罗希特·乔杜里（Rohit Choudhary），Acceldata 创始人兼 CEO – 采访系列

罗希特·乔杜里（Rohit Choudhary） 是 Acceldata 的创始人和 CEO，Acceldata 是企业数据可观察性市场的领导者。他于 2018 年创立了 Acceldata，当时他意识到该行业需要重新思考如何在云优先、AI 增强的世界中监控、调查、补救和管理数据管道和基础设施的可靠性。

是什么启发你在 2018 年创立 Acceldata 时关注数据可观察性，并且你试图填补数据管理行业的哪些空白？

我创立 Acceldata 的旅程始于近 20 年前，当时我是一名软件工程师，驱动我去识别和解决软件问题。作为 Hortonworks 的工程总监，我的经历让我接触到了一个反复出现的主题：具有雄心勃勃的数据战略的公司正在努力在数据平台上找到稳定性，尽管他们在数据分析上投入了大量资金。他们无法在业务最需要的时候可靠地交付数据。

这个挑战与我的团队和我产生了共鸣，我们认识到需要一个可以监控、调查、补救和管理数据管道和基础设施可靠性的解决方案。企业正在尝试使用不适合满足其不断变化的需求的工具来构建和管理数据产品——导致数据团队缺乏对关键的分析和 AI 应用的可见性。

这个市场空白激发了我们创立 Acceldata 的想法，目标是开发一个全面且可扩展的数据可观察性平台。从那时起，我们改变了组织开发和运营数据产品的方式。我们的平台在数据、处理和管道中关联事件，提供无与伦比的洞察力。数据可观察性的影响是巨大的，我们很高兴继续推动该行业向前发展。

作为“数据可观察性”一词的创造者，你如何看待这个概念在接下来的几年内的演变，特别是在多云环境日益复杂的情况下？

数据可观察性已经从一个小众概念发展成为企业的关键能力。随着多云环境变得更加复杂，可观察性必须适应处理多样化的数据源和基础设施。在接下来的几年里，我们预计 AI 和机器学习将在推进可观察性能力方面发挥关键作用，特别是在预测分析和自动异常检测方面。

此外，可观察性将扩展到监控之外的更广泛的数据治理、安全性和合规性方面。企业将要求对其数据操作有更实时的控制和洞察力，使可观察性成为管理数据在日益复杂的环境中的关键部分。

你的背景包括在工程和产品开发方面的丰富经验。这种经验如何塑造了你在 Acceldata 的建设和扩张方式？

我的工程和产品开发背景在塑造我们如何构建 Acceldata 方面起到了至关重要的作用。了解数据系统扩展的技术挑战使我们能够设计一个解决企业实际需求的平台。这种经验还让我认识到在开发过程中，敏捷性和客户反馈的重要性。在 Acceldata，我们优先考虑创新，但我们始终确保我们的解决方案是实用和客户需求驱动的，特别是在动态和复杂的数据环境中。这种方法对于扩大公司和全球市场份额至关重要。

凭借最近的 6,000 万美元 C 轮融资，你计划在 Acceldata 的哪些领域进行创新和开发？

凭借 6,000 万美元的 C 轮融资，我们将加倍投资于 AI 驱动的创新，这将显著区别于我们的平台。基于我们成功的 AI Copilot，我们正在增强机器学习模型以实现更精确的异常检测、自动补救和成本预测。我们还在预测分析方面取得进展，AI 不仅会提醒用户潜在问题，还会为其环境提供最佳配置和主动解决方案。

另一个关键焦点是上下文感知自动化——我们的平台从用户行为中学习，并将建议与业务目标保持一致。自然语言接口（NLI）的扩展将使用户能够通过简单的对话式命令与复杂的可观察性工作流进行交互。

此外，我们的 AI 创新将推动更大的成本优化，预测资源消耗并以前所未有的准确性管理成本。这些进步将 Acceldata 定位为最先进、AI 驱动的可观察性平台，帮助企业信任和优化其数据操作。

AI 和大型语言模型正在成为数据管理的核心。Acceldata 如何在这一领域领先，并且您的平台为企业客户提供了哪些独特的功能？

Acceldata 已经在 AI 驱动的数据可观察性方面领先。继 Bewgle 先进的 AI 技术成功整合后，我们的平台现在提供了显著增强的 AI 驱动功能。我们的 AI Copilot 使用机器学习来检测异常、预测成本消耗模式并提供实时洞察，同时使这些功能通过自然语言交互变得可访问。

我们还整合了先进的异常检测和自动化建议，帮助企业防止昂贵的错误、优化数据基础设施并提高运营效率。此外，我们的 AI 解决方案简化了策略管理，并自动为数据资产和策略生成人类可读的描述，弥合了技术和商业利益相关者之间的差距。这些创新使组织能够解锁其数据的全部潜力，同时最小化风险和成本。

Bewgle 的收购为 Acceldata 的平台添加了先进的 AI 能力。自收购以来已经过去一年，您如何看待 Bewgle 技术被整合到 Acceldata 的解决方案中的过程，以及这种整合对 AI 驱动的数据可观察性功能的开发产生了什么影响？

在过去的一年里，我们已经完全将 Bewgle 的 AI 技术整合到 Acceldata 平台中，结果非常显著。Bewgle 在基础模型和自然语言接口方面的经验加速了我们的 AI 路线图。这些功能现在嵌入在我们的 AI Copilot 中，提供了下一代用户体验，允许用户通过纯文本命令与数据可观察性工作流交互。

这种集成还提高了我们的机器学习模型，增强了异常检测、自动成本预测和主动洞察力。我们能够提供对 AI 驱动操作的更细粒度的控制，这使我们的客户能够确保其生态系统中的数据可靠性和性能。这种集成的成功加强了 Acceldata 作为领先的 AI 驱动数据可观察性平台的地位，为我们的企业客户提供了更大的价值。

作为数据管理行业的深度参与者，您预见在接下来的几年中，AI 和数据可观察性市场将出现哪些趋势？

在接下来的几年里，我预计几个关键趋势将塑造 AI 和数据可观察性市场。实时数据可观察性将变得更加关键，因为企业希望做出更快、更明智的决策。AI 和机器学习将继续推动预测分析和自动异常检测的进步，帮助企业在潜在问题出现之前领先一步。

此外，我们将看到可观察性与数据治理和安全框架的集成更加紧密，特别是随着监管要求变得更加严格。托管可观察性服务可能会兴起，因为数据环境变得更加复杂，企业需要专家知识和工具来维护最佳性能和合规性。这些趋势将提高数据可观察性在确保组织能够扩展其 AI 计划同时保持高数据质量和治理标准方面的作用。

展望未来，您如何看待数据可观察性在支持大规模部署 AI 和大型语言模型方面的作用，特别是在对数据质量和治理要求严格的行业中？

数据可观察性将在大规模部署 AI 和大型语言模型方面发挥至关重要的作用，特别是在金融、医疗保健和政府等行业中，数据质量和治理至关重要。随着组织越来越多地依赖 AI 来驱动商业决策，拥有可靠、高质量的数据的需求变得更加重要。

数据可观察性确保持续监控和验证数据完整性，帮助防止可能破坏 AI 模型的错误和偏差。此外，可观察性在合规方面将发挥至关重要的作用，通过提供对数据血统、使用情况和治理的可见性来满足严格的监管要求。最终，数据可观察性使组织能够利用 AI 的全部潜力，确保其 AI 计划建立在可靠、高质量数据的基础上。

感谢这次精彩的采访，希望了解更多的读者可以访问 Acceldata。