InsightFinder 籌得 1,500 萬美元資金，用於排除 AI 代理程式故障

可觀測性工具的角色再次演變。隨著確保技術系統可靠性的解決方案市場隨時間推移而擴展，其焦點已逐漸從「追蹤一切」轉向「管理複雜性並控制成本」。與此同時，人工智慧代理在企業內的快速湧入與採用，帶來了一類需要進行觀測的全新工作負載。

InsightFinder AI 是一家建立在 15 年學術研究基礎上的新創公司，對此挑戰瞭若指掌。

該公司自 2016 年起便運用機器學習技術，用於監控、識別並主動解決 IT 基礎架構問題。如今，他們正透過一套能涵蓋從偵測、診斷到修復及預防等全流程的 AI 代理解決方案，來應對當今 AI 模型可靠性方面的疑慮。

TechCrunch 獨家獲悉，這家公司由執行長 Helen Gu 創立，她現任北卡羅來納州立大學電腦科學教授，曾任職於 IBM 和 Google，該公司近期在由 Yu Galaxy 領投的 B 輪融資中籌得 1,500 萬美元。

顧表示，當今業界面臨的最大挑戰已不僅限於監控與診斷AI模型故障，更在於釐清AI成為技術堆疊不可或缺的組成部分後，整個技術架構的運作機制。

「要有效診斷 AI 模型的問題，必須綜合監控並分析數據、模型及底層基礎設施，」顧向 TechCrunch 解釋道。「問題不總是局限於模型或數據，往往是兩者的結合。有時，根本原因純粹在於基礎設施。」

Gu 透過一個真實案例說明此點：InsightFinder 的客戶之一——一家美國大型信用卡公司——其詐欺偵測模型出現了漂移現象。由於 InsightFinder 正在監控該公司的整個基礎架構，因此發現模型漂移是由特定伺服器節點上的過時快取資料所導致。

「一個常見的誤解是，AI 可觀測性僅限於開發和測試階段的大語言模型（LLM）評估。事實上，一個強健的 AI 可觀測性平台應提供涵蓋開發、評估及生產階段的端到端回饋迴路支援，」她表示。

InsightFinder 的最新產品「Autonomous Reliability Insights」透過結合無監督機器學習、專有的大型與小型語言模型、預測性 AI 以及因果推斷來實現此目標。根據 Gu 的說法，這層基礎架構具有資料無關性，使系統能夠接收並分析完整的資料流，收集訊號，並透過關聯分析與交叉驗證來精準找出根本原因。

隨著 AI 工具的普及，可觀測性領域如今已湧現眾多競爭者，爭相搶佔這片新興市場的份額。在營運近十年後，InsightFinder 現正與 Grafana Labs、Fiddler、Datadog、Dynatrace、New Relic 及 BigPanda 等公司競爭，這些企業皆正開發相關能力以應對 AI 帶來的嶄新挑戰。

然而，Gu 依然信心十足。她強調，InsightFinder 的專業知識、經驗與客製化能力，構成了強大的競爭優勢。「我們極少因競爭對手而流失客戶……歸根結底在於洞察力。問題在於，許多資料科學家懂 AI 但不懂系統，而許多網站可靠性工程（SRE）開發人員懂系統卻不懂 AI……他們往往忽略了兩者之間的本質關聯。」

如今，InsightFinder 的客戶名單涵蓋瑞銀（UBS）、NBC環球、聯想、戴爾、Google Cloud 及康卡斯特（Comcast）。顧將這份成功歸功於過去十年間致力於理解大型企業客戶需求的努力。

「這涉及與我們的《財星》500強客戶緊密合作，以優化我們的方案，並理解企業環境對部署這些模型的要求，」她表示。「我們一直與戴爾合作，為部分最大型客戶在全球範圍內部署我們的AI系統。這並非僅僅將基礎AI模型套用至機器數據就能達成的。」

Gu 表示，公司的營收狀況「強勁」，過去一年成長了「三倍以上」。事實上，公司原本並未積極尋求這輪 B 輪融資；是在 InsightFinder 於三個月內與一家《財星》50 強企業簽下七位數合約後，投資人才主動接洽。

InsightFinder將運用這筆新資金，首次招募銷售與行銷人才以擴充目前不足30人的團隊，並投資於其市場推廣策略。截至目前，該公司已累計募得3,500萬美元。