جذب ۲۱ میلیون دلار برای هوش مصنوعی در مهندسی زیرساخت

استارتاپ Empirik با جذب ۲۱ میلیون دلار سرمایه، از ابزاری مبتنی بر هوش مصنوعی برای پیش‌بینی و جلوگیری از خرابی‌های زیرساختی پیش از وقوع خبر داد. این فناوری می‌تواند بار سنگین عیب‌یابی را از دوش مهندسان DevOps و SRE بردارد.

آوان پوری پیش از آنکه در سال ۲۰۲۰ به عنوان مدیر ارشد دیجیتال و اطلاعات (CDIO) به Sequoia Capital بپیوندد، بیش از یک دهه را صرف مدیریت زیرساخت‌ها در شرکت‌های Rubrik و VMware کرده بود. سه سال پیش، زمانی که مدل‌های زبانی بزرگ (LLMs) پتانسیل واقعی خود را نشان دادند، پوری در کنار سودیر دورجاتی، دیگر مدیر فناوری اطلاعات در Sequoia، دریافتند که استفاده از هوش مصنوعی در مهندسی زیرساخت می‌تواند در خودکارسازی رفع یکی از چالش‌های اصلی مهندسان کمک کند: جلوگیری از قطعی‌های فنی پیش از وقوع آن‌ها.

این دو پیشکسوت حوزه فناوری دریافتند که به جای واکنش نشان دادن به خرابی‌های سیستم پس از وقوع، می‌توانند ابزاری برای پیش‌بینی آن‌ها بسازند. این بینش منجر به خلق Empirik شد؛ محصولی که تغییرات سیستم را رصد کرده و پیامدهای احتمالی و زنجیره‌ای آن‌ها را بر کل زیرساخت پیش‌بینی می‌کند.

Sequoia تشخیص داد که Empirik می‌تواند نوع جدیدی از ابزارهای مشاهده‌پذیری (Observability) باشد که به پیشگیری و رفع حوادث کمک می‌کند. پس از پرورش این استارتاپ در سال ۲۰۲۳، Sequoia اوایل امسال کارتیک چاند رایانا، مدیر محصول سابق Quantum Metric و معاون بخش مشاهده‌پذیری در Salesforce را به عنوان مدیرعامل جذب کرد.

Empirik روز سه‌شنبه اعلام کرد که پس از جذب ۲۱ میلیون دلار سرمایه اولیه (Seed) از شرکت‌های Sequoia، Canapi و Alumni Ventures، به عنوان یک شرکت مستقل فعالیت خود را آغاز می‌کند.

تحولی در پایداری سیستم‌ها با هوش مصنوعی در مهندسی زیرساخت

بوگومیل بالکانسکی، شریک Sequoia، در گفتگو با TechCrunch گفت: «همواره مبالغ هنگفتی صرف حفظ پایداری و تداوم فعالیت سیستم‌ها شده است.» وی افزود که اکثر ابزارهای مشاهده‌پذیری موجود در تحلیل وابستگی‌های پیچیده سیستم ناتوان هستند. به گفته او، Empirik یکی از نخستین ابزارهای تخصصی است که بر رصد تغییرات در محیط‌های عظیم تمرکز دارد. این ابزار مانند یک «پلیس راهنمایی و رانندگی خودکار» عمل می‌کند؛ به تغییرات کم‌خطر اجازه عبور می‌دهد، برای تغییرات بزرگ‌تر چارچوب‌های حفاظتی (Guardrails) تعیین می‌کند و خطرناک‌ترین به‌روزرسانی‌ها را برای بررسی توسط انسان علامت‌گذاری می‌کند.

Empirik با ایفای نقش یک مهندس زیرساخت خودکار، کمک می‌کند تا تیم‌های پرمشغله DevOps و مهندسی قابلیت اطمینان سایت (SRE)، وظایف روتین عیب‌یابی را از دوش خود بردارند و بر اولویت‌های با ارزش‌تر تمرکز کنند.

از زمان راه‌اندازی در اوایل سال جاری، Empirik مشتریانی از استارتاپ‌ها گرفته تا چندین شرکت از فهرست Fortune 500، از جمله S&P Global، Guardant Health و یک شرکت بزرگ در حوزه کالاهای مصرفی بسته‌بندی‌شده (CPG) را جذب کرده است.

هدف Empirik این است که همان کاری را برای مهندسان زیرساخت انجام دهد که ابزارهایی مانند Cursor و Claude Code برای توسعه‌دهندگان نرم‌افزار انجام دادند: خودکارسازی وظایف خاص تا آن‌ها بتوانند با سرعت بسیار بیشتری کار کنند.

چاند رایانا به TechCrunch گفت، همان‌طور که هوش مصنوعی سرعت توسعه نرم‌افزار را شتاب می‌بخشد، ابزارهایی که به مهندسان زیرساخت کمک می‌کنند تا خود را با تغییرات مداوم سیستم هماهنگ کنند، بیش از هر زمان دیگری حیاتی هستند.

او افزود: «همان‌گونه که هوش مصنوعی عامل‌محور (Agentic AI) تحولی بنیادین در حوزه نرم‌افزار ایجاد کرد، Empirik نیز می‌خواهد همین مسیر را برای مهندسی زیرساخت طی کند.»

در بحث رقابت با دیگران، بالکانسکی تأکید کرد که Empirik در حال حاضر در جایگاه منحصربه‌فردی قرار دارد؛ این شرکت به عنوان یک لایه مکمل برای پلتفرم‌های هوش مصنوعی SRE (مهندسی قابلیت اطمینان سایت)، نظیر Resolve و Traversal (که توسط Sequoia حمایت می‌شود)، فعالیت می‌کند.