NeuBird Die Gründer Goutham Rao und Vinod Jayaraman kamen von Portworx, einer Cloud-nativen Speicherlösung, die sie schließlich entwickelten an PureStorage verkauft im Jahr 2019 für 370 Millionen US-Dollar. Es war ihr dritter erfolgreicher Ausstieg.
Als sie sich letztes Jahr auf die Suche nach ihrer nächsten Startup-Herausforderung machten, sahen sie eine Möglichkeit, ihr Cloud-Native-Wissen, insbesondere im IT-Betrieb, mit dem aufstrebenden Bereich der generativen KI zu kombinieren.
Heute gab NeuBird eine 22-Millionen-Dollar-Investition von Mayfield bekannt, um die Idee auf den Markt zu bringen. Für ein Start-up in der Anfangsphase ist das ein hoher Betrag, aber das Unternehmen setzt wahrscheinlich auf die Erfahrung der Gründer, um ein weiteres erfolgreiches Unternehmen aufzubauen.
Rao, der CEO, sagt, dass die Cloud-native-Community zwar gute Arbeit bei der Lösung vieler schwieriger Probleme geleistet hat, dabei aber auch ein immer höheres Maß an Komplexität geschaffen hat.
„Wir haben als Community in den letzten mehr als zehn Jahren unglaubliche Arbeit geleistet und Cloud-native Architekturen mit serviceorientierten Designs entwickelt. Dadurch wurden viele Schichten hinzugefügt, was gut ist. Das ist eine geeignete Art, Software zu entwerfen, aber dies ging auch mit einer erhöhten Telemetrie einher. Es gibt einfach zu viele Schichten im Stapel“, sagte Rao gegenüber TechCrunch.
Sie kamen zu dem Schluss, dass diese Datenmenge es menschlichen Ingenieuren unmöglich macht, Probleme in großen Organisationen im großen Maßstab zu finden, zu diagnostizieren und zu lösen. Gleichzeitig begannen große Sprachmodelle zu reifen, sodass die Gründer beschlossen, diese mit der Lösung des Problems zu beauftragen.
„Wir nutzen große Sprachmodelle auf einzigartige Weise, um in Sekundenschnelle Tausende von Metriken, Warnungen, Protokollen, Ablaufverfolgungen und Anwendungskonfigurationsinformationen zu analysieren und den Zustand der Umgebung zu diagnostizieren „Erkennen Sie, ob ein Problem vorliegt, und finden Sie eine Lösung“, sagte er.
Das Unternehmen baut im Wesentlichen einen vertrauenswürdigen digitalen Assistenten für das Engineering-Team auf. „Es handelt sich also um einen digitalen Mitarbeiter, der mit SREs und ITOps-Ingenieuren zusammenarbeitet und alle Warnungen und Protokolle auf der Suche nach Problemen überwacht“, sagte er. Das Ziel besteht darin, den Zeitaufwand für die Reaktion und Lösung eines Vorfalls von Stunden auf Minuten zu verkürzen. Sie glauben, dass Unternehmen durch den Einsatz generativer KI bei der Behebung des Problems dabei helfen können, dieses Ziel zu erreichen.
Die Gründer sind sich der Grenzen großer Sprachmodelle bewusst und möchten halluzinierte oder falsche Antworten reduzieren, indem sie einen begrenzten Datensatz zum Trainieren der Modelle verwenden und andere Systeme einrichten, die dabei helfen, genauere Antworten zu liefern.
„Da wir dies auf sehr kontrollierte Weise für einen sehr spezifischen Anwendungsfall in uns bekannten Umgebungen verwenden, können wir die Ergebnisse, die aus der KI kommen, erneut über eine Vektordatenbank überprüfen und sehen, ob es überhaupt Sinn ergibt.“ Wenn wir damit nicht zufrieden sind, werden wir es dem Benutzer nicht empfehlen.“
Kunden können sich durch Eingabe ihrer Anmeldeinformationen direkt mit ihren verschiedenen Cloud-Systemen verbinden. Ohne Daten zu verschieben, kann NeuBird den Zugriff nutzen, um andere verfügbare Informationen abzugleichen und eine Lösung zu finden. Dadurch wird die allgemeine Schwierigkeit verringert, unternehmensspezifische Informationen zu erhalten Daten, mit denen das Modell arbeiten kann.
NeuBird verwendet verschiedene Modelle, darunter Llama 2, zur Analyse von Protokollen und Metriken. Sie verwenden Mistral für andere Arten von Analysen. Das Unternehmen wandelt tatsächlich jede Interaktion in natürlicher Sprache in eine SQL-Abfrage um und wandelt im Wesentlichen unstrukturierte Daten in strukturierte Daten um. Sie glauben, dass dies zu einer höheren Genauigkeit führen wird.
Das junge Startup arbeitet derzeit mit Design- und Alpha-Partnern an der Verfeinerung der Idee, während sie daran arbeiten, das Produkt später in diesem Jahr auf den Markt zu bringen. Rao sagt, sie hätten von Anfang an einen großen Teil des Geldes eingenommen, weil sie wollten, dass der Raum an dem Problem arbeitet, ohne sich Sorgen machen zu müssen, zu früh nach mehr Geld zu suchen.