Kosmos samlar in 5 miljoner dollar för att hjälpa företag att eliminera de dolda kostnaderna för IT-incidentutredningar

Chicago-baserade startup-företaget Kosmos har samlar in 5 miljoner dollar i startfinansiering ledd av Norwest när de lanserar en AI-nativ operativ intelligensplattform som är utformad för att hantera en av de mest bestående och dyra utmaningarna inom företags-IT: den tid som läggs på att utreda incidenter.

Medan organisationer har investerat tungt i övervaknings-, hanterings- och IT-tjänsteverktyg, lägger support- och ingenjörsteam fortfarande ner otaliga timmar på att manuellt spåra roten till avbrott och kundpåverkande problem över fragmenterade system. Kosmos syftar till att minska vad de kallar “utredningskostnader” – den operativa bördan som skapas när ingenjörer, supportledare och incidenthanteringsteam tvingas manuellt ansluta information som sprids över biljettsystem, källkodsarkiv, kundsupportplattformar och övervakningsverktyg.

Det växande problemet med utredningskostnader

Under det senaste decenniet har företag antagit en växande samling verktyg för att övervaka infrastruktur och hantera programvaruverksamhet. Plattformar som Jira, ServiceNow , GitHub, Salesforce (CRM ), Datadog (DDOG ), Grafana och Splunk ger alla värdefulla insikter i olika delar av teknikstacken. Men när incidenter inträffar, förblir kritisk sammanhang ofta isolerat över dessa system.

Såsom moderna programvaruarkitekturer blir alltmer distribuerade, har utmaningen att korrelera information över flera plattformar intensifierats. Team kan ha all nödvändig data tillgänglig, men att hitta och ansluta den snabbt förblir svårt. Resultatet är längre lösentider, återkommande incidenter och att ingenjörsresurser avleds från produktutveckling och innovation.

För många organisationer blir de mest erfarna ingenjörerna de standardmässiga utredarna varje gång en stor kundfråga uppstår. Dessa ingenjörer dras ofta bort från strategiskt arbete för att rekonstruera tidsplaner, granska kodändringar, analysera supportbiljetter och fastställa vad som egentligen orsakade en incident. De dolda kostnaderna för dessa utredningar sträcker sig långt utöver själva nedtiden.

En AI-nativ ansats till operativ intelligens

Kosmos positionerar sig som ett lager som sitter över befintliga företagssystem snarare än att ersätta dem. Plattformen ansluter data från GitHub, Jira, Salesforce, ServiceNow, Datadog, Grafana, Splunk och andra operativa verktyg för att skapa en enhetlig vy av incidenter och kunduppgraderingar.

Enligt företaget korrelerar deras plattform automatiskt kundfall, kodändringar, serviceincidenter och infrastruktursignaler för att bringa fram sannolika rotenorsaker. Snarare än att enbart förlita sig på autonoma AI-beslut, använder Kosmos en mänsklig-i-loopen-ansats där maskingenererade korrelationer granskas och valideras av användare innan de blir en del av plattformens kunskapsbas.

Detta skapar en kontinuerlig återkopplingsloop som förbättrar systemets förmåga att identifiera mönster över tid samtidigt som transparens och förtroende upprätthålls. Istället för att generera fler varningar, är målet att ge teamen den sammanhang som behövs för att förstå varför problem uppstod från första början.

Byggt från första handens erfarenhet

Grundare och VD Sanjay Gidwani byggde företaget runt ett problem han stött på upprepade gånger under mer än två decennier av arbete inom företagsleverans och inom Salesforce-ekosystemet.

Under sin karriär observerade Gidwani samma mönster: när en stor kundfråga uppstod, mobiliserade organisationer sina mest erfarna tekniska personal för att utreda. Men dessa experter tillbringade ofta dagar med att samla information från frånkopplade system innan de kom fram till en rotenorsak.

Den erfarenheten formade Kosmos kärntes: en av de största operativa ineffektiviteterna inom företags-IT inträffar innan åtgärd ens påbörjas. Om organisationer kan identifiera källan till ett problem snabbare, kan de lösa incidenter snabbare och minska sannolikheten för att liknande problem återkommer.

Blickar framåt

Lanseringen av Kosmos speglar en bredare förändring som sker inom företagsteknologi. När organisationer antar alltmer komplexa molnmiljöer, mikrotjänstarkitekturer och AI-drivna applikationer, fortsätter operativa data att växa samtidigt som de förblir utspridda över dussintals plattformar.

Nästa generation av operativa intelligensverktyg syftar till att överbrygga dessa gap genom att automatiskt ansluta signaler, identifiera mönster och bevara institutionell kunskap som annars skulle förbli låst inom enskilda team. Utöver snabbare incidentlösning, kunde dessa system hjälpa organisationer att minska ingenjörernas slit, förhindra återkommande problem och låta teknisk talang fokusera mer tid på att bygga produkter snarare än att utreda misslyckanden.

Såsom företagsmiljöer blir alltmer komplexa, kan förmågan att omvandla fragmenterad operativ data till agerbar intelligens bli lika viktig som att övervaka systemen själva. Kosmos satsar på att minska utredningskostnaderna kommer att vara en kritisk del av den framtiden.