.webp){kind=small}
O espaço de observabilidade de agentes de inteligência artificial está decolando — mas como as empresas podem ter certeza de quais produtos e soluções de observabilidade elas precisam?
A startup de observabilidade groundcover (letra "g" minúscula intencional) anunciou esta semana que arrecadou US$ 100 milhões em uma rodada liderada pela One Peak, elevando seu financiamento total para US$ 160 milhões.
A empresa afirma que tem mais de 250 clientes pagantes, triplicou a receita anual recorrente nos últimos 12 meses e está cada vez mais substituindo plataformas de observabilidade estabelecidas em ambientes empresariais. Esses são números divulgados pela própria empresa, mas, juntos, eles apontam para um crescimento do momento em um dos mercados mais competitivos do software empresarial.
Esse mercado é dominado há muito tempo por empresas como Datadog, Dynatrace, New Relic, Splunk e Grafana. Juntas, elas representam bilhões de dólares em receita anual e anos de maturidade do produto. Entrar nesse grupo nunca foi fácil.
O argumento da groundcover é de que a inteligência artificial mudou fundamentalmente as suposições em que essas plataformas foram construídas.
Em vez de competir recurso por recurso, a empresa de quatro anos está tentando convencer as empresas de que a arquitetura que sustenta a observabilidade em si precisa mudar à medida que os sistemas de inteligência artificial se tornam mais autônomos, produzem uma quantidade muito maior de telemetria e participam cada vez mais das operações de software. Se essa tese se provar correta, ainda é uma questão aberta, mas ela oferece uma lente convincente para examinar como a observabilidade está evoluindo junto com a inteligência artificial empresarial.
A inteligência artificial está transformando a telemetria em um problema de infraestrutura
A observabilidade tradicionalmente foi vista como uma disciplina pós-produção. Os engenheiros implantam aplicações, monitoram logs, métricas e rastros, investigam incidentes e melhoram a confiabilidade com o tempo.
Esse fluxo de trabalho está mudando.
O desenvolvimento de software assistido por inteligência artificial acelerou dramaticamente os ciclos de implantação. Os assistentes de codificação geram mais código, a infraestrutura evolui mais rapidamente e as organizações estão implantando sistemas distribuídos cada vez mais complexos que combinam microsserviços, clusters Kubernetes, APIs e grandes modelos de linguagem. Ao mesmo tempo, as empresas estão começando a operar agentes de inteligência artificial que executam fluxos de trabalho de múltiplos passos, chamam ferramentas externas e interagem com sistemas de produção.
Cada uma dessas atividades gera telemetria.
O resultado é uma explosão de dados operacionais que as organizações cada vez mais querem reter em vez de descartar. As aplicações de inteligência artificial introduzem camadas adicionais de observabilidade além do monitoramento tradicional de infraestrutura, incluindo execução de prompts, latência de modelo, consumo de tokens, pipelines de recuperação, invocações de ferramentas e comportamento de agente. À medida que as empresas experimentam sistemas autônomos, essa telemetria se torna cada vez mais valiosa porque fornece o contexto.
Precisava entender o que um sistema de IA realmente fazia e por quê.
Para muitas organizações, isto cria tensão com modelos de preços que cobram de acordo com a quantidade de dados ingeridos.
Historicamente, os engenheiros muitas vezes responderam amostrando traços, encurtando os períodos de retenção ou limitando os dados coletados. Essas abordagens reduzem custos, mas também reduzem a visibilidade precisamente quando os sistemas baseados em IA exigem um contexto operacional mais completo.
“Vimos a explosão da telemetria”, disse o cofundador e CEO da Groundcover, Shahar Azulay, durante uma recente coletiva de imprensa. “Os usuários ficam frustrados por não obterem todo o valor do Datadog e de plataformas semelhantes. Eles estão limitando os dados, armazenando-os em silos, amostrando-os.”
Resta saber se essa frustração é suficientemente generalizada para remodelar o mercado, mas a tendência subjacente é difícil de ignorar. A IA está tornando a observabilidade menos uma questão de coletar dados suficientes e mais uma questão de coletar tudo o que as organizações possam eventualmente precisar.
Em vez de adicionar IA, a cobertura argumenta que a própria arquitetura precisa mudar
Muitos fornecedores de observabilidade introduziram assistentes de IA, análise de causa raiz alimentada por IA e recursos de observabilidade de IA nos últimos dois anos. Datadog, Dynatrace, New Relic e Grafana anunciaram produtos destinados a ajudar as empresas a monitorar aplicações de IA ou automatizar tarefas operacionais.
A groundcover reconhece esses desenvolvimentos, mas argumenta que eles não abordam o que considera ser a questão mais fundamental: onde reside a telemetria e como os clientes pagam por ela.
Em vez de operar uma plataforma SaaS convencional que armazena a telemetria do cliente em uma infraestrutura gerenciada pelo fornecedor, a groundcover usa o que chama de arquitetura traga sua própria nuvem (BYOC).
Os clientes mantêm o plano de dados – incluindo armazenamento e processamento de telemetria – dentro de seus próprios ambientes AWS, Microsoft Azure ou Google Cloud, enquanto o groundcover fornece um plano de controle gerenciado e experiência do usuário. Uma opção de implantação totalmente auto-hospedada também está disponível.
Embora alguns concorrentes, incluindo a Datadog e alguns outros fornecedores de observabilidade, ofereçam opções limitadas de residência de dados híbridas ou controladas pelo cliente, estas geralmente não são equivalentes a um modelo BYOC completo. Na maioria dos casos, a telemetria ainda é processada e armazenada na infraestrutura gerenciada do fornecedor, com apenas controles parciais (como residência de dados regionais, links privados ou encaminhamento seletivo de logs) disponíveis.
Essa decisão arquitetônica influencia quase todos os aspectos da estratégia da empresa.
Como os clientes já pagam pela sua própria infraestrutura em nuvem, a groundcover argumenta que pode evitar a cobrança com base na ingestão de telemetria. Em vez disso, o preço é baseado principalmente em hosts monitorados, independentemente do volume de telemetria.
A empresa acredita que isso muda o comportamento do cliente.
Em vez de decidir quais registros ou rastreamentos são muito caros para manter, as organizações podem, teoricamente, reter a telemetria completa e usá-la para análise operacional, conformidade e solução de problemas assistida por IA.
“Não precificamos por volume de dados”, disse Azulay. "Precificamos pelo tamanho da infraestrutura."
A distinção é importante porque as cargas de trabalho de IA tendem a aumentar a telemetria muito mais rapidamente do que a própria infraestrutura.
Isso não torna necessariamente os preços baseados no anfitrião universalmente mais baratos. Organizações com cargas de trabalho relativamente leves espalhadas por muitos hosts podem encontrar uma economia diferente dos ambientes densos do Kubernetes, gerando enormes quantidades de telemetria. O briefing da própria empresa observa que o preço por host é mais vantajoso para organizações com alta densidade de telemetria e pode ser menos atraente para frotas pouco utilizadas.
Ainda assim, o argumento mais amplo tem menos a ver apenas com o custo do que com a previsibilidade. As equipes de infraestrutura corporativa muitas vezes enfrentam dificuldades com contas de observabilidade que variam junto com o crescimento dos aplicativos. O modelo da groundcover tenta alinhar os preços mais estreitamente com o planeamento da infraestrutura, em vez da geração de dados.
EBPF está no centro da diferenciação técnica da empresa
O segundo pilar da estratégia da groundcover é o eBPF, uma tecnologia de kernel Linux que rapidamente se tornou um dos blocos de construção mais importantes para a observabilidade moderna da nuvem.
Em vez de exigir que os desenvolvedores instrumentem manualmente os aplicativos, o eBPF permite que o software executado dentro do kernel do sistema operacional observe o tráfego de rede, as chamadas do sistema e o comportamento do aplicativo com alterações mínimas no código.
Isso permite uma implantação mais rápida e uma visibilidade mais ampla em toda a infraestrutura.
Para organizações que operam clusters Kubernetes e aplicativos nativos da nuvem, a redução da complexidade da instrumentação pode reduzir significativamente os tempos de implantação e, ao mesmo tempo, aumentar a cobertura de telemetria.
Azulay argumenta que isto se torna especialmente importante à medida que os sistemas de IA geram interações cada vez mais complexas entre serviços.
“Nosso sensor nos permite observar sistemas profundamente, desde a infraestrutura até a aplicação e as cargas de trabalho de IA, sem que os desenvolvedores precisem instrumentar o código”, disse ele durante o briefing.
O eBPF em si não é único. Muitos fornecedores de observabilidade agora o incorporam em suas plataformas.
O que a groundcover argumenta que diferencia sua abordagem é combinar a coleta automática de eBPF com armazenamento controlado pelo cliente, compatibilidade OpenTelemetry e preços unificados dentro de uma única plataforma.
O relatório de pesquisa da própria empresa reconhece que nenhuma dessas tecnologias representa individualmente um fosso competitivo. A diferenciação reivindicada reside na combinação de coleta eBPF-first, arquitetura BYOC gerenciada, economia baseada em host e observabilidade full-stack fornecida
Os agentes de IA estão se tornando clientes — e usuários — da observabilidade
| ℹ️ | Nota do editor: O AR NEWS 24H publica conteúdos baseados em fontes externas. As informações e opiniões presentes no material original são de responsabilidade de seus respectivos autores. Este conteúdo foi traduzido e adaptado para o português do Brasil com o auxílio de ferramentas automatizadas. |
.jpg)
.webp)
.jpeg)
.webp)
