Empirik, стартап, інкубований Sequoia Capital, вийшов із стелс-режиму з 21 млн доларів фінансування на систему, що передбачає IT-збої до того, як вони стаються. За даними TechCrunch, компанія позиціонує продукт як наступний крок AIOps — напряму, що застосовує машинне навчання до моніторингу та управління IT-інфраструктурою.
Досі більшість систем моніторингу інфраструктури працює реактивно: спрацьовує алерт, коли сервіс вже впав або деградував, і команда інженерів кидається гасити пожежу. Empirik пропонує інший підхід — прогнозувати збій до того, як він вплине на користувачів, аби інженери могли втрутитися заздалегідь.
Те, що подібний стартап інкубує саме Sequoia — один із найвпливовіших венчурних фондів Кремнієвої долини — сигналізує, що великий капітал бачить у передбачувальному AIOps окрему інвестиційну категорію, а не нішеву фічу існуючих платформ моніторингу.
Що саме анонсував Empirik?
Empirik запустився публічно з раундом у 21 млн доларів, отриманим завдяки статусу компанії, інкубованої Sequoia — це означає, що фонд брав участь у формуванні стартапу ще на ранній стадії, а не просто інвестував у вже готову команду. Ядро продукту — модель, яка аналізує сигнали з IT-інфраструктури та прогнозує ймовірність збою до його фактичного настання. Деталей про архітектуру моделі, конкретних клієнтів чи ціноутворення в анонсі TechCrunch не наведено.
Чому AIOps зміщується від реакції до передбачення?
AIOps (AI for IT Operations) — це застосування машинного навчання до задач моніторингу, кореляції алертів і автоматизації реагування на інциденти в IT-інфраструктурі. Класичне покоління AIOps-інструментів (Datadog, PagerDuty, Splunk та інші) переважно скорочує час виявлення й діагностики вже наявної проблеми — так званий MTTR (mean time to resolution). Запуск Empirik орієнтований на інший показник: не швидше реагувати, а взагалі не допустити збою. За нашою оцінкою, це логічний наступний рубіж для галузі, де ціна простою (втрачений дохід, SLA-штрафи, довіра клієнтів) для великих сервісів вимірюється мільйонами доларів за годину.
Кому це потрібно і що з цим робити зараз?
Судячи з фокусу продукту, головна аудиторія Empirik — команди, що відповідають за надійність складної розподіленої інфраструктури:
- SRE та DevOps-команди у компаніях із високими вимогами до аптайму;
- платформні інженери, які керують хмарною інфраструктурою на масштабі;
- фінтех, e-commerce та інші галузі, де простій напряму конвертується у втрачений дохід.
Показовий сигнал зрілості напряму: капітал заходить ще на стадії запуску компанії, до появи публічних кейсів клієнтів. Це означає, що інвестори оцінюють не поточну виручку, а розмір потенційного ринку — глобальні витрати компаній на IT-даунтайм. Якщо ваша команда підтримує production-інфраструктуру з високими вимогами до надійності, варто стежити за категорією predictive AIOps як за окремим класом інструментів, а не черговою фічею дашборда моніторингу. Перш ніж підписувати контракт із будь-яким вендором цього напряму, варто перевірити:
- чи модель тренована на даних, релевантних вашому стеку (хмара, on-prem, гібрид);
- чи є прозорий baseline точності передбачень (false positive rate) до підписання контракту;
- чи інтеграція вимагає заміни наявного observability-стеку, чи працює поверх нього.
Схожу логіку — ранній інституційний капітал під вузьку, глибоко технічну нішу — ми вже бачили в раунді PSI, що залучив $58 млн засівних інвестицій на AI у фізиці: інвестори роблять ставку не на широку платформу, а на вузькоспеціалізовану модель, яка вирішує один дорогий інфраструктурний біль.
Висновок AiiN
Раунд Empirik — це не просто ще одне фінансування AI-стартапу, а маркер того, що AIOps-ринок проходить межу зрілості: від інструментів, що прискорюють реакцію на інцидент, до систем, покликаних інцидент скасувати. Для індустрії це означає зсув метрики успіху — з MTTR на кількість збоїв, яких взагалі не сталося, а це набагато складніше виміряти й продати клієнту. Компанії, яким вдасться довести цю метрику до переконливих кейсів, отримають вагому перевагу на ринку observability, який зараз переповнений реактивними рішеннями.
Що таке AIOps?
AIOps (Artificial Intelligence for IT Operations) — це застосування методів машинного навчання для аналізу даних телеметрії IT-систем: логів, метрик і трейсів, — щоб автоматизувати виявлення аномалій, кореляцію алертів і реагування на інциденти.
Чим Empirik відрізняється від традиційних систем моніторингу?
Традиційні системи моніторингу сповіщають про проблему після того, як вона вже виникла. Empirik, за описом TechCrunch, орієнтований на прогнозування збою до його фактичного настання, що дає командам час втрутитися заздалегідь.
Скільки грошей залучив Empirik і хто інвестор?
Empirik залучив 21 млн доларів фінансування, а сам стартап інкубований Sequoia Capital — одним із провідних венчурних фондів.