可觀測性工具的角色再度演變。雖然確保科技系統可靠性的解決方案市場多年來持續擴張，但焦點已逐步從「追蹤一切」轉向「控制複雜度和成本」。同時，企業內AI代理的快速湧入與採用，又增添了一類全新需監控的工作負載。基於15年學術研究的初創企業InsightFinder AI，對此並不陌生。公司自2016年起便利用機器學習監控、識別並主動修復IT基礎設施問題，如今則以AI代理解決方案應對當今AI模型可靠性挑戰，從偵測、診斷到修復與預防一應俱全。
由北卡羅來納州立大學電腦科學教授Helen Gu創辦的公司，她先前曾在IBM與Google任職。最近，InsightFinder AI完成1500萬美元B輪融資，由Yu Galaxy領投，TechCrunch獨家得悉。Gu指出，業界最大問題不僅是監控與診斷AI模型出錯位置，而是診斷整個科技堆疊在融入AI後的運作方式。「要診斷這些AI模型問題，必須共同監控與分析資料、模型及基礎設施，」Gu向TechCrunch表示。
「問題不總是模型或資料所致，而是綜合因素，有時純粹是基礎設施問題。」
AI可觀測性的端到端挑戰
她以一客戶實例說明：一家美國主要信用卡公司發現其欺詐偵測模型出現漂移。InsightFinder全面監控公司基礎設施後，發現問題源於某些伺服器節點的過時快取。「最大誤解是AI可觀測性僅限開發與測試階段的LLM評估，相反，一個健全平台應提供涵蓋開發、評估及生產階段的端到端反饋迴圈，」她說。新產品Autonomous Reliability Insights結合無監督機器學習、自家大小語言模型、預測AI及因果推斷實現此功能。
Gu強調，此基層對資料無特定要求，能攝取並分析完整資料流，收集訊號後進行關聯與交叉驗證，找出根本原因。 可觀測性領域競爭激烈，Grafana Labs、Fiddler、Datadog、Dynatrace、New Relic及BigPanda等對手皆在建構AI工具相關能力。但Gu不以為意，她指InsightFinder的專業、經驗及自訂化形成足夠護城河。「我們鮮少輸給對手……這關乎洞察。
許多資料科學家懂AI卻不懂系統，SRE開發者懂系統卻不懂AI，他們忽略內在關係。」客戶包括UBS、NBCUniversal、Lenovo、Dell、Google Cloud及Comcast，Gu歸功10年理解大型企業需求的努力。「我們與Fortune 50客戶合作，精煉企業環境部署要求。我們正與Dell合作，在全球最大客戶部署AI系統，這非簡單套用基礎AI於機器資料即可。
」公司去年營收增長逾三倍，本輪融資源於三個月內簽下七位數Fortune 50訂單，投資者主動找上門。公司將用1500萬美元（約 HK$11700 萬）擴充少於30人的團隊，首度聘請銷售與市場人員，並強化上市策略。公司至今累計融資金額達3500萬美元（約 HK$27300 萬）。
