Agenci AI wchodzą do przedsiębiorstw szerokim frontem. Problem w tym, że nikt tak naprawdę nie wie, co robią, kiedy coś idzie nie tak. InsightFinder, startup zbudowany na 15 latach badań akademickich, właśnie zebrał 15 milionów dolarów w rundzie Series B, żeby to zmienić.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Kto stoi za InsightFinder
Firmę założyła Helen Gu, profesor informatyki na North Carolina State University, wcześniej związana z IBM i Google. To nie jest kolejny startup założony przez dwudziestolatków z pomysłem na pitch deck. Gu buduje tę firmę od 2016 roku, zanim „AI observability” w ogóle stało się modnym hasłem w branży.
Runda Series B była prowadzona przez Yu Galaxy. InsightFinder łącznie zebrał do tej pory 35 milionów dolarów.
Problem, który ignoruje większość firm
Kiedy model AI zaczyna zachowywać się dziwnie w środowisku produkcyjnym, gdzie szukać przyczyny? W samym modelu? W danych? W infrastrukturze?
Gu ma na to konkretną odpowiedź:
„In order to diagnose these AI model problems, you need to actually monitor and analyze the data, the model, and the infrastructure together. It’s not always a model problem or a data problem; it’s a combination. Sometimes, it’s simply your infrastructure.” / „Żeby zdiagnozować problemy z modelem AI, trzeba faktycznie monitorować i analizować dane, model i infrastrukturę razem. To nie zawsze problem z modelem ani z danymi – to kombinacja. Czasami to po prostu infrastruktura.”
Przykład z życia: jeden z klientów InsightFinder, duża amerykańska firma obsługująca karty kredytowe, zaobserwował dryf swojego modelu wykrywania fraudów. Okazało się, że winne były nieaktualne dane w pamięci podręcznej kilku węzłów serwerowych. Bez pełnego wglądu w stos technologiczny nikt by tego nie znalazł.
Agenci AI to nowa klasa problemów
Wraz z upowszechnieniem agentów AI przedsiębiorstwa stoją przed wyzwaniem, którego klasyczne narzędzia do monitorowania po prostu nie ogarniają. Agent nie jest jednym modelem. To złożony system, który podejmuje decyzje, wywołuje narzędzia, wchodzi w interakcje z innymi systemami, działa często autonomicznie.
Nowy produkt InsightFinder, nazwany Autonomous Reliability Insights, łączy:
- nienadzorowane uczenie maszynowe,
- własne duże i małe modele językowe,
- predykcyjne AI,
- wnioskowanie przyczynowo-skutkowe (causal inference).
System jest agnostyczny wobec źródeł danych, co pozwala mu analizować całe strumienie danych, korelować sygnały i wskazywać pierwotną przyczynę problemu.
Obserwuję ten rynek od kilku lat i widzę wyraźny pattern: firmy masowo wdrażają AI, skupiają się na efektach, ale kompletnie zaniedbują pytanie „co się stanie, kiedy coś się posypie”. InsightFinder próbuje wypełnić tę lukę i to brzmi sensownie. Jednocześnie nie można ignorować faktu, że rynek observability to dziś bardzo zatłoczone miejsce – Datadog, Dynatrace, New Relic, Grafana Labs, wszyscy mówią, że rozwiązują ten problem. Pytanie, które warto postawić to czy głęboka wiedza domenowa i doświadczenie z dużymi enterprise’ami wystarczy jako przewaga konkurencyjna, gdy naprzeciwko stoją giganci z miliardowymi budżetami marketingowymi. Na razie InsightFinder odpowiada na to pytanie wynikami finansowymi. Zobaczymy, co przyniesie skala.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Klienci i wzrost
Lista klientów robi wrażenie. Wśród firm korzystających z InsightFinder znajdują się UBS, NBCUniversal, Lenovo, Dell, Google Cloud i Comcast.
Gu mówi, że przychody firmy wzrosły ponad trzykrotnie w ciągu ostatniego roku. Co ciekawe, sama spółka nie szukała inwestorów. To inwestorzy zgłosili się do niej, po tym jak firma wygrała siedmiocyfrowy kontrakt z jedną z firm z listy Fortune 50 w zaledwie trzy miesiące.
Gu nie ukrywa, skąd pochodzi przewaga:
„We actually rarely lose [customers] to anybody so far […] This is about the insights, right? The problem is that a lot of data scientists understand AI, but they don’t understand the system. And a lot of SRE developers understand the system, but not the AI […] They don’t look at it, and they don’t understand the intrinsic relationships.” / „Właściwie rzadko tracimy klientów na rzecz kogokolwiek. Chodzi o wnioski, prawda? Problem polega na tym, że wielu data scientistów rozumie AI, ale nie rozumie systemu. Z kolei wielu inżynierów SRE rozumie system, ale nie AI. Nie patrzą na to razem i nie rozumieją wewnętrznych zależności.”
Co z pieniędzmi
Zespół InsightFinder liczy mniej niż 30 osób. Nowe środki zostaną przeznaczone głównie na pierwsze zatrudnienia w sprzedaży i marketingu oraz na rozwój strategii go-to-market. Firma do tej pory rosła niemal wyłącznie organicznie, bazując na reputacji i poleceniach wśród dużych klientów.
Gu mówi wprost, że firma przez dekadę pracowała z klientami z listy Fortune 50, żeby zrozumieć, czego naprawdę potrzebuje enterprise. I to właśnie ta wiedza, a nie sam produkt, jest najtrudniejsza do skopiowania.
