AI Radar
Стартап groundcover закрыл раунд на $100 млн под руководством One Peak и довёл общий объём финансирования до $160 млн. Компания предлагает хранить и обрабатывать растущий поток эксплуатационных данных внутри облачной среды заказчика — в том числе телеметрию ИИ-агентов.
groundcover работает на насыщенном рынке, где давно присутствуют Datadog, Dynatrace, New Relic, Splunk и Grafana. По собственным данным стартапа, у него более 250 платящих клиентов, а годовой повторяющийся доход за последний год утроился; в некоторых корпоративных средах продукт уже заменяет устоявшиеся observability-платформы. Эти показатели не подтверждены независимо, но новый раунд показывает, что инвесторы готовы финансировать не только отдельные средства мониторинга ИИ, но и альтернативную архитектуру сбора эксплуатационных данных.
Традиционная observability строится вокруг логов, метрик и трассировок уже развёрнутого приложения: инженеры отслеживают сбои, ищут причины инцидента и постепенно улучшают надёжность. ИИ ускоряет циклы разработки и одновременно усложняет работающие системы — рядом с микросервисами, Kubernetes-кластерами и API появляются большие языковые модели и агенты, которые самостоятельно выполняют многошаговые процессы, вызывают инструменты и взаимодействуют с production-средой. Каждое такое действие создаёт новые данные, которые могут понадобиться при расследовании.
К инфраструктурным сигналам добавляются специфические для ИИ параметры: выполнение промптов, задержка модели, расход токенов, работа retrieval-конвейеров, обращения к инструментам и последовательность решений агента. Для автономной системы эта история особенно ценна, поскольку помогает восстановить не только место сбоя, но и то, что агент фактически сделал и почему. В результате телеметрия превращается из побочного продукта эксплуатации в крупный массив контекста, который компании хотят сохранять как можно полнее.
Такой рост плохо сочетается с тарифами, зависящими от объёма переданных поставщику данных. Чтобы контролировать расходы, инженерные команды обычно сокращают сроки хранения, отбрасывают часть сигналов или сохраняют лишь выборку трассировок. Это снижает наблюдаемость именно тогда, когда поведение агентов и распределённых ИИ-приложений требует полной цепочки событий. Генеральный директор и сооснователь groundcover Шахар Азулай связывает интерес к продукту с недовольством клиентов, которым приходится ограничивать и разносить телеметрию по изолированным хранилищам.
Ответ groundcover состоит не в добавлении ещё одного ИИ-помощника поверх прежней платформы, а в изменении базовой схемы observability: данные остаются в облаке клиента, вместо того чтобы уходить во внешнюю среду поставщика. Такой подход должен быть удобнее для больших объёмов, длительного хранения и чувствительной информации, хотя доступные показатели пока отражают позицию самой компании, а её способность устойчиво конкурировать с более зрелыми платформами ещё предстоит подтвердить.
При внедрении агентов стоимость, полнота и место хранения телеметрии становятся частью архитектуры ИИ-системы, а не только вопросом эксплуатации. Модель groundcover может быть полезна организациям, которым важно сохранять подробные трассы внутри собственного облачного периметра и не выбирать между видимостью, конфиденциальностью и оплатой внешнего ingestion.
DSML editors review the selection. AI helps deduplicate signals and draft the text; the published edition remains an editorial product, not a feed of individual channels.