Как ваше предприятие отслеживает телеметрию ИИ-агентов? В Groundcover считают, что она никогда не должна покидать ваше облако

Сфера наблюдаемости ИИ-агентов стремительно развивается, но как предприятиям понять, какие именно продукты и решения для наблюдаемости им необходимы?

Стартап в области наблюдаемости groundcover (строчная «g» намеренная) объявил на этой неделе о привлечении $100 млн в ходе раунда финансирования под руководством One Peak, в результате чего общий объем привлеченных средств компании достиг $160 млн.

Компания заявляет, что у нее более 250 платящих клиентов, за последний год ее годовой регулярный доход утроился, и она все чаще заменяет устоявшиеся платформы наблюдаемости в корпоративных средах. Хотя эти цифры предоставлены самой компанией, в совокупности они указывают на растущий импульс на одном из самых конкурентных рынков корпоративного программного обеспечения.

Этот рынок долгое время доминировали такие компании, как Datadog, Dynatrace, New Relic, Splunk и Grafana. Вместе они представляют миллиарды долларов годового дохода и годы зрелости продуктов. Пробиться в эту группу никогда не было легко.

Аргумент groundcover заключается в том, что искусственный интеллект кардинально изменил предположения, на которых строились эти платформы.

Вместо конкуренции по принципу «функция за функцию» четырехлетний стартап пытается убедить предприятия в том, что сама архитектура, лежащая в основе наблюдаемости, должна измениться по мере того, как системы ИИ становятся более автономными, производят значительно больше телеметрии и все активнее участвуют в работе программного обеспечения. Оправдается ли этот тезис, пока остается открытым вопросом, но он предлагает убедительную перспективу для изучения того, как наблюдаемость развивается параллельно с корпоративным ИИ.

ИИ превращает телеметрию в проблему инфраструктуры

Традиционно наблюдаемость рассматривалась как постпроизводственная дисциплина. Инженеры развертывают приложения, отслеживают логи, метрики и трассировки, расследуют инциденты и со временем повышают надежность.

Этот рабочий процесс меняется.

Разработка программного обеспечения с помощью ИИ значительно ускорила циклы развертывания. Помощники по написанию кода генерируют больше кода, инфраструктура развивается быстрее, а организации развертывают все более сложные распределенные системы, сочетающие в себе микросервисы, кластеры Kubernetes, API и большие языковые модели. В то же время предприятия начинают использовать ИИ-агенты, которые выполняют многоэтапные рабочие процессы, вызывают внешние инструменты и взаимодействуют с производственными системами.

Каждое из этих действий генерирует телеметрию.

Результатом является взрывной рост операционных данных, которые организации все чаще хотят сохранять, а не отбрасывать. Приложения с ИИ вводят дополнительные уровни наблюдаемости помимо традиционного мониторинга инфраструктуры, включая выполнение промптов, задержку моделей, потребление токенов, конвейеры извлечения, вызовы инструментов и поведение агентов. Поскольку предприятия экспериментируют с автономными системами, эта телеметрия становится все более ценной, так как она предоставляет контекст, необходимый для понимания того, что именно сделала система ИИ и почему.

Для многих организаций это создает противоречие с моделями ценообразования, которые взимают плату в зависимости от объема поступающих данных.

Исторически инженеры часто реагировали на это выборочной выборкой (сэмплингом) трассировок, сокращением периодов хранения или ограничением собираемых данных. Такие подходы снижают затраты, но они также снижают видимость именно тогда, когда системы на базе ИИ требуют более полного операционного контекста.

«Мы наблюдаем взрывной рост телеметрии», — заявил соучредитель и генеральный директор groundcover Шахар Азулай (Shahar Azulay) во время недавнего брифинга для СМИ. — Пользователи разочарованы тем, что не получают всей ценности от Datadog и аналогичных платформ. Они ограничивают данные, изолируют их, используют сэмплинг».

Будет ли это разочарование достаточно масштабным, чтобы изменить рынок, еще предстоит увидеть, но базовую тенденцию трудно игнорировать. ИИ делает наблюдаемость менее зависящей от сбора достаточного количества данных и все больше ориентированной на сбор всего, что организациям может в конечном итоге понадобиться.

Вместо добавления ИИ, groundcover утверждает, что должна измениться сама архитектура

Многие поставщики средств наблюдаемости за последние два года внедрили ИИ-ассистентов, функции анализа первопричин на базе ИИ и возможности мониторинга ИИ. Datadog, Dynatrace, New Relic и Grafana — все они анонсировали продукты, направленные на помощь предприятиям в мониторинге приложений ИИ или автоматизации операционных задач.

groundcover признает эти достижения, но утверждает, что они не решают то, что компания считает более фундаментальной проблемой: где хранится телеметрия и как клиенты за нее платят.

Вместо работы на традиционной SaaS-платформе, которая хранит клиентскую телеметрию в инфраструктуре, управляемой вендором, groundcover использует архитектуру «принеси свое собственное облако» (BYOC — bring-your-your-cloud).

Клиенты сохраняют плоскость данных (включая хранение и обработку телеметрии) внутри собственных сред AWS, Microsoft Azure или Google Cloud, в то время как groundcover предоставляет управляемую плоскость управления и пользовательский интерфейс. Также доступен вариант полностью развертывания на собственной инфраструктуре.

Хотя некоторые конкуренты, включая Datadog и нескольких других вендоров наблюдаемости, предлагают ограниченные варианты гибридного размещения данных или контроля данных со стороны клиента, они, как правило, не эквивалентны полноценной модели BYOC. В большинстве случаев телеметрия по-прежнему обрабатывается и хранится в управляемой инфраструктуре вендора с доступностью лишь частичных элементов управления (таких как региональное хранение данных, частные соединения или выборочная пересылка логов).

Это архитектурное решение влияет практически на каждый аспект стратегии компании.

Поскольку клиенты уже платят за собственную облачную инфраструктуру, groundcover утверждает, что может избежать тарификации на основе объема поступающей телеметрии. Вместо этого ценообразование основывается главным образом на отслеживаемых хостах, независимо от объема телеметрии.

Компания считает, что это меняет поведение клиентов.

Вместо того чтобы решать, какие логи или трассировки слишком дороги для хранения, организации теоретически могут сохранять всю полноту телеметрии и использовать ее для операционного анализа, обеспечения соответствия требованиям и поиска неисправностей с помощью ИИ.

«Мы не берем плату за объем данных, — сказал Азулай. — Мы берем плату за размер инфраструктуры».

Это различие имеет значение, поскольку рабочие нагрузки ИИ имеют тенденцию увеличивать объем телеметрии гораздо быстрее, чем сама инфраструктура.

Это не обязательно делает ценообразование на основе хостов повсеместно более дешевым. Организации с относительно легкими рабочими нагрузками, распределенными по множеству хостов, могут столкнуться с другой экономикой, чем плотные среды Kubernetes, генерирующие огромные объемы телеметрии. В официальных материалах компании отмечается, что ценообразование на основе хоста наиболее выгодно для организаций с высокой плотностью телеметрии и может быть менее привлекательным для слабо используемых парков машин.

Тем не менее, более широкий аргумент касается не столько затрат самих по себе, сколько предсказуемости. Командам корпоративной инфраструктуры часто приходится бороться счетами за наблюдаемость, которые колеблются вместе с ростом приложений. Модель groundcover пытается согласовать ценообразование более тесно с планированием инфраструктуры, а не с генерацией данных.

eBPF находится в центре технологических преимуществ компании

Вторым столпом стратегии groundcover является eBPF — технология ядра Linux, которая быстро стала одним из важнейших строительных блоков для современной облачной наблюдаемости.

Вместо того чтобы требовать от разработчиков ручного внедрения инструментов в приложения, eBPF позволяет ПО, работающему внутри ядра операционной системы, наблюдать за сетевым трафиком, системными вызовами и поведением приложений с минимальными изменениями кода.

Это обеспечивает более быстрое развертывание и более широкую видимость всей инфраструктуры.

Для организаций, управляющих кластерами Kubernetes и облачными приложениями, снижение сложности инструментирования может значительно сократить время развертывания при одновременном увеличении покрытия телеметрией.

Азулай утверждает, что это становится особенно важным, поскольку системы ИИ создают все более сложные взаимодействия между службами.

«Наш датчик позволяет нам очень глубоко наблюдать за системами — от инфраструктуры до приложений и рабочих нагрузок ИИ — без необходимости для разработчиков писать код инструментирования», — заявил он во время брифинга.

Сама по себе технология eBPF не уникальна. Многие вендоры наблюдаемости теперь встраивают ее в свои платформы.

По мнению groundcover, ее подход отличается сочетанием автоматического сбора eBPF с хранилищем, контролируемым клиентом, совместимостью с OpenTelemetry и унифицированным ценообразованием в рамках единой платформы.

В аналитических материалах компании признается, что ни одна из этих технологий по отдельности не представляет собой конкурентного преимущества. Заявленное отличие заключается в комбинации сбора на базе eBPF, управляемой архитектуры BYOC, экономики на основе хостов и комплексной наблюдаемости, поставляемых вместе.

ИИ-агенты становятся одновременно клиентами и пользователями систем наблюдаемости

Пожалуй, самый интересный аспект стратегии groundcover выходит за рамки традиционного мониторинга.

Компания все чаще описывает наблюдаемость как инфраструктуру для автономной разработки программного обеспечения.

Исторически платформы наблюдаемости обслуживали операторов-людей, расследующих инциденты на производстве.

В groundcover считают, что будущие платформы наблюдаемости будут все чаще обслуживать и ИИ-агентов.

Его продукт Agent Mode («Режим агента») позволяет инженерам расследовать инциденты с использованием естественного языка в логах, метриках, трассировках и событиях Kubernetes. Что еще важнее, Азулай видит в наблюдаемости механизм обратной связи, который информирует агентов-программистов о том, что именно произошло в продакшене.

Вместо того чтобы просто обнаруживать сбои после развертывания, наблюдаемость становится непрерывным операционным контекстом, который автономные системы могут использовать для оценки изменений, выявления регрессий и, в конечном итоге, рекомендации или реализации исправлений.

«Мы наблюдаем переход наблюдаемости из статуса постпроизводственного инструмента… в состояние, когда люди берут контекст из продакшена и возвращают его своим ИИ-агентам для написания лучшего кода», — сказал Азулай.

Сегодня компания подчеркивает, что человек остается ключевым звеном процесса.

Agent Mode исследует инциденты и выдает рекомендации, но изменения в продакшене по-прежнему требуют одобрения человека. Азулай ожидает, что автономность будет расти постепенно по мере того, как организации будут чувствовать себя увереннее, позволяя системам ИИ участвовать в рабочих процессах.

Это видение отражает более широкую тенденцию, зарождающуюся в сфере корпоративного ПО, где ИИ-агенты все больше охватывают разработку, тестирование, развертывание и операции, а не функционируют как изолированные помощники.

Почему некоторые предприятия рассматривают альтернативы

groundcover выходит на высококонкурентный рынок, заполненный вендорами с многолетним опытом работы на предприятиях.

Только выручка Datadog в 2025 году превысила $3 миллиарда. Dynatrace, подразделение Splunk компании Cisco, Grafana Labs и New Relic — все они поддерживают обширные экосистемы партнеров, зрелые интеграции и организации корпоративной поддержки, которые новые участники не могут легко воспроизвести.

groundcover не пытается превзойти этих гигантов в масштабах в одночасье.

Вместо этого она утверждает, что ИИ создает архитектурный переломный момент, аналогичный предыдущим переходам от локальной инфраструктуры к облачным вычислениям.

По словам Азулая, многие клиенты поначалу внедряют groundcover для сокращения затрат на наблюдаемость, но все чаще остаются, потому что им нужен неограниченный доступ к более богатой телеметрии и рабочим процессам на базе ИИ.

Он говорит, что развертывание обычно заменяет существующие платформы, а не работает параллельно с ними, хотя компания публично не раскрывала данные о миграции клиентов или независимые исследования, подтверждающие это утверждение.

В брифинге компании для журналистов также содержится призыв проявлять осторожность в отношении некоторых заявлений о производительности.

Рост доходов, количество клиентов и показатели корпоративного внедрения исходят от самой groundcover. Опубликованные тематические исследования клиентов, сообщающие о значительной экономии средств, написаны поставщиками и не должны рассматриваться как независимое подтверждение без дополнительных доказательств. В брифинге также рекомендуется тщательно проверять, какие именно метаданные покидают среду клиента при стандартных развертываниях BYOC, а не предполагать, что никакие операционные данные никогда не достигают инфраструктуры вендора.

Эти оговорки важны, потому что рынок наблюдаемости перенасыщен. В настоящее время Gartner отслеживает более ста продуктов для наблюдаемости, и почти каждый крупный вендор сейчас предлагает операционные возможности на базе ИИ.

Успех, вероятно, будет зависеть не столько от того, имеет ли значение ИИ (что кажется все более неизбежным), сколько от того, придут ли предприятия к выводу, что существующие архитектуры по-прежнему достаточны.

Главный вопрос, на который ставят инвесторы

Если смотреть узко, раунд C финансирования groundcover — это еще один крупный раунд инвестиций в инфраструктуру.

Если смотреть шире, он отражает растущие дебаты о том, чем становится наблюдаемость в эпоху, когда программное обеспечение все чаще пишет, тестирует и управляет собой.

Если ИИ продолжит генерировать экспоненциально большие объемы операционных данных, традиционные предположения о сборе, ценообразовании и хранении телеметрии могут оказаться под растущим давлением. Поставщикам, построившим бизнес на взимании платы за прием данных, возможно, придется развивать свою экономику параллельно с ожиданиями клиентов. Новые игроки, тем временем, имеют возможность изначально проектировать решения с учетом этих изменяющихся предположений.

В groundcover считают, что эта возможность заключается в объединении контролируемой клиентом инфраструктуры, автоматического сбора телеметрии и операций с помощью ИИ в платформу, предназначенную для автономного ПО, а не просто в добавлении функций ИИ к существующим продуктам наблюдаемости.

Окажется ли эта архитектурная ставка долговечной, будет зависеть от того, как предприятия будут внедрять технологию в ближайшие несколько лет.

Но последний раунд финансирования компании говорит о том, что по крайней мере некоторые инвесторы считают: следующая битва в сфере наблюдаемости развернется не вокруг дашбордов или оповещений. Она будет вестись за то, кто создаст уровень операционных данных, на который полагается все более интеллектуальное ПО для понимания и в конечном итоге управления запускаемыми им системами.