Resolve AI привлекает $40 млн в рамках расширения серии А на сумму $1,5 млрд для решения самой сложной проблемы в программном обеспечении: производство

Resolve AI привлекла $40 млн в рамках расширения серии А на сумму $1,5 млрд, которое возглавили DST Global и Salesforce Ventures (CRM ). Финансирование происходит в момент, когда искусственный интеллект значительно ускорил процесс создания программного обеспечения, но не его поддержку после развертывания.

Вместе с привлечением средств компания представила Resolve AI Labs, специальную исследовательскую инициативу, направленную на решение одной из наиболее критических проблем в стеке ИИ: способности надежно эксплуатировать программное обеспечение в производственных средах.

Бottleneck, который никто не решил: производство

ИИ сделал написание кода быстрее, чем когда-либо. Инструменты, основанные на больших языковых моделях, могут теперь генерировать целые приложения за несколько минут. Но как только код развернут, реальность становится намного более сложной.

Производственные среды представляют собой фрагментированные системы, состоящие из инфраструктуры, телеметрии, журналов, зависимостей и постоянно меняющихся сервисов. Инженерам необходимо интерпретировать сигналы во всех этих компонентах, чтобы диагностировать неисправности, часто под давлением времени и с неполной информацией.

Именно здесь Resolve AI сосредоточена. Ее платформа соединяет код, инфраструктуру и телеметрию, чтобы расследовать инциденты, выявить коренные причины и принять меры — по сути, действуя как автономный инженер-производитель.

Проблема заключается не только в технической сложности. Это также масштаб. Когда ИИ ускоряет генерацию кода, организации производят больше программного обеспечения, чем их команды могут реально управлять. В результате образуется разрыв между скоростью разработки и операционной надежностью.

Почему общие модели ИИ не справляются

Центральная тезис за подходом Resolve AI заключается в том, что общие модели ИИ не предназначены для производственных сред.

Хотя основные модели быстро совершенствуются, они не оптимизированы для реалий операционных систем. Производство требует рассуждений по времени, обработки шумных, неполных и часто противоречивых потоков данных. Оно также требует высоких уровней точности, надежности и контроля, где ошибки могут привести к простоям, финансовым потерям или рискам безопасности.

Resolve AI решает эту проблему, создавая доменные модели и агентные системы, адаптированные к производственным рабочим процессам. Эти системы могут интерпретировать журналы, анализировать изменения системы, коррелировать события и выполнять многоступенчатые процессы исправления по инструментам — задачи, которые традиционно требуют опытных инженеров.

Внутри Resolve AI Labs

Недавно запущенная Resolve AI Labs предназначена для продвижения этой концепции, создавая основную технологию, необходимую для ИИ для эксплуатации производственных систем от начала до конца.

Лабораторией будет руководить Dhruv Mahajan, ранее работавший в Meta, где он занимался пост-тренировкой моделей Llama.

Вместо того, чтобы сосредоточиться на агентах, лаборатория будет использовать полноэкранный подход к операционному ИИ. Это включает в себя разработку:

• Доменных моделей, обученных на производственных данных
• Систем, которые рассуждают по логам, метрикам, трассам и событиям инфраструктуры
• Оценочных рамок для измерения надежности в реальных рабочих процессах
• Симуляционных сред для тестирования и улучшения моделей
• Слоев управления для обеспечения безопасной и контролируемой автоматизации

Это отражает более широкий сдвиг в разработке ИИ: переход от сырой модели возможностей к системам, которые могут работать безопасно в реальных, высокорисковых средах.

От помощи к автономности

Resolve AI является частью растущей категории, часто называемой «ИИ для производства» или ИИ-инженерией надежности сайта (SRE). В отличие от помощников по кодированию, эти системы предназначены для работы в живых средах — триажа оповещений, диагностики неисправностей и решения инцидентов в реальном времени.

Платформа компании уже позволяет командам инженеров расследовать инциденты значительно быстрее, с системами ИИ, способными анализировать поведение системы и выявлять коренные причины по сложным зависимостям.

Со временем цель состоит в том, чтобы перейти от помощи к автономности. Вместо того, чтобы инженеры реагировали на оповещения вручную, системы ИИ могли бы обрабатывать большинство операционной работы, с человеческим надзором, применяемым на основе риска и контекста.

Ранний успех с корпоративными клиентами

Быстрая траектория финансирования Resolve AI отражает сильный корпоративный спрос на эту возможность. Компания привлекла более $190 млн за менее чем два года и уже работает с организациями, такими как Coinbase, DoorDash (DASH ), Salesforce, MSCI и Zscaler.

Это среды, где простой дорого стоит и надежность критически важна. Даже небольшие улучшения во времени реагирования на инциденты или стабильности системы могут перевести значительный бизнес-импакт.

Появление компаний, таких как Resolve AI, сигнализирует о более широкой эволюции в экосистеме ИИ.

Первая волна генеративного ИИ была сосредоточена на создании: написании кода, генерации контента и ускорении рабочих процессов. Следующая фаза — об эксплуатации — обеспечении того, что созданное может работать надежно в масштабе.

Этот сдвиг вводит новые технические проблемы. Он требует систем, которые могут рассуждать по времени, обрабатывать неопределенность, взаимодействовать с несколькими инструментами и работать в строгих ограничениях. Он также требует новых методов оценки, поскольку традиционные бенчмарки не отражают реальную производительную производительность.

Что это значит в будущем

Когда ИИ продолжает ускорять разработку программного обеспечения, производство будет все больше становиться ограничивающим фактором. Способность эксплуатировать сложные системы надежно может определить следующее поколение корпоративных платформ ИИ.

Последнее финансирование Resolve AI и запуск ее исследовательской лаборатории предполагают, что эта проблема переходит на передний план. Если компания будет успешной, она не просто строит еще один инструмент ИИ — она помогает переопределить, как работают программные системы.

Долгосрочное последствие — сдвиг в сторону сред, где системы ИИ и человеческие инженеры работают в тандеме, с машинами, обрабатывающими сложность производства, и людьми, сосредоточенными на более высоком уровне дизайна, стратегии и инноваций.