La creciente complejidad de los sistemas de software y la generación rápida de código por herramientas de IA están intensificando un problema crucial: los ingenieros se ven abrumados por la depuración, invirtiendo hasta la mitad de su tiempo en rastrear fallos en lugar de crear nuevos productos. Esta situación ha impulsado el surgimiento de herramientas basadas en IA que diagnostican fallos en producción en minutos, no en horas.
Deductive AI, una startup que ha surgido sigilosamente, propone una solución aplicando el aprendizaje por refuerzo, tecnología utilizada en IA para juegos, al complejo mundo de los incidentes de software en producción. La compañía ha recaudado 7.5 millones de dólares en financiación inicial, liderada por CRV, para comercializar "agentes AI SRE" que diagnostican y ayudan a solucionar fallos de software a velocidad de máquina.
El sistema de Deductive AI construye un "gráfico de conocimiento" que mapea relaciones entre bases de código, datos de telemetría, discusiones de ingeniería y documentación interna. Cuando ocurre un incidente, múltiples agentes de IA colaboran para formular hipótesis, probarlas contra evidencia del sistema en vivo y converger en una causa raíz, imitando el flujo de trabajo de ingenieros de confiabilidad del sitio experimentados, pero en cuestión de minutos.
DoorDash ha integrado Deductive en su plataforma publicitaria, que realiza subastas en tiempo real en menos de 100 milisegundos, estableciendo el ambicioso objetivo de resolver incidentes de producción en 10 minutos para 2026. DoorDash estima que Deductive ha identificado la causa raíz de aproximadamente 100 incidentes de producción en los últimos meses, traduciéndose en más de 1,000 horas anuales de productividad de ingeniería y un impacto en los ingresos de "millones de dólares". Foursquare también ha experimentado una reducción del 90% en el tiempo de diagnóstico de fallos de trabajos de Apache Spark, generando ahorros anuales de más de $275,000.
La herramienta se diferencia de otras en el mercado en que utiliza razonamiento "code-aware" y no solo resume datos como hacen otras herramientas. Los agentes de Deductive especializan en diferentes aspectos del problema y aprenden de cada incidente cuales pasos los llevaron a la mejor solución usando refuerzo de aprendizaje.
Fuente Original: https://venturebeat.com/ai/how-deductive-ai-saved-doordash-1-000-engineering-hours-by-automating
Artículos relacionados de LaRebelión:
Artículo generado mediante LaRebelionBOT
No hay comentarios:
Publicar un comentario