrollerer at tiltakene virket og hindrer at problemene oppstår igjen. Denne veikartplanen gjør finansieringsrunden til både en utvidelse av et eksisterende produkt for undersøkelser og en satsing på mer autonom drift.

Rapportert vekst utover rotårsaksanalyse

Traversal rapporterer at antallet undersøkelser per måned økte mer enn 100 ganger i løpet av 2026, fra 513 til nesten 73 000. Omtrent to tredjedeler av bruken av produktet omfatter nå mer enn rotårsaksanalyse, og inkluderer prioritering av varsler, risiko ved utrullinger, validering av CMDB, sikkerhet, status for kundereiser og spørsmål om produksjonsstøtte. Sammensetningen tyder på bredere bruk i løpende driftsbeslutninger, i tillegg til diagnostisering etter hendelser.

I en tilhørende finansieringsmelding rapporterer Traversal at de årlige gjentakende inntektene har vokst ni ganger hittil i år, at selskapet gjennomførte mer enn 150 000 kundeundersøkelser i det siste kvartalet, og at plattformen støtter over 4 000 ingeniører. Nubank, Harvey, DigitalOcean og PepsiCo er blant virksomhetene som bruker plattformen. Nubanks administrerende direktør David Vélez beskrev utrullingen hos selskapet som bare fem uker gammel og i ferd med å utvides i etapper etter hvert som resultatene holder mål – et forbehold om at bruken fortsatt er på et tidlig stadium.

Referansedata og begrensningene deres

De tekniske utfordringene er dokumentert separat i ORCA-bench, en forskningsartikkel av forskere med tilknytning til Cornell Tech, Traversal og Columbia University. Den inneholder 1 079 oppgaver innen rotårsaksanalyse, basert på seks dager og mer enn 50 GB med måledata, logger og sporinger fra et system instrumentert med OpenTelemetry og bestående av 19 mikrotjenester. Agentene brukte faktiske grensesnitt for observerbarhet og kildekode, mens oppgavene varierte med hensyn til rapportenes spesifisitetsnivå, forsinkelser i oppdagelsen og feil som oppsto samtidig.

Blant fem evaluerte agenter for generell bruk rapporterer artikkelen en høyeste treffsikkerhet på 25,3 % for rotårsaksanalyse på oppgaver med middels vanskelighetsgrad og 10,0 % på vanskelige oppgaver. Hallusinerte, lite sannsynlige rotårsaker forekom i 7–40 % av hendelsesrapportene, avhengig av modellen. Når tilgangen til kildekode ble fjernet, sank treffsikkerheten og hallusinasjonene økte for alle modellene. Dette underbygger funnet om at flytende kodeferdigheter ikke automatisk gir pålitelig diagnostisering under vakt.

Disse resultatene måler ikke Traversals egen ytelse i produksjon. Forfatterne understreker at dokumentasjonen kommer fra et kontrollert, offentlig testmiljø som dekker seks dager, der hver oppgave ble håndtert separat. Det er ikke testet om resultatene kan overføres til større, proprietære miljøer i endring. Referansetesten avgrenser dermed forskningsgapet for autonomt vaktarbeid; den bekrefter ikke selskapets veikart for selvstyrte produksjonssystemer.

Traversals rapporterte brukervekst og resultatene fra referansetesten belyser ulike stadier av den samme ambisjonen. Dagens virksomhet bygger på undersøkelser og bredere spørsmål om produksjonsmiljøer. Den uløste testen for selvstyrt produksjon er om selskapets kausale system kan iverksette korrigerende tiltak, kontrollere resultatet og hindre gjentakelse på tvers av komplekse kundemiljøer.