Tsuga ร่วมระดมทุน 35 ล้านเหรียญสหรัฐฯ ใน Series A เนื่องจาก AI ขยายโครงสร้างพื้นฐานด้านการตรวจสอบให้ถึงขีดจำกัด

สตาร์ทอัพด้านการตรวจสอบของ Tsuga ที่ตั้งอยู่ที่ปารีสได้รับเงิน 35 ล้านเหรียญสหรัฐฯ ใน Series A น้อยกว่าหนึ่งปีหลังจากที่ออกจากความลับ เนื่องจากองค์กรต่างๆ ต้องดูแลความซับซ้อนและต้นทุนที่เพิ่มขึ้นของระบบที่ขับเคลื่อนด้วย AI

รอบการระดมทุนนี้นำโดย Singular โดยมีการเข้าร่วมจากนักลงทุนรายเดิม General Catalyst และผู้สนับสนุนรายใหม่ DST Global และ QuantumLight พร้อมด้วยการสนับสนุนจาก Picus และ Databricks Ventures การระดมทุนครั้งนี้เกิดขึ้นในช่วงที่บริษัทเติบโตอย่างรวดเร็ว โดยระบุว่าได้ทำสัญญาแล้วกว่าหลายล้านเหรียญสหรัฐฯ ในรายได้ประจำปีและได้ลูกค้า รวมถึง Le Monde, Camunda, Buk และ Black Forest Labs

เงินทุนใหม่นี้จะถูกนำไปใช้ในการขยายทีมงานให้ถึง 100 คน และเร่งพัฒนาแพลตฟอร์ม

เหตุใดการตรวจสอบจึงเผชิญกับความท้าทายใหม่

แพลตฟอร์มการตรวจสอบ ช่วยให้องค์กรต่างๆ ตรวจสอบแอปพลิเคชัน อินฟราสตรัคเจอร์ และระบบ AI ที่เพิ่มขึ้นเรื่อยๆ โดยการรวบรวมข้อมูลโทรเมทรี เช่น ล็อก เมทริกซ์ และแทรก

ตามที่ Tsuga ระบุ วิธีการออกแบบดั้งเดิมของการตรวจสอบถูกสร้างขึ้นโดยใช้แบบจำลองที่ลูกค้าส่งข้อมูลโทรเมทรีไปยังแพลตฟอร์มคลาวด์ที่ผู้ให้บริการดำเนินการ ในขณะที่วิธีการนี้ใช้ได้ผลเมื่อปริมาณข้อมูลยังเล็ก แต่เวิร์กโหลด AI กำลังสร้างข้อมูลโทรเมทรีมากขึ้นอย่างมีนัยสำคัญ ซึ่งเพิ่มต้นทุนการกินเข้าและสร้างความท้าทายใหม่ๆ ในด้านการกำกับดูแลข้อมูลที่ละเอียดอ่อน

บริษัทโต้แย้งว่าหลายองค์กรกำลังถูกบังคับให้เลือกระหว่างการควบคุมต้นทุนผ่านการวิเคราะห์ตัวอย่าง ซึ่งลดความสามารถในการมองเห็น หรือยอมรับต้นทุนการตรวจสอบที่เพิ่มขึ้นอย่างรวดเร็ว

แนวทางที่แตกต่าง: นำคลาวด์ของคุณมาเอง

Tsuga ก่อตั้งขึ้นในปี 2024 โดยอดีตผู้บริหาร Datadog (DDOG ) Gabriel-James Safar และ Sébastien Deprez โดยมีจุดมุ่งหมายในการสร้างแพลตฟอร์มที่มีคลาวด์ของลูกค้าเอง

แทนที่จะส่งข้อมูลโทรเมทรีไปยังบริการของบุคคลที่สาม แพลตฟอร์มจะถูกติดตั้งโดยตรงภายในสภาพแวดล้อมคลาวด์ของลูกค้า แพลตฟอร์มของ Tsuga สามารถทำงานได้บนคลาวด์หลักๆ รวมถึง AWS, Microsoft Azure, Google Cloud และสภาพแวดล้อมคลาวด์ที่มีอำนาจอธิปไตย ข้อมูลโทรเมทรียังคงอยู่ภายในโครงสร้างพื้นฐานของลูกค้า จัดเก็บไว้ในระบบจัดเก็บวัตถุของตนเองและเข้ารหัสโดยใช้การควบคุมความปลอดภัยของตนเอง

สถาปัตยกรรมนี้ได้รับการออกแบบมาเพื่อแก้ไขความท้าทายหลายประการพร้อมๆ กัน: ข้อกำหนดด้านความเป็นเจ้าของข้อมูล การปฏิบัติตามกฎระเบียบ ต้นทุนโครงสร้างพื้นฐาน และการล็อกของซัพพลายเออร์ Tsuga สนับสนุนมาตรฐานเปิด เช่น OpenTelemetry และใช้รูปแบบข้อมูลเปิด ทำให้ลูกค้าสามารถควบคุมข้อมูลโทรเมทรีของตนเองได้

การสร้างการตรวจสอบสำหรับระบบ AI

การเพิ่มขึ้นของแอปพลิเคชัน AI ก็เปลี่ยนแปลงสิ่งที่องค์กรต่างๆ ต้องตรวจสอบด้วย

นอกเหนือจากล็อก เมทริกซ์ และแทรกแบบดั้งเดิมแล้ว องค์กรต่างๆ ยังต้องการความสามารถในการมองเห็นในเวิร์กโฟลว์ AI ที่เฉพาะเจาะจง เช่น การดำเนินการพรอมต์ การใช้โทเค็น อินเทอร์แอคชันของเอเย่นต์ คะแนนความมั่นใจ และเชนการเรียกใช้หลายเอเย่นต์ แพลตฟอร์มของ Tsuga รวมความสามารถเหล่านี้เข้าด้วยกันใน環境เดียว ในขณะเดียวกันก็เก็บข้อมูลไว้ภายในขอบเขตคลาวด์ของลูกค้า

บริษัทได้กำหนดตำแหน่งตัวเองเป็น “แพลตฟอร์มการตรวจสอบที่ทนทานต่อ AI” โดยนำเสนอเครื่องมือการตรวจสอบที่ออกแบบมาโดยเฉพาะสำหรับเวิร์กโหลด AI คุณสมบัติเหล่านี้รวมถึงการตรวจจับความผิดปกติด้วย AI การวิเคราะห์เหตุผลอัตโนมัติ การตรวจสอบการปรับใช้ และความสามารถในการตรวจสอบเอเย่นต์

Tsuga ยังให้เซิร์ฟเวอร์ MCP และเครื่องมือบรรทัดคำสั่งซึ่งช่วยให้ทีมวิศวกรสามารถสร้างเอเย่นต์ AI ของตนเองบนข้อมูลการตรวจสอบโดยไม่ต้องย้ายข้อมูลออกจากขอบเขตความปลอดภัย

ชั้นบริการร่วมกับซอฟต์แวร์

ไม่เหมือนกับซัพพลายเออร์ SaaS หลายราย Tsuga รวมซอฟต์แวร์กับโมเดลการปรับใช้แบบไปข้างหน้า

บริษัททำงานโดยตรงกับลูกค้าเพื่อเพิ่มประสิทธิภาพสภาพแวดล้อมโทรเมทรี ลดการรวบรวมข้อมูลที่ไม่จำเป็น และปรับปรุงประสิทธิภาพการตรวจสอบเมื่อเวลาผ่านไป วิธีการนี้สะท้อนถึงแนวโน้มที่กว้างขึ้นในซอฟต์แวร์สำหรับองค์กร โดยซัพพลายเออร์ให้ความเชี่ยวชาญด้านการดำเนินงานร่วมกับเทคโนโลยี

เมื่อองค์กรต่างๆ ยังคงขยายการนำ AI ไปใช้ การจัดการข้อมูลโทรเมทรีที่เกิดขึ้นเป็นความท้าทายด้านการดำเนินการที่สำคัญมากขึ้น วิธีการของ Tsuga มุ่งเน้นไม่เพียงแต่การรวบรวมและการวิเคราะห์ข้อมูลนี้ แต่ยังช่วยให้ลูกค้าลดปริมาณข้อมูลที่ต้องประมวลผลและเก็บไว้ด้วย

รูปแบบที่เป็นกลางกว่าคือ

สัญญาณของการเปลี่ยนแปลงลำดับความสำคัญในการตรวจสอบ

รอบการระดมทุนครั้งนี้เกิดขึ้นในช่วงที่ทีมโครงสร้างพื้นฐานกำลังประเมินว่าระบบการตรวจสอบเข้ากันได้กับสภาพแวดล้อมที่ขับเคลื่อนด้วย AI อย่างไร

เมื่อองค์กรต่างๆ นำระบบ AI และเอเย่นต์แบบอัตโนมัติมาใช้มากขึ้น ปริมาณโทรเมทรีก็เพิ่มขึ้น ทำให้เกิดแรงกดดันเพิ่มเติมต่อสถาปัตยกรรมที่ออกแบบขึ้นก่อนที่เวิร์กโหลดเหล่านี้จะกลายเป็นเรื่องปกติ ในเวลาเดียวกัน การกำกับดูแลข้อมูล การปฏิบัติตามกฎระเบียบ และการบริหารต้นทุนได้กลายเป็นข้อพิจารณาที่สำคัญสำหรับผู้ซื้อองค์กร

แนวทางของ Tsuga สะท้อนถึงการตอบสนองต่อความท้าทายเหล่านี้: การเก็บข้อมูลการตรวจสอบไว้ภายในสภาพแวดล้อมคลาวด์ที่ควบคุมโดยลูกค้า แทนที่จะส่งผ่านแพลตฟอร์มที่ดำเนินการโดยผู้ให้บริการ ไม่ว่าโมเดลนี้จะถูกนำมาใช้กันอย่างกว้างขวางหรือไม่นั้น แต่สิ่งนี้เน้นให้เห็นว่าตลาดการตรวจสอบกำลังพัฒนาเมื่อเวิร์กโหลด AI กลายเป็นส่วนสำคัญของโครงสร้างพื้นฐานขององค์กร

ด้วยการระดมทุนล่าสุด Tsuga ได้เข้าร่วมสตาร์ทอัพหลายแห่งที่กำลังสำรวจแนวทางใหม่ๆ ในการตรวจสอบและจัดการระบบซอฟต์แวร์สมัยใหม่ การเติบโตของบริษัทชี้ให้เห็นว่าบางองค์กรกำลังประเมินวิธีแก้ปัญหาแบบอื่นแทนโครงสร้างพื้นฐานการตรวจสอบแบบดั้งเดิม เนื่องจากพวกเขาปรับตัวให้เข้ากับความต้องการการดำเนินงานของแอปพลิเคชัน AI ที่มีประสิทธิภาพ