The Pulse
Traversal raccoglie 120 milioni di dollari in un round di serie B con una valutazione di 1 miliardo per sviluppare l’SRE basata sull’IA e la produzione autonoma
Traversal ha raccolto 120 milioni di dollari in un round di serie B, con una valutazione di 1 miliardo di dollari, guidato da Kleiner Perkins, Redpoint e Khosla, per sviluppare l’SRE basata sull’IA e la produzione autonoma. Traversal afferm
AI.info Team · Scritto con l’IA · verificato ·
Traversal ha annunciato di aver raccolto 120 milioni di dollari in un round di finanziamento di serie B, con una valutazione di 1 miliardo di dollari. Kleiner Perkins, Redpoint Ventures e Khosla Ventures hanno guidato congiuntamente il round, con una partecipazione significativa di Sequoia e Battery Ventures. Traversal ha dichiarato che Kleiner Perkins e Sequoia hanno rafforzato i loro investimenti precedenti.
Traversal afferma che l’aumento del codice ha accresciuto la complessità della produzione
L’azienda cita un recente sondaggio secondo cui il 42% degli sviluppatori usa oggi l’IA per scrivere la maggior parte del proprio codice, rispetto al 12% dell’anno scorso. Lo stesso sondaggio ha rilevato che il 52% dedica ora più tempo al debug del codice dopo che questo arriva in produzione e interagisce con il sistema più ampio.
Secondo l’azienda, nel 2026 le interruzioni non programmate sono costate complessivamente 600 miliardi di dollari alle aziende della Global 2000, con un aumento del 50% in due anni. L’azienda afferma che più codice ha significato maggiore complessità da gestire e più occasioni per problemi di affidabilità del software e incidenti. Traversal sostiene che la crescente complessità della produzione sta erodendo il ritorno sugli investimenti nello sviluppo assistito dall’IA.
Traversal afferma che Production World Model e Causal Search Engine risolvono due problemi
Traversal afferma che tre dei suoi fondatori sono arrivati in azienda dopo aver svolto ricerca accademica nel machine learning causale e nel reinforcement learning presso MIT, Berkeley, Columbia e Cornell. L’azienda descrive l’analisi delle cause profonde degli incidenti come un problema che consiste nell’isolare la catena di eventi alla base di un guasto mentre migliaia di cose accadono contemporaneamente. Traversal individua due ostacoli alla capacità dell’IA di farlo in modo affidabile: i dati di produzione non sono stati concepiti per gli agenti di IA e i modelli scambiano la correlazione per causalità.
Traversal afferma che gli strumenti di osservabilità sono destinati alle persone e offrono viste predefinite e interrogazioni circoscritte, mentre gli agenti di IA devono poter effettuare interrogazioni in modo flessibile e su scala molto più ampia, estraendo enormi volumi di log, metriche e tracce e collegandoli a servizi, infrastruttura, codice e modifiche. Aggiunge che l’analisi delle cause profonde richiede una vera verifica delle ipotesi: escludere possibilità, controllare la sequenza temporale e ricostruire il percorso causale attraverso il grafo delle dipendenze. Alex Palcuie, responsabile SRE di Anthropic, ha descritto così la sfida:
«Non possiamo affidarci agli LLM per la risposta agli incidenti… Il problema è la loro incapacità di fare un passo indietro e iniziare a distinguere tra causalità e correlazione... Anche per noi esseri umani è difficile.»
Alex Palcuie, responsabile SRE di Anthropic
Traversal ha presentato ufficialmente il suo Production World Model e il suo Causal Search Engine nel marzo 2026, dopo quasi due anni di ricerca e sviluppo ingegneristico. L’azienda afferma che il Production World Model trasforma dati di telemetria grezzi, codice, cronologia dei deployment e conoscenze informali in una rappresentazione della produzione, leggibile dall’IA e costantemente aggiornata. Il suo Causal Search Engine consente agli agenti di verificare migliaia di ipotesi in parallelo, seguire le relazioni causali tra i sistemi e convergere su cause profonde supportate da evidenze.
Traversal afferma che il prossimo passo sono gli agenti proattivi
Traversal afferma che soltanto quest’anno le indagini mensili sono aumentate di oltre 100 volte, passando da 513 a quasi 73.000. L’azienda aggiunge che circa due terzi dell’utilizzo vanno ormai oltre l’analisi delle cause profonde e riguardano la classificazione degli alert, il rischio dei rilasci, la validazione della CMDB, la sicurezza, lo stato dei percorsi dei clienti e le questioni di supporto alla produzione. Traversal afferma che i clienti hanno iniziato ad affidarle queste questioni dopo aver usato l’analisi delle cause profonde come metodo misurabile per valutarne l’accuratezza.
Man mano che questa fiducia cresce, Traversal afferma che il prossimo passo è Traversal Workers, che descrive come un insieme di agenti proattivi e attivi per lunghi periodi, che lavorano a fianco dei team di ingegneria. Invece di attendere che un ingegnere avvii un’indagine, i Workers si mettono al lavoro nel momento in cui si verifica un’anomalia di qualsiasi tipo, come un incidente o un alert, raccogliendo informazioni di contesto, identificando le cause profonde e contribuendo agli interventi correttivi. Traversal afferma che Traversal MCP consente agli agenti di programmazione di utilizzare la sua conoscenza in tempo reale della produzione.
La visione di Traversal è la produzione autonoma
Traversal descrive la produzione autonoma come un insieme di sistemi software che rilevano autonomamente i problemi, ne comprendono le cause, adottano le opportune misure correttive, ne verificano l’efficacia e prevengono l’insorgere dei problemi. L’azienda afferma che il finanziamento l’aiuterà a portare avanti questo lavoro assumendo talenti di primo piano nella ricerca, nell’ingegneria e nella commercializzazione, per ampliare le capacità della sua SRE basata sull’IA e progredire verso operazioni di produzione sempre più autonome.