InsightFinder capta US$ 15 milhões para diagnosticar falhas em sistemas com agentes de IA

A InsightFinder captou US$ 15 milhões para atacar um dos maiores e menos resolvidos problemas da IA corporativa: a impossibilidade de diagnosticar com rapidez e precisão onde exatamente quebrou um sistema no qual agentes de IA assumiram fluxos de trabalho reais.

Quando um agente de IA erra ou para, descobrir a causa é bem mais difícil do que numa falha de software tradicional. O erro pode estar no próprio modelo de linguagem, nos dados que ele recebeu, na ferramenta que chamou, no orquestrador que gerencia vários agentes, na API de um serviço de terceiros ou na infraestrutura básica sobre a qual tudo roda. A InsightFinder decidiu resolver justamente esse problema de diagnóstico em várias camadas.

Segundo a CEO da empresa, Helen Gu, o principal desafio do setor hoje não é apenas monitorar modelos de IA individuais, mas diagnosticar como funciona todo o stack tecnológico, agora que a IA se tornou parte indissociável dele. É um nível de complexidade fundamentalmente diferente: os sistemas tradicionais de monitoramento sabem acompanhar logs, métricas e traces, mas não sabem interpretar o comportamento não determinístico de um LLM no contexto de uma cadeia complexa de agentes.

Com a difusão dos sistemas de agentes, o ponto de falha deixou de ser um único modelo. Agora é uma cadeia inteira: chamadas a LLMs, acessos a ferramentas externas, integrações de API, bases de conhecimento na forma de armazenamentos vetoriais, orquestradores que gerenciam vários agentes em paralelo e serviços externos. Diagnosticar um sistema desses com métodos clássicos significa gastar horas na análise manual de logs dispersos, em vez de corrigir o problema rapidamente.

A InsightFinder é especializada em observabilidade de IA, área que ganha importância rapidamente à medida que as empresas passam de experimentos com chatbots para a implantação de agentes autônomos em sistemas de produção. A plataforma da empresa consegue não só rastrear chamadas a modelos de IA, mas também correlacioná-las com o estado de toda a infraestrutura, da carga dos servidores ao tempo de resposta de serviços downstream. Isso permite ver o quadro completo, e não fragmentos isolados.

A rodada de US$ 15 milhões permitirá à InsightFinder expandir a plataforma e ampliar a equipe de engenharia. O mercado de observabilidade de IA ainda está se formando, mas a concorrência já é perceptível: atuam nesse espaço Arize AI, LangSmith, da LangChain, Weights & Biases, Honeycomb e outros players. A InsightFinder aposta em uma cobertura mais ampla: não apenas o rastreamento de chamadas a LLMs, mas também a correlação com o estado de toda a infraestrutura, o que diferencia o produto de rastreadores de LLM bastante especializados.

Para clientes corporativos, o problema é especialmente agudo. Quando um agente de IA para de funcionar numa sexta-feira à noite, a equipe de engenharia precisa descobrir em minutos se o problema está no próprio modelo, num token de autorização expirado, numa API de terceiros fora do ar ou na degradação do banco de dados. Sem ferramentas especializadas, essa análise vira uma investigação policial em logs brutos, cara e lenta.

O investimento na InsightFinder reflete uma tendência mais ampla do setor. À medida que agentes de IA assumem processos reais de negócio, do atendimento ao cliente a operações financeiras e gestão de cadeias de suprimentos, os requisitos de confiabilidade e diagnosticabilidade se aproximam dos padrões de infraestrutura crítica. As empresas não podem mais se dar ao luxo de ter agentes que simplesmente erram de vez em quando sem que se saiba por quê, sobretudo quando há tomada de decisão automática.

A InsightFinder se posiciona como a camada de infraestrutura para a era da IA agêntica: uma ferramenta sem a qual a implantação industrial de agentes em processos críticos continua sendo um empreendimento arriscado, com pontos de falha imprevisíveis.