A groundcover levanta $100 milhões em série C para escalar plataforma de observabilidade da era de IA

A empresa de observabilidade em nuvem groundcover levantou $100 milhões em financiamento de série C à medida que busca expandir uma plataforma projetada para ajudar equipes de engenharia e agentes de IA a entender ambientes de produção cada vez mais complexos.

O financiamento foi liderado por One Peak, com a participação de Morgan Stanley Expansion Capital (MS ) e investidores existentes Zeev Ventures, Angular Ventures, Heavybit e Jibe. Isso eleva o financiamento total da groundcover para $160 milhões.

O financiamento segue um ano em que a empresa afirma ter triplicado a receita recorrente anual, dobrado sua força de trabalho global e ultrapassado 250 clientes pagantes. Sua base de clientes agora varia de startups em estágio inicial a empresas do Fortune 5, enquanto a empresa também relata ter assinado vários contratos de sete dígitos nos últimos 12 meses.

A Observabilidade Enfrenta um Problema de Dados Impulsionado por IA

Plataformas de observabilidade coletam e analisam sinais, como logs, métricas e rastros, para ajudar equipes de engenharia a entender como as aplicações e a infraestrutura se comportam em produção.

Essa tarefa está se tornando mais difícil à medida que os sistemas nativos em nuvem se expandem e as empresas introduzem grandes modelos de linguagem, agentes autônomos e pilhas de aplicações cada vez mais interconectadas. As aplicações de IA podem gerar telemetria em prompts, respostas de modelo, chamadas de ferramentas, bancos de dados, APIs e infraestrutura que suporta cada interação.

Uma visibilidade maior pode ajudar os engenheiros a identificar alucinações, degradação de desempenho, chamadas de ferramentas com falha e riscos de segurança. No entanto, coletar esse contexto também pode aumentar substancialmente o volume e a sensibilidade dos dados que fluem para os sistemas de observabilidade.

Plataformas tradicionais geralmente gerenciam esses custos amostrando ou filtrando telemetria. Isso pode tornar os dados subjacentes mais gerenciáveis, mas também pode remover as informações precisas necessárias para reconstruir um incidente. A limitação se torna especialmente importante quando os agentes de IA são esperados para investigar problemas ou recomendar alterações sem direção humana contínua.

A groundcover está posicionando sua arquitetura como uma alternativa a esse modelo, combinando coleta de dados em nível de kernel com armazenamento dentro do ambiente de nuvem do cliente.

Como a Arquitetura BYOC da groundcover Funciona

No centro da plataforma está uma arquitetura de traga-sua-própria-nuvem, ou BYOC. Em vez de transferir todos os dados de observabilidade para um ambiente de Software como Serviço operado por um fornecedor, a groundcover implanta seu plano de dados dentro de uma conta isolada na nuvem do cliente.

Logs, métricas de infraestrutura, métricas personalizadas, rastros e eventos do Kubernetes podem, portanto, permanecer dentro da infraestrutura do cliente. Um plano de controle separado gerencia a plataforma, mas está isolado dos trabalhos de produção e telemetria no nível de rede, de acordo com a documentação arquitetônica da groundcover.

Essa disposição pretende dar aos clientes uma experiência de software gerenciado, preservando um controle maior sobre residência de dados, privacidade e segurança. Isso pode ser particularmente relevante para cargas de trabalho de IA, onde os registros de observabilidade podem incluir prompts, saídas de modelo, argumentos de ferramentas, informações de usuário ou elementos do processo de raciocínio de um agente.

A empresa também oferece suporte a implantações locais e isoladas para organizações com requisitos de isolamento mais rigorosos.

Combinando eBPF e OpenTelemetry

A groundcover coleta grande parte de sua telemetria por meio do filtro de pacote Berkeley estendido, comumente conhecido como eBPF. A tecnologia permite que os programas observem a atividade dentro do kernel do Linux, dando visibilidade aos sistemas de monitoramento sobre comunicação de rede, processos de aplicativos e uso de recursos sem exigir que os desenvolvedores instrumentem manualmente cada serviço.

A empresa afirma que seu sensor eBPF adaptável pode ser implantado sem alterações de código e usado para capturar telemetria de aplicativos e infraestrutura em ambientes do Kubernetes.

Isso não significa que a groundcover esteja substituindo padrões de instrumentação estabelecidos. A plataforma também se integra ao OpenTelemetry, um framework de código aberto que fornece APIs comuns, kits de desenvolvimento de software e ferramentas para gerar, processar e exportar telemetria.

A combinação fornece às organizações duas fontes de informações complementares. O eBPF pode capturar automaticamente a atividade nas camadas de infraestrutura e rede, enquanto o OpenTelemetry pode fornecer contexto de aplicativo específico que é intencionalmente adicionado pelos desenvolvedores.

A groundcover consolida rastros, métricas, logs e eventos do Kubernetes em uma interface unificada. Seu portfólio de produtos também abrange Monitoramento de Desempenho de Aplicativos, monitoramento de infraestrutura, gerenciamento de logs, monitoramento de usuários reais e observabilidade para aplicações de modelos de linguagem grandes.

Expansão da Observabilidade para Agentes de IA

As ambições da empresa vão além de fornecer painéis para operadores humanos. Seu Modo Agente é projetado para ajudar os engenheiros a investigar incidentes, realizar análise de causa raiz e identificar possíveis etapas de remediação usando a telemetria disponível dentro da plataforma.

Ao invés de colocar um chatbot de propósito geral sobre uma coleção de logs, a groundcover afirma ter reconstruído suas APIs internas em torno de uma linguagem de consulta unificada chamada GCQL. As ações tomadas pelo agente podem ser inspecionadas e os resultados podem ser convertidos em ativos nativos da groundcover para os engenheiros usarem de forma independente.

A empresa também introduziu suporte ao Protocolo de Contexto de Modelo, permitindo que os desenvolvedores tragam telemetria de produção para agentes de IA e ambientes de desenvolvimento compatíveis. Seus ferramentas de observabilidade de IA são projetadas para capturar o contexto de execução mais amplo das solicitações de modelo, incluindo prompts, respostas, uso de ferramentas e histórico de sessão.

Isso pode ajudar as equipes a determinar se um problema originou-se no modelo em si, em uma API externa, em um sistema de recuperação, em um gargalo de infraestrutura ou na sequência de ações tomadas por um agente. A groundcover afirma que sua abordagem baseada em eBPF também pode inspecionar o conteúdo da solicitação e resposta de API, ajudando as equipes a detectar anomalias ou informações sensíveis sendo transmitidas para provedores de modelo externos.

“Somos a única plataforma a aproveitar o potencial do eBPF com o poder ilimitado do BYOC para observabilidade”, disse Shahar Azulay, CEO e co-fundador da groundcover. “Além dessa arquitetura única, a groundcover construiu o Modo Agente, nossa experiência agêntica que ajuda os engenheiros a superfície, solucionar e remediar problemas em produção.”

Azulay disse que o novo capital apoiará o esforço da empresa para mudar a forma como os engenheiros e os agentes colaboram nas operações de produção.

Aqui está uma seção de substituição mais neutra:

Implicações Futuras

O crescimento dos agentes de IA pode mudar o que as organizações esperam das plataformas de observabilidade. As ferramentas de monitoramento tradicionalmente ajudaram os engenheiros a investigar incidentes após algo dar errado, mas os sistemas autônomos podem exigir acesso contínuo a dados de produção detalhados para que possam identificar problemas, rastrear dependências e recomendar ações corretivas em tempo real.

Isso cria uma tensão entre visibilidade, custo e controle. As aplicações de IA podem gerar grandes volumes de logs, rastros e métricas, enquanto sua telemetria também pode conter prompts sensíveis, saídas de modelo e informações de cliente. Arquiteturas que mantêm os dados dentro do ambiente de nuvem de uma empresa podem, portanto, se tornar mais atraentes, particularmente em setores regulamentados ou organizações com requisitos de residência de dados estritos.

A questão mais ampla é se os agentes de IA podem ser confiáveis para agir com base em dados de observabilidade em vez de apenas resumi-los. Telemetria incompleta, correlações enganosas ou permissões mal definidas podem levar um sistema automatizado a mal diagnosticar um incidente ou fazer uma alteração desnecessária. A supervisão humana, os registros de auditoria e os limites claros sobre ações autônomas permanecerão importantes à medida que essas capacidades amadurecem.

A groundcover financiamento reflete o crescente interesse na infraestrutura necessária para operar sistemas de IA em escala. A significância de longo prazo dependerá menos de se as plataformas de observabilidade podem adicionar interfaces conversacionais e mais de se elas podem fornecer dados suficientemente completos, seguros e confiáveis para que os humanos e os agentes automatizados tomem decisões sólidas em ambientes de produção.