Tsuga зібрала $35 мільйонів серії А, оскільки AI розширює інфраструктуру спостереження до межі

Паризький стартап спостереження Tsuga отримав $35 мільйонів фінансування серії А, менше ніж через рік після виходу зі стелс-режиму, оскільки підприємства борються із зростаючою складністю та вартістю моніторингу систем, що працюють на основі штучного інтелекту.

Раунд був очолений Singular, з участю існуючих інвесторів General Catalyst та нових інвесторів DST Global та QuantumLight, поряд з підтримкою від Picus та Databricks Ventures. Фінансування відбувається під час періоду швидкого зростання компанії, яка заявляє, що вже підписала мільйони доларів щорічного рекурентного доходу та забезпечила клієнтів, включаючи Le Monde, Camunda, Buk та Black Forest Labs.

Новий капітал буде використаний для розширення команди до приблизно 100 працівників та прискорення розробки платформи.

Чому спостережливість стикається з новим викликом

Платформи спостережливості допомагають організаціям моніторити додатки, інфраструктуру та все частіше системи штучного інтелекту, збираючи телеметричні дані, такі як журнали, метрики та траси. Коли підприємства розгортають більше агентів штучного інтелекту та автономних систем, кількість телеметричних даних зростає драматично.

За словами Tsuga, традиційні архітектури спостережливості були побудовані навколо моделі, в якій клієнти надсилають телеметричні дані на хмарну платформу, що працює у постачальника. Хоча такий підхід працював, коли обсяги даних були меншими, навантаження штучного інтелекту виробляють значно більше телеметричних даних, що підвищує витрати на інгестію та створює нові проблеми управління щодо конфіденційних даних.

Компанія стверджує, що багато організацій тепер змушені вибирати між контролем витрат за допомогою вибіркового зразкування, яке знижує видимість, або прийняттям швидко зростаючих рахунків за спостережливість.

Інший підхід: Приносіть свою хмару

Tsuga була заснована у 2024 році колишніми виконавчими директорами Datadog (DDOG ) Габрієлем-Джеймсом Сафаром та Себастьєном Депрезом, і була побудована навколо архітектури Bring Your Own Cloud (BYOC).

Натомість ніж надсилати телеметричні дані на службу третього боку, платформа розгортається безпосередньо в хмарному середовищі клієнта. Платформа компанії працює на всіх основних хмарних постачальниках, включаючи AWS, Microsoft Azure, Google Cloud та суверенні хмарні середовища. Телеметричні дані залишаються всередині інфраструктури клієнта, зберігаються в його об’єктному сховищі та шифруються за допомогою його власних засобів безпеки.

Ця архітектура призначена для одночасного вирішення декількох проблем: вимог до суверенітету даних, проблем з відповідністю, витрат на інфраструктуру та блокування постачальника. Tsuga підтримує відкриті стандарти, такі як OpenTelemetry, та використовує відкриті формати даних, що дозволяє клієнтам зберігати контроль над своїми телеметричними даними.

Будування спостережливості для систем штучного інтелекту

Рост застосування штучного інтелекту також змінює те, що організації повинні моніторити.

Крім традиційних журналів, метрик та трас aplicación, підприємства все частіше потребують видимості у специфічних робочих процесах штучного інтелекту, таких як виконання запитів, використання токенів, взаємодія агентів, оцінки впевненості та ланцюги викликів багатократних агентів. Платформа Tsuga поєднує ці можливості в одному середовищі, зберігаючи дані всередині хмарного кордону клієнта.

Компанія позиціонує себе як “Спостережливість, стійка до штучного інтелекту”, пропонуючи інструменти спостережливості, спеціально розроблені для навантажень штучного інтелекту. Функції включають виявлення аномалій, що працює на основі штучного інтелекту, автоматичний аналіз кореневих причин, моніторинг розгортання та можливості спостережливості агентів.

Tsuga також пропонує сервер MCP та інструменти командної строки, які дозволяють інженерним командам будувати自己的 агенти штучного інтелекту на основі даних спостережливості без виведення цих даних за межі їхньої безпеки.

Шар послуг поряд з програмним забезпеченням

На відміну від багатьох постачальників SaaS, Tsuga поєднує програмне забезпечення з моделлю інженерних послуг, розгорнутих вперед.

Компанія працює безпосередньо з клієнтами для оптимізації середовищ телеметрії, зниження непотрібної збору даних та поліпшення ефективності спостережливості з часом. Цій підхід відповідає більш широкій тенденції в програмному забезпеченні для підприємств, де постачальники все частіше надають операційний досвід поряд з технологіями.

Когда організації продовжують розгортання штучного інтелекту, управління результатуючим потоком телеметричних даних стає все більш важливим операційним викликом. Підхід Tsuga зосереджується не тільки на зборі та аналізі цих даних, але також на допомозі клієнтам у зниженні обсягу інформації, яка потребує обробки та збереження.

Більш нейтральна версія буде:

Ознака зміни пріоритетів у спостережливості

Раунд фінансування відбувається в той час, коли інфраструктурні команди переоцінюють, як системи спостережливості вписуються в середовища, що все частіше керуються штучним інтелектом.

Когда організації розгортають більше застосунків штучного інтелекту та автономних агентів, обсяги телеметрії продовжують зростати, що створює додатковий тиск на архітектури, розроблені до того, як ці навантаження стали звичайними. Водночас управління даними, відповідність вимогам та управління витратами стали більш важливими факторами для покупців підприємств.

Підхід Tsuga відображає одну відповідь на ці виклики: зберігання даних спостережливості всередині хмарних середовищ клієнтів, а не маршрутизація їх через платформу постачальника. Чи ця модель здобуде ширше визнання, залишається невідомим, але вона підкреслює, як ринок спостережливості еволюціонує, коли навантаження штучного інтелекту стають більшістю інфраструктури підприємств.

З останнім раундом фінансування Tsuga приєднується до ряду стартапів, які досліджують нові підходи до моніторингу та управління сучасними програмними системами. Рост компанії свідчить про те, що деякі організації активно оцінюють альтернативи традиційним архітектурам спостережливості, коли вони адаптуються до операційних вимог застосунків, рідних для штучного інтелекту.