Rohit Choudhary, основатель и CEO Acceldata – Серия интервью

Rohit Choudhary является основателем и CEO Acceldata, лидера рынка в области наблюдаемости данных предприятий. Он основал Acceldata в 2018 году, когда понял, что отрасли нужно переосмыслить, как контролировать, расследовать, исправлять и управлять надежностью конвейеров и инфраструктуры данных в мире, ориентированном на облако и обогащенном ИИ.

Что вдохновило вас сосредоточиться на наблюдаемости данных, когда вы основали Acceldata в 2018 году, и какие пробелы в отрасли управления данными вы стремились заполнить?

Мое путешествие к основанию Acceldata в 2018 году началось почти 20 лет назад как программист, где меня двигало желание выявлять и решать проблемы с программным обеспечением. Мой опыт в качестве директора по инженерии в Hortonworks познакомил меня с повторяющейся темой: компании с амбициозными стратегиями данных боролись за стабильность на своих платформах данных, несмотря на значительные инвестиции в анализ данных. Они не могли надежно доставить данные, когда бизнесу это было нужно больше всего.

Эта проблема резонировала со мной и моей командой, и мы признали необходимость решения, которое могло бы контролировать, расследовать, исправлять и управлять надежностью конвейеров и инфраструктуры данных. Предприятия пытались строить и управлять продуктами данных с помощью инструментов, которые не были разработаны для удовлетворения их меняющихся потребностей, что привело к отсутствию видимости у команд данных в критически важных аналитических и приложениях ИИ.

Этот пробел на рынке вдохновил нас начать Acceldata с целью разработки комплексной и масштабируемой платформы наблюдаемости данных. С тех пор мы преобразовали, как организации разрабатывают и эксплуатируют продукты данных. Наша платформа коррелирует события по данным, обработке и конвейерам, предоставляя беспрецедентные идеи. Влияние наблюдаемости данных было огромным, и мы рады продолжать двигать отрасль вперед.

Имея в виду термин “Наблюдаемость данных”, как вы видите эволюцию этой концепции в течение следующих нескольких лет, особенно с учетом растущей сложности многооблачных сред?

Наблюдаемость данных эволюционировала из нишевой концепции в критически важную способность для предприятий. По мере того, как многооблачные среды становятся более сложными, наблюдаемость должна адаптироваться, чтобы справиться с разнообразными источниками и инфраструктурой данных. В течение следующих нескольких лет мы ожидаем, что ИИ и машинное обучение будут играть ключевую роль в продвижении возможностей наблюдаемости, особенно через прогностическую аналитику и автоматическое обнаружение аномалий.

Кроме того, наблюдаемость будет распространяться за пределы мониторинга на более широкие аспекты управления данными, безопасности и соответствия требованиям. Предприятия будут требовать более реального контроля и прозрения в свои операции с данными, что сделает наблюдаемость важной частью управления данными в все более сложных средах.

Ваш опыт включает значительный опыт в области инженерии и разработки продукта. Как этот опыт сформировал ваш подход к построению и масштабированию Acceldata?

Мой опыт в области инженерии и разработки продукта был решающим в формировании того, как мы построили Acceldata. Понимание технических проблем масштабирования систем данных позволило нам разработать платформу, которая решает реальные потребности предприятий. Этот опыт также привил мне важность гибкости и обратной связи клиентов в нашем процессе разработки. В Acceldata мы отдаем приоритет инновациям, но всегда обеспечиваем, чтобы наши решения были практичными и соответствовали тому, что клиенты нуждаются в динамичных и сложных средах данных. Этот подход был важен для масштабирования компании и расширения нашего присутствия на рынке во всем мире.

С учетом недавнего раунда финансирования в размере $60 миллионов Серии C, какие ключевые области инноваций и разработки вы планируете уделять приоритетное внимание в Acceldata?

С финансированием в размере $60 миллионов Серии C мы удваиваем ставку на инновации, основанные на ИИ, которые существенно отличают нашу платформу. Основываясь на успехе нашей AI Copilot, мы совершенствуем наши модели машинного обучения, чтобы обеспечить более точное обнаружение аномалий, автоматическое исправление и прогнозирование затрат. Мы также продвигаем прогностическую аналитику, где ИИ не только предупреждает пользователей о потенциальных проблемах, но и предлагает оптимальные конфигурации и проактивные решения, специфичные для их сред.

Еще одним ключевым направлением является контекстно-зависимая автоматизация – где наша платформа учится на поведении пользователя и выравнивает рекомендации с бизнес-целями. Расширение наших естественно-языковых интерфейсов (NLI) позволит пользователям взаимодействовать с сложными рабочими процессами наблюдаемости через простые, разговорные команды.

Кроме того, наши инновации в области ИИ будут стимулировать еще большую оптимизацию затрат, прогнозирование потребления ресурсов и управление затратами с беспрецедентной точностью. Эти достижения позиционируют Acceldata как наиболее проактивную, основанную на ИИ платформу наблюдаемости, помогающую предприятиям доверять и оптимизировать свои операции с данными, как никогда раньше.

ИИ и LLM становятся центральными в управлении данными. Как Acceldata позиционирует себя, чтобы лидировать в этом пространстве, и какие уникальные возможности предлагает ваша платформа клиентам-предприятиям?

Acceldata уже лидирует в области наблюдаемости данных, основанной на ИИ. После успешной интеграции передовой технологии ИИ Bewgle наша платформа теперь предлагает возможности, основанные на ИИ, которые существенно улучшают наблюдаемость данных. Наш AI Copilot использует машинное обучение для обнаружения аномалий, прогнозирования закономерностей потребления затрат и обеспечения реального времени, все это доступно через естественно-языковые взаимодействия.

Мы также интегрировали передовое обнаружение аномалий и автоматические рекомендации, которые помогают предприятиям предотвратить дорогостоящие ошибки, оптимизировать инфраструктуру данных и улучшить операционную эффективность. Кроме того, наши решения ИИ упрощают управление политиками и автоматически генерируют описания для активов и политик данных, мостя разрыв между техническими и деловыми заинтересованными сторонами. Эти инновации позволяют организациям раскрыть полный потенциал своих данных, минимизируя при этом риски и затраты.

Приобретение Bewgle добавило передовые возможности ИИ к платформе Acceldata. Теперь, когда прошел год с момента приобретения, как технология Bewgle была интегрирована в решения Acceldata, и какое влияние это имело на развитие ваших функций наблюдаемости данных, основанных на ИИ?

За прошедший год мы полностью интегрировали технологии ИИ Bewgle в платформу Acceldata, и результаты были трансформационными. Опыт Bewgle с основными моделями и естественно-языковыми интерфейсами ускорил нашу дорожную карту ИИ. Эти возможности теперь встроены в наш AI Copilot, обеспечивая опыт пользователя следующего поколения, который позволяет пользователям взаимодействовать с рабочими процессами наблюдаемости через простые текстовые команды.

Эта интеграция также улучшила наши модели машинного обучения, повышая обнаружение аномалий, автоматическое прогнозирование затрат и проактивные идеи. Мы смогли обеспечить более детальный контроль над операциями, основанными на ИИ, который позволяет нашим клиентам обеспечить надежность и производительность данных в своих экосистемах. Успех этой интеграции укрепил позицию Acceldata как лидера в области наблюдаемости данных, основанной на ИИ, обеспечивая еще большую ценность для наших клиентов-предприятий.

Как человек, глубоко вовлеченный в отрасль управления данными, какие тенденции вы предвидите на рынке ИИ и наблюдаемости данных в ближайшие годы?

В ближайшие годы я ожидаю несколько ключевых тенденций, которые сформируют рынок ИИ и наблюдаемости данных. Наблюдаемость данных в реальном времени станет еще более критической, поскольку предприятия будут стремиться принимать быстрые и обоснованные решения. ИИ и машинное обучение будут продолжать стимулировать прогресс в прогностической аналитике и автоматическом обнаружении аномалий, помогая бизнесу оставаться впереди потенциальных проблем.

Кроме того, мы увидим более тесную интеграцию наблюдаемости с фреймворками управления данными и безопасности, особенно по мере того, как требования регулирования становятся более строгими. Управляемые услуги наблюдаемости, вероятно, возрастут, поскольку среды данных становятся более сложными, предоставляя предприятиям необходимые экспертизу и инструменты для поддержания оптимальной производительности и соответствия требованиям. Эти тенденции повысят роль наблюдаемости данных в обеспечении того, что организации могут масштабировать свои инициативы ИИ, поддерживая при этом высокие стандарты качества и управления данными.

Оглядываясь вперед, как вы представляете себе роль наблюдаемости данных в поддержке развертывания ИИ и крупномасштабных языковых моделей, особенно в отраслях с жесткими требованиями к качеству и управлению данными?

Наблюдаемость данных будет иметь решающее значение при развертывании ИИ и крупномасштабных языковых моделей, особенно в отраслях, таких как финансы, здравоохранение и государственный сектор, где качество и управление данными имеют первостепенное значение. По мере того, как организации все больше полагаются на ИИ для принятия бизнес-решений, необходимость достоверных и высококачественных данных становится еще более критической.

Наблюдаемость данных обеспечивает непрерывный мониторинг и проверку целостности данных, помогая предотвратить ошибки и предвзятости, которые могли бы подорвать модели ИИ. Кроме того, наблюдаемость будет играть важную роль в соответствия требованиям, обеспечивая прозрачность данных, использования и управления, соответствуя строгим требованиям регулирования. В конечном итоге, наблюдаемость данных позволяет организациям использовать полный потенциал ИИ, обеспечивая, что их инициативы ИИ строятся на основе надежных и высококачественных данных.

Спасибо за отличный интервью, читатели, которые хотят узнать больше, должны посетить Acceldata.