Rohit Choudhary, grundare och VD för Acceldata – Intervjuserie

Rohit Choudhary är grundare och VD för Acceldata, marknadsledare inom företagsdataövervakning. Han grundade Acceldata 2018, när han insåg att branschen behövde omdefiniera hur man övervakar, utreder, åtgärdar och hanterar tillförlitligheten hos data pipelines och infrastruktur i en molnbaserad, AI-berikad värld.

Vad inspirerade dig att fokusera på dataövervakning när du grundade Acceldata 2018, och vilka luckor i datahanteringsindustrin försökte du fylla?

Min resa till att grunda Acceldata 2018 började för nästan 20 år sedan som programvaruutvecklare, där jag drevs av att identifiera och lösa problem med programvara. Min erfarenhet som teknikchef på Hortonworks utsatte mig för ett återkommande tema: företag med ambitiösa datastrategier kämpade för att hitta stabilitet i sina dataplattformar, trots betydande investeringar i dataanalys. De kunde inte tillförlitligt leverera data när affären behövde det som mest.

Denna utmaning stämde överens med mina team och jag, och vi erkände behovet av en lösning som kunde övervaka, utreda, åtgärda och hantera tillförlitligheten hos data pipelines och infrastruktur. Företag försökte bygga och hantera data produkter med verktyg som inte var utformade för att möta deras föränderliga behov – vilket ledde till att data team saknade insikt i viktiga analyser och AI-applikationer.

Denna lucka på marknaden inspirerade oss att starta Acceldata, med målet att utveckla en omfattande och skalbar dataövervakningsplattform. Sedan dess har vi förändrat hur organisationer utvecklar och opererar data produkter. Vår plattform korrelerar händelser över data, bearbetning och pipelines, och ger en oöverträffad insikt. Inverkan av dataövervakning har varit enorm, och vi är ivriga att fortsätta driva branschen framåt.

Med tanke på att du myntade begreppet “Dataövervakning”, hur ser du på att detta koncept utvecklas under de kommande åren, särskilt med den ökande komplexiteten i multi-molnmiljöer?

Dataövervakning har utvecklats från ett nischkoncept till en kritisk förmåga för företag. När multi-molnmiljöer blir mer komplexa måste övervakningen anpassa sig för att hantera olika datakällor och infrastrukturer. Under de kommande åren förväntar vi oss att AI och maskinlärning kommer att spela en nyckelroll i att utveckla övervakningsförmågor, särskilt genom prediktiv analys och automatisk anomaliupptäckt.

Dessutom kommer övervakningen att utökas bortom övervakning till bredare aspekter av datastyrning, säkerhet och regelefterlevnad. Företag kommer att kräva mer realtidskontroll och insikt i sina dataoperationer, vilket gör övervakning till en vital del av att hantera data över alltmer invecklade miljöer.

Din bakgrund omfattar betydande erfarenhet av teknik och produktutveckling. Hur har denna erfarenhet format din tillvägagångssätt för att bygga och skala upp Acceldata?

Min tekniska och produktutvecklingsbakgrund har varit avgörande för att forma hur vi har byggt Acceldata. Att förstå de tekniska utmaningarna med att skala data system har möjliggjort för oss att utforma en plattform som tillgodoser företagens verkliga behov. Denna erfarenhet har också betonat vikten av agility och kundfeedback i vår utvecklingsprocess. På Acceldata prioriterar vi innovation, men vi ser alltid till att våra lösningar är praktiska och anpassade till vad kunder behöver i dynamiska, komplexa data miljöer. Detta tillvägagångssätt har varit avgörande för att skala företaget och expandera vår marknadsnärvaro globalt.

Med den nyligen genomförda $60 miljoner serie C-finansieringsrunda, vilka är de viktigaste områdena för innovation och utveckling som du planerar att prioritera på Acceldata?

Med $60 miljoner serie C-finansiering kommer vi att dubbla våra AI-drivna innovationer som kommer att differentiera vår plattform betydligt. Byggande på framgången med vår AI Copilot, kommer vi att förbättra våra maskinlärningsmodeller för att leverera mer precisa anomaliupptäckter, automatiserad kostnadsprognos och proaktiva insikter. Vi kommer också att utveckla prediktiv analys, där AI inte bara varnar användare för potentiella problem utan också föreslår optimala konfigurationer och proaktiva lösningar, specifika för deras miljöer.

En annan viktig fokus är kontextmedveten automatisering – där vår plattform lär sig av användarbetende och anpassar rekommendationer efter affärsmål. Utvidgningen av våra naturliga språkgränssnitt (NLI) kommer att möjliggöra för användare att interagera med komplexa övervakningsarbetsflöden genom enkla, konversationsbaserade kommandon.

Dessutom kommer våra AI-innovationer att driva en ännu större kostnadsoptimering, förutsäga resurskonsumtion och hantera kostnader med en aldrig tidigare skådad noggrannhet. Dessa framsteg positionerar Acceldata som den mest proaktiva, AI-drivna övervakningsplattformen, som hjälper företag att lita på och optimera sina dataoperationer som aldrig tidigare.

AI och LLM:er blir alltmer centrala för datahantering. Hur positionerar sig Acceldata för att leda inom detta område, och vilka unika förmågor erbjuder er plattform till företagskunder?

Acceldata leder redan vägen inom AI-drivna dataövervakning. Efter den lyckade integrationen av Bewgles avancerade AI-teknologi erbjuder vår plattform nu AI-drivna förmågor som betydligt förbättrar dataövervakning. Vår AI Copilot använder maskinlärning för att upptäcka anomalier, förutsäga kostnadsförbrukningsmönster och leverera realtidsinsikter, allt medan dessa funktioner görs tillgängliga genom naturliga språkinteraktioner.

Vi har också integrerat avancerad anomaliupptäckt och automatiserade rekommendationer som hjälper företag att förhindra dyra fel, optimera datainfrastruktur och förbättra operativ effektivitet. Dessutom strömmar våra AI-lösningar policyhantering och genererar automatiskt mänskligt läsbara beskrivningar för data tillgångar och policys, vilket brottar klyftan mellan tekniska och affärsmässiga intressenter. Dessa innovationer möjliggör för organisationer att låsa upp den fulla potentialen hos sina data samtidigt som de minimerar risker och kostnader.

Förvärvet av Bewgle har lagt till avancerade AI-kapaciteter i Acceldata-plattformen. Nu när ett år har passerat sedan förvärvet, hur har Bewgles teknologi integrerats i Acceldata-lösningarna, och vilken inverkan har denna integration haft på utvecklingen av era AI-drivna dataövervakningsfunktioner?

Under det senaste året har vi fullständigt integrerat Bewgles AI-teknologier i Acceldata-plattformen, och resultaten har varit transformerande. Bewgles erfarenhet av grundläggande modeller och naturliga språkgränssnitt har accelererat vår AI-utvecklingsplan. Dessa förmågor är nu inbäddade i vår AI Copilot, som levererar en nästa generationsanvändarupplevelse som tillåter användare att interagera med dataövervakningsarbetsflöden genom vanliga textkommandon.

Denna integration har också förbättrat våra maskinlärningsmodeller, förbättrat anomaliupptäckt, automatiserad kostnadsprognos och proaktiva insikter. Vi har kunnat leverera mer detaljerad kontroll över AI-drivna operationer, vilket ger våra kunder möjlighet att säkerställa data tillförlitlighet och prestanda över hela deras ekosystem. Framgången med denna integration har stärkt Acceldata-positionen som den ledande AI-drivna dataövervakningsplattformen, som erbjuder ännu större värde till våra företagskunder.

Som någon som är djupt involverad i datahanteringsindustrin, vilka trender ser du inom AI och dataövervakningsmarknaden under de kommande åren?

Under de kommande åren förväntar jag mig att några viktiga trender kommer att forma AI och dataövervakningsmarknaden. Realtidsdataövervakning kommer att bli alltmer kritisk när företag söker fatta snabbare, mer informerade beslut. AI och maskinlärning kommer att fortsätta driva framsteg inom prediktiv analys och automatiserad anomaliupptäckt, vilket hjälper företag att ligga före potentiella problem.

Dessutom kommer vi att se en tätare integration av övervakning med datastyrning och säkerhetsramverk, särskilt när regleringskraven ökar. Hanterade övervakningstjänster kommer sannolikt att öka när data miljöer blir mer komplexa, vilket ger företag den expertis och verktyg som behövs för att upprätthålla optimal prestanda och regelefterlevnad. Dessa trender kommer att höja rollen för dataövervakning i att säkerställa att organisationer kan skala sina AI-initiativ samtidigt som de upprätthåller höga standarder för datakvalitet och styrning.

Om man ser framåt, hur ser du på rollen för dataövervakning i att stödja distributionen av AI och stora språkmodeller i skala, särskilt i branscher med stränga datakvalitets- och styrningskrav?

Dataövervakning kommer att vara avgörande för att distribuera AI och stora språkmodeller i skala, särskilt i branscher som finans, hälsovård och regering, där datakvalitet och styrning är av yttersta vikt. När organisationer alltmer förlitar sig på AI för att fatta affärsbeslut blir behovet av tillförlitliga, högkvalitativa data alltmer kritiskt.

Dataövervakning säkerställer kontinuerlig övervakning och validering av dataintegritet, vilket hjälper till att förhindra fel och fördomar som kan undergräva AI-modeller. Dessutom kommer övervakning att spela en avgörande roll i regelefterlevnad genom att ge insikt i dataursprung, användning och styrning, i linje med stränga regleringskrav. Slutligen möjliggör dataövervakning för organisationer att utnyttja den fulla potentialen hos sina data samtidigt som de minimerar risker och kostnader.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Acceldata.