Resolve AI zebrał 40 milionów dolarów w ramach rozszerzenia rundy A o wartości 1,5 miliarda dolarów, aby rozwiązać najtrudniejszy problem w oprogramowaniu: produkcję

Resolve AI zabezpieczył 40 milionów dolarów w ramach rozszerzenia rundy A o wartości 1,5 miliarda dolarów, pod przewodnictwem DST Global i Salesforce Ventures (CRM ). Finansowanie następuje w momencie, gdy sztuczna inteligencja dramatycznie przyspieszyła sposób, w jaki tworzone jest oprogramowanie, ale nie sposób, w jaki jest ono utrzymywane po wdrożeniu.

Wraz z podniesieniem kapitału, firma wprowadziła Resolve AI Labs, dedykowaną inicjatywę badawczą mającą na celu zamknięcie jednej z najbardziej krytycznych luk w stosie AI: zdolności do niezawodnego działania oprogramowania w środowiskach produkcyjnych.

Wąskie gardło, które nikt nie rozwiązał: produkcja

AI sprawiło, że pisanie kodu jest szybsze niż kiedykolwiek. Narzędzia zasilane przez duże modele językowe mogą teraz generować całe aplikacje w ciągu kilku minut. Ale gdy ten kod jest wdrożony, rzeczywistość staje się o wiele bardziej złożona.

Środowiska produkcyjne to fragmentowane systemy składające się z infrastruktury, telemetrii, logów, zależności i stale zmieniających się usług. Inżynierowie muszą interpretować sygnały we wszystkich tych obszarach, aby zdiagnozować awarie, często pod presją czasu i z niepełnymi informacjami.

To jest obszar, na którym koncentruje się Resolve AI. Jego platforma łączy się z kodem, infrastrukturą i telemetrią, aby badać incydenty, identyfikować przyczyny pierwotne i podejmować działania – podstawowo działając jako autonomiczny inżynier produkcyjny.

Wyzwanie nie jest tylko techniczną złożonością. Jest to również skala. Gdy AI przyspiesza generowanie kodu, organizacje produkują więcej oprogramowania, niż ich zespoły mogą realistycznie zarządzać. Wynikiem jest rozszerzająca się luka między szybkością rozwoju a niezawodnością operacyjną.

Dlaczego ogólne modele AI nie są wystarczające

Centralna teza za podejściem Resolve AI jest taka, że ogólne modele AI nie są zaprojektowane z myślą o środowiskach produkcyjnych.

Pomimo tego, że modele podstawowe są szybko udoskonalane, nie są one zoptymalizowane pod kątem realiów systemów operacyjnych. Produkcja wymaga rozumnego myślenia w czasie, radzenia sobie z hałasem, niepełnymi i często sprzecznymi strumieniami danych. Wymaga również wysokich poziomów dokładności, niezawodności i kontroli, gdzie błędy mogą prowadzić do awarii, strat finansowych lub ryzyka bezpieczeństwa.

Resolve AI rozwiązuje ten problem, budując modele specyficzne dla domeny i systemy agentyckie dostosowane do przepływów pracy produkcyjnych. Te systemy mogą interpretować logi, analizować zmiany systemu, korelować zdarzenia i wykonywać wieloetapowe procesy naprawcze w różnych narzędziach – zadania, które tradycyjnie wymagają doświadczonych inżynierów.

Wewnątrz Resolve AI Labs

Nowo uruchomione Resolve AI Labs zostało zaprojektowane, aby przyspieszyć tę wizję, budując podstawową technologię niezbędną do tego, aby AI mogło działać w systemach produkcyjnych od końca do końca.

Laboratorium będzie kierowane przez Dhruv Mahajan, dawniej z Meta, gdzie pracował nad szkoleniem po treningu modeli Llama.

Zamiast koncentrować się wąsko na agentach, laboratorium podejmie pełnoetatowe podejście do AI operacyjnego. Obejmuje to rozwój:

• Modeli specyficznych dla domeny, szkolonych na danych produkcyjnych
• Systemów, które rozumieją dane telemetryczne, metryki, ślady i zdarzenia infrastruktury
• Ram oceny do pomiaru niezawodności w rzeczywistych przepływach pracy
• Środowisk symulacyjnych do testowania i ulepszania modeli
• Warstw zarządzania, aby zapewnić bezpieczną i kontrolowaną automatyzację

To odzwierciedla szerszy trend w rozwoju AI: przechodzenie od surowej zdolności modelu do systemów, które mogą działać bezpiecznie w środowiskach o wysokim ryzyku, w świecie rzeczywistym.

Od asysty do autonomii

Resolve AI jest częścią rosnącej kategorii często określanej jako „AI dla produkcji” lub AI-zasilane inżynieria niezawodności witryny (SRE). W przeciwieństwie do asystentów kodowania, te systemy są zaprojektowane do działania w środowiskach na żywo – triaż awarii, diagnozowania awarii i rozwiązywania incydentów w czasie rzeczywistym.

Platforma firmy umożliwia już zespołom inżynierskim znacznie szybsze badanie incydentów, z systemami AI, które mogą analizować zachowanie systemu i identyfikować przyczyny pierwotne w złożonych zależnościach.

W miarę upływu czasu, ambicją jest przechodzenie od asysty do autonomii. Zamiast inżynierowie ręcznie reagowali na alerty, systemy AI mogą obsługiwać większość pracy operacyjnej, z nadzorem ludzkim stosowanym na podstawie ryzyka i kontekstu.

Wczesne sukcesy z klientami przedsiębiorstw

Szybka trajektoria finansowania Resolve AI odzwierciedla silne zapotrzebowanie przedsiębiorstw na tę funkcjonalność. Firma zebrała ponad 190 milionów dolarów w ciągu weniger niż dwóch lat i już pracuje z organizacjami takimi jak Coinbase, DoorDash (DASH ), Salesforce, MSCI i Zscaler.

To są środowiska, w których przestoje są kosztowne, a niezawodność jest krytyczna. Nawet niewielkie ulepszenia w czasach reakcji na incydenty lub stabilności systemu mogą przekładać się na znaczący wpływ biznesowy.

Pojawienie się firm takich jak Resolve AI sygnalizuje szerszą ewolucję w ekosystemie AI.

Pierwsza fala AI generatywnego skupiła się na tworzeniu: pisanie kodu, generowanie treści i przyspieszanie przepływów pracy. Następna faza dotyczy operacji – zapewnienia, że to, co jest budowane, może działać niezawodnie w skali.

Ten trend wprowadza nowe wyzwania techniczne. Wymaga systemów, które mogą rozumieć w czasie, radzić sobie z niepewnością, wchodzić w interakcje z wieloma narzędziami i działać w ramach ścisłych ograniczeń. Wymaga również nowych metod oceny, ponieważ tradycyjne benchmarki nie odzwierciedlają rzeczywistych wyników operacyjnych.

Co to oznacza w przyszłości

Gdy AI będzie nadal przyspieszać rozwój oprogramowania, produkcja będzie coraz bardziej czynnikiem ograniczającym. Możliwość niezawodnego działania złożonych systemów może zdefiniować następną generację platform AI dla przedsiębiorstw.

Najnowsze finansowanie i uruchomienie laboratorium badawczego Resolve AI sugerują, że ten problem staje się coraz bardziej widoczny. Jeśli firma będzie miała sukces, to nie tylko buduje kolejne narzędzie AI – pomaga również przedefiniować, w jaki sposób są prowadzone systemy oprogramowania.

Długoterminowa implikacja jest taka, że będziemy mieć środowiska, w których systemy AI i inżynierowie ludzie będą pracować razem, z maszynami zajmującymi się złożonością produkcji, a ludźmi koncentrującymi się na wyższym poziomie projektowania, strategii i innowacji.