InsightFinderが1500万ドルを調達、企業がAIエージェントの失敗箇所を特定する支援へ
InsightFinderは、AIエージェントの誤りを特定するだけでなく、AIが組み込まれたテックスタック全体の診断という業界の大きな課題に取り組むため、1500万ドルの資金調達に成功した。
キーポイント
業界課題の本質的変化
CEO Helen Guによれば、現在の業界の最大の問題は、単にAIモデルの誤りを監視・診断することではなく、AIが一部となったテックスタック全体がどのように動作するかを診断することである。
資金調達による事業拡大
InsightFinderは、AIエージェントの誤りを特定するソリューションを提供する企業として、1500万ドルの資金調達を実施した。
監視・診断の対象拡大
同社のアプローチは、個々のAIモデルだけでなく、AIが統合されたシステム全体の動作診断に焦点を当てている。
影響分析・編集コメントを表示
影響分析
この記事は、AI導入が進む企業において、単なるモデル監視からシステム全体の診断へと課題が進化していることを示している。InsightFinderの資金調達は、このような包括的な監視・診断ソリューションへの市場需要の高まりを反映しており、AI運用の成熟化段階への移行を示唆している。
編集コメント
AI導入の実用段階において、システム全体の可観測性と診断能力が次の大きな課題として浮上していることを示す重要なニュース。単なるモデル精度の追求から、運用環境での信頼性確保へと業界の焦点がシフトしている兆候と言える。
可観測性（オプザビリティ）ツールの役割は再び進化を遂げました。長年にわたり、技術システムの信頼性を確保するソリューション市場は拡大してきましたが、重心は着実に「すべてをトラッキングすること」から「複雑性とコストの制御」へとシフトしています。その間、企業内におけるAIエージェントの急速な流入と導入は、監視対象となるワークロードの新たなカテゴリをさらに追加する結果となりました。
InsightFinder AIは15年にわたる学術研究を基盤とするスタートアップであり、この問題に不慣れなわけではありません。
同社は2016年以来、機械学習（マシンラーニング）を用いてITインフラストラクチャの問題を監視・特定し、積極的に修正してきました。そして現在では、検出や診断から修復、予防までをこなすAIエージェントソリューションを通じて、今日のAIモデルの信頼性問題に取り組んでいます。
同社は、以前IBMやGoogleで勤務し、ノースカロライナ州立大学のコンピュータサイエンス教授であるHelen Guが設立した企業であり、Yu GalaxyがリードするシリーズBラウンドで1,500万ドルの資金調達を最近完了したことを、TechCrunchは独占的に確認しました。
Gu氏によれば、現在業界が直面している最大の問題は、AIモデルのどこでエラーが発生するかを監視・診断することだけではありません。それは、AIがその一部となった現在、全体のテックスタック（技術スタック）がどのように稼働しているかを診断することです。
「これらのAIモデルの問題を診断するには、データ、モデル、インフラストラクチャのすべてを一緒に監視・分析する必要があります」とGu氏はTechCrunchに語った。「必ずしもモデルの問題やデータの問題だけではありません。それらの組み合わせです。場合によっては、単にインフラストラクチャ側の問題であることもあります。」
Gu氏は、実際のケースとして以下のような事例を説明しました。米国の大手クレジットカード会社の顧客の1つが、不正検知モデルのドリフトを検出した際、InsightFinderは同社のインフラストラクチャ全体を監視していたため、そのモデルドリフトが一部のサーバーノードにおける古いキャッシュに起因することを特定できました。
Techcrunch event
San Francisco, CA
|
October 13-15, 2026
「最大の誤解は、AIの可観測性（オプザビリティ）が開発およびテストフェーズにおけるLLM評価に限定されているという点です。むしろ、健全なAI可観測性プラットフォームは、開発、評価、本番環境の各段階をカバーするエンドツーエンドのフィードバックループサポートを提供すべきです」と彼女は述べました。
「自律型信頼性インサイト（Autonomous Reliability Insights）」と名付けられたInsightFinderの最新製品は、教師なし機械学習（unsupervised machine learning）、独自の大規模・小規模言語モデル、予測AI、因果推論（causal inference）の組み合わせを用いてこれらすべてを実行できます。Gu氏によれば、この基盤層はデータ非依存（data agnostic）であり、システムが完全なデータストリームを取り込んで分析し、信号を収集して相関関係や相互検証を行い、根本原因に到達することを可能にします。
原文を表示
The role of observability tools has evolved once again. While the market for solutions to ensure tech systems’ reliability has grown over the years, the center of gravity has steadily shifted from “track everything” to “control complexity and costs.” Meanwhile, the rapid influx and adoption of AI agents within enterprises have only added a brand-new category of workload that needs to be observed.
InsightFinder AI, a startup based on 15 years of academic research, is no stranger to this problem.
The company has been using machine learning to monitor, identify, and proactively fix IT infrastructure issues since 2016 and is now attacking today’s AI model reliability issue with an AI agent solution that can do everything from detection and diagnosis to remediation and prevention.
The company, founded by CEO Helen Gu, a computer science professor at North Carolina State University who previously worked at IBM and Google, recently raised $15 million in a Series B round led by Yu Galaxy, TechCrunch has exclusively learned.
According to Gu, the biggest problem facing the industry today is not just monitoring and diagnosing where AI models go wrong; it’s diagnosing how the entire tech stack operates now that AI is a part of it.
“In order to diagnose these AI model problems, you need to actually monitor and analyze the data, the model, and the infrastructure together,” Gu told TechCrunch. “It’s not always a model problem or a data problem; it’s a combination. Sometimes, it’s simply your infrastructure.”
Gu explained how that looks in real life with an anecdote: One of its customers, a major U.S. credit card company, saw that one of its fraud-detection models was drifting. Because InsightFinder was monitoring all of the company’s infrastructure, it was able to identify that the model drift was caused by outdated cache in some server nodes.
Techcrunch event
San Francisco, CA
|
October 13-15, 2026
“The biggest misconception is that AI observability is limited to LLM evaluation during the development and testing phases. On the contrary, a sound AI observability platform should provide end-to-end feedback loop support covering the development, evaluation, and production stages,” she said.
InsightFinder’s newest product, dubbed Autonomous Reliability Insights, can do all this by using a combination of unsupervised machine learning, proprietary large and small language models, predictive AI, and causal inference. This base layer is data agnostic, per Gu, which lets the system ingest and analyze entire data streams to gather signals that can then be correlated and cross-validated to arrive at a root cause.
Now, the observability space is crowded with contenders for a share of the new market that’s been opened up by the influx of AI tools. Nearly a decade into its journey, InsightFinder has been going up against the likes of Grafana Labs, Fiddler, Datadog, Dynatrace, New Relic, and BigPanda, who are all building capabilities to deal with the new problems presented by AI tools.
But Gu isn’t fazed. On the contrary, she claims that InsightFinder’s expertise, experience, and customizability act as a sufficient moat. “We actually rarely lose [customers] to anybody so far … This is about the insights, right? The problem is that a lot of data scientists understand AI, but they don’t understand the system. And a lot of SRE [site reliability engineering] developers understand the system, but not the AI … They don’t look at it, and they don’t understand the intrinsic relationships.”
Today, InsightFinder’s roster of customers includes UBS, NBCUniversal, Lenovo, Dell, Google Cloud, and Comcast. Gu attributes the success to 10 years of working to understand what large enterprise customers need.
“It has come down to working with our Fortune 50 customers to polish and understand the enterprise environment requirements to deploy these kinds of models,” she said. “We have been working with Dell to deploy our AI systems across the world at some of the largest customers we have. This is not something that you can take a foundational AI and just slap on the machine data to do.”
Gu said the company’s revenue stream is “strong,” having grown “over threefold” in the past year. In fact, she says InsightFinder wasn’t looking to raise this Series B at all, and investors approached the company after it won a seven-figure deal with a Fortune 50 company within three months.
InsightFinder will use the fresh capital to make its first sales and marketing hires to expand its team of fewer than 30 people and invest in its go-to-market motion. The company has so far raised a total of $35 million.
関連記事
SXSW、AI 活用商標ツールで批判を抑制か
テキサス州オースティンで開催された SXSW が、ソーシャルメディア上の商標違反を対象とした AI ツールを利用して、同会議への批判者を沈黙させたと報じられています。
運用チーム向けChatGPT
運用チームがChatGPTを使用して、ワークフローの効率化、連携の改善、プロセスの標準化、迅速な実行の促進を図る方法について説明している。
datasette-llm-usage 0.2a0 のリリース
DatasetteのLLM使用量計測プラグイン「datasette-llm-usage」がバージョン0.2a0へ更新された。従来機能の一部は別プラグインへ移行し、モデル設定には「datasette-llm」への依存が必須となった。