로힛 초드하리 의 창립자이자 CEO입니다. 가속 데이터엔터프라이즈 데이터 가시성 부문의 시장 선두주자입니다. 그는 2018년에 Acceldata를 설립했습니다. 업계에서는 클라우드 우선, AI가 풍부한 세상에서 데이터 파이프라인과 인프라의 안정성을 모니터링, 조사, 해결 및 관리하는 방법을 재구상해야 한다는 사실을 깨달았습니다.
2018년 Acceldata를 설립했을 때 데이터 가시성에 초점을 맞추게 된 계기는 무엇이며, 데이터 관리 업계의 어떤 격차를 메우려고 하셨나요?
2018년 Acceldata를 창립하기 위한 나의 여정은 약 20년 전 소프트웨어 엔지니어로서 시작되었으며, 소프트웨어 문제를 식별하고 해결하는 데 주력했습니다. Hortonworks에서 엔지니어링 이사로 일하면서 저는 반복되는 주제에 노출되었습니다. 즉, 야심 찬 데이터 전략을 가진 기업은 데이터 분석에 대한 막대한 투자에도 불구하고 데이터 플랫폼에서 안정성을 찾는 데 어려움을 겪고 있다는 것입니다. 비즈니스에 가장 필요할 때 데이터를 안정적으로 전달할 수 없었습니다.
이 과제는 우리 팀과 저에게 깊은 인상을 주었으며 데이터 파이프라인과 인프라의 안정성을 모니터링, 조사, 해결 및 관리할 수 있는 솔루션의 필요성을 인식했습니다. 기업은 변화하는 요구 사항을 충족하도록 설계되지 않은 도구를 사용하여 데이터 제품을 구축하고 관리하려고 했으며, 이로 인해 데이터 팀은 미션 크리티컬 분석 및 AI 애플리케이션에 대한 가시성이 부족했습니다.
이러한 시장 격차는 포괄적이고 확장 가능한 데이터 관찰 플랫폼 개발을 목표로 Acceldata를 시작하도록 영감을 주었습니다. 그 이후로 우리는 조직이 데이터 제품을 개발하고 운영하는 방식을 변화시켰습니다. 당사의 플랫폼은 데이터, 처리 및 파이프라인 전반에서 이벤트의 상관관계를 파악하여 비교할 수 없는 통찰력을 제공합니다. 데이터 가시성의 영향은 엄청났으며 우리는 업계를 계속해서 발전시키게 되어 기쁩니다.
“데이터 관찰 가능성”이라는 용어를 만들었는데, 특히 멀티 클라우드 환경의 복잡성이 증가함에 따라 향후 몇 년 동안 이 개념이 어떻게 발전할 것으로 보시나요?
데이터 가시성은 틈새 개념에서 기업의 중요한 기능으로 발전했습니다. 멀티 클라우드 환경이 더욱 복잡해짐에 따라 다양한 데이터 소스와 인프라를 처리할 수 있도록 관찰 가능성이 조정되어야 합니다. 향후 몇 년 동안 우리는 AI와 머신러닝이 특히 예측 분석과 자동화된 이상 탐지를 통해 관측 가능성 기능을 향상시키는 데 핵심적인 역할을 할 것으로 예상합니다.
또한 관찰 가능성은 모니터링을 넘어 데이터 거버넌스, 보안 및 규정 준수의 더 넓은 측면으로 확장될 것입니다. 기업에서는 데이터 운영에 대한 보다 실시간 제어와 통찰력을 요구하게 되므로 관측 가능성은 점점 더 복잡해지는 환경에서 데이터를 관리하는 데 중요한 부분이 됩니다.
귀하의 배경에는 엔지니어링 및 제품 개발 분야의 상당한 경험이 포함되어 있습니다. 이 경험이 Acceldata 구축 및 확장에 대한 접근 방식에 어떤 영향을 미쳤습니까?
저의 엔지니어링 및 제품 개발 배경은 우리가 Acceldata를 구축하는 방식을 형성하는 데 중추적인 역할을 했습니다. 데이터 시스템 확장에 따른 기술적 과제를 이해함으로써 기업의 실제 요구 사항을 해결하는 플랫폼을 설계할 수 있었습니다. 이 경험을 통해 개발 프로세스에서 민첩성과 고객 피드백의 중요성도 배웠습니다. Acceldata에서는 혁신을 최우선으로 생각하지만 항상 우리의 솔루션이 실용적이고 역동적이고 복잡한 데이터 환경에서 고객이 필요로 하는 것과 일치하는지 확인합니다. 이러한 접근 방식은 회사 규모를 확장하고 전 세계적으로 시장 입지를 확장하는 데 필수적이었습니다.
최근에는 6천만 달러 규모의 시리즈 C 자금 조달 라운드Acceldata에서 우선순위를 정할 혁신 및 개발의 핵심 영역은 무엇입니까?
6천만 달러 규모의 시리즈 C 자금을 통해 우리는 플랫폼을 크게 차별화할 AI 기반 혁신에 두 배로 노력하고 있습니다. 우리의 성공을 기반으로 AI 부조종사우리는 보다 정확한 이상 탐지, 자동화된 해결 및 비용 예측을 제공하기 위해 기계 학습 모델을 향상하고 있습니다. 우리는 또한 AI가 사용자에게 잠재적인 문제를 경고할 뿐만 아니라 해당 환경에 맞는 최적의 구성과 사전 예방적 솔루션을 제안하는 예측 분석을 발전시키고 있습니다.
또 다른 핵심 초점은 상황 인식 자동화입니다. 즉, 플랫폼이 사용자 행동을 학습하고 권장 사항을 비즈니스 목표에 맞게 조정합니다. NLI(자연어 인터페이스)의 확장을 통해 사용자는 간단한 대화 명령을 통해 복잡한 관찰 워크플로와 상호 작용할 수 있습니다.
또한, 우리의 AI 혁신은 전례 없는 정확성으로 리소스 소비를 예측하고 비용을 관리하면서 훨씬 더 뛰어난 비용 최적화를 촉진할 것입니다. 이러한 발전을 통해 Acceldata는 가장 적극적인 AI 기반 관찰 플랫폼으로 자리매김하여 기업이 이전과는 전혀 다른 방식으로 데이터 운영을 신뢰하고 최적화할 수 있도록 돕습니다.
AI와 LLM은 데이터 관리의 중심이 되고 있습니다. Acceldata는 이 분야를 선도하기 위해 어떻게 자리매김하고 있으며, 귀사의 플랫폼은 기업 고객에게 어떤 고유한 기능을 제공합니까?
Acceldata는 이미 AI 기반 데이터 관측 가능성 분야를 선도하고 있습니다. Bewgle의 고급 AI 기술이 성공적으로 통합된 후, 우리 플랫폼은 이제 데이터 관찰 가능성을 크게 향상시키는 AI 기반 기능을 제공합니다. AI Copilot은 기계 학습을 사용하여 이상 현상을 감지하고, 비용 소비 패턴을 예측하고, 실시간 통찰력을 제공하는 동시에 자연어 상호 작용을 통해 이러한 기능에 액세스할 수 있도록 합니다.
또한 기업이 비용이 많이 드는 오류를 방지하고, 데이터 인프라를 최적화하고, 운영 효율성을 향상시키는 데 도움이 되는 고급 이상 탐지 및 자동화된 권장 사항을 통합했습니다. 또한 당사의 AI 솔루션은 정책 관리를 간소화하고 데이터 자산 및 정책에 대해 사람이 읽을 수 있는 설명을 자동으로 생성하여 기술 이해관계자와 비즈니스 이해관계자 간의 격차를 해소합니다. 이러한 혁신을 통해 조직은 위험과 비용을 최소화하면서 데이터의 잠재력을 최대한 활용할 수 있습니다.
그만큼 뷰글 인수 Acceldata의 플랫폼에 고급 AI 기능을 추가했습니다. 인수 후 1년이 지난 지금, Bewgle의 기술은 Acceldata의 솔루션에 어떻게 통합되었으며, 이러한 통합이 AI 기반 데이터 관찰 기능 개발에 어떤 영향을 미쳤습니까?
지난 1년 동안 우리는 Bewgle의 AI 기술을 Acceldata 플랫폼에 완전히 통합했으며 그 결과는 혁신적이었습니다. 기본 모델과 자연어 인터페이스에 대한 Bewgle의 경험은 AI 로드맵을 가속화했습니다. 이러한 기능은 이제 AI Copilot에 내장되어 사용자가 일반 텍스트 명령을 통해 데이터 관찰 워크플로우와 상호 작용할 수 있는 차세대 사용자 경험을 제공합니다.
또한 이러한 통합을 통해 기계 학습 모델이 개선되어 이상 탐지, 자동화된 비용 예측 및 사전 통찰력이 향상되었습니다. 우리는 AI 기반 운영을 더욱 세밀하게 제어할 수 있게 되었고, 이를 통해 고객은 에코시스템 전반에 걸쳐 데이터 신뢰성과 성능을 보장할 수 있게 되었습니다. 이번 통합의 성공으로 Acceldata는 선도적인 AI 기반 데이터 관찰 플랫폼으로서의 입지가 강화되어 기업 고객에게 훨씬 더 큰 가치를 제공하게 되었습니다.
데이터 관리 산업에 깊이 관여하고 있는 사람으로서, 향후 몇 년 동안 AI 및 데이터 관측성 시장에서 어떤 추세를 예상하시나요?
앞으로 몇 년 안에 AI 및 데이터 관측성 시장을 형성할 몇 가지 주요 트렌드가 있을 것으로 예상합니다. 기업이 더 빠르고 정보에 기반한 결정을 내리려고 함에 따라 실시간 데이터 관찰 가능성이 더욱 중요해질 것입니다. AI와 기계 학습은 예측 분석과 자동화된 이상 탐지의 발전을 지속적으로 추진하여 기업이 잠재적인 문제를 미리 예방할 수 있도록 돕습니다.
또한 특히 규제 요구 사항이 더욱 엄격해짐에 따라 데이터 거버넌스 및 보안 프레임워크와 관측 가능성이 더욱 긴밀하게 통합될 것입니다. 데이터 환경이 더욱 복잡해짐에 따라 관리형 관찰 서비스가 증가하여 기업에 최적의 성능과 규정 준수를 유지하는 데 필요한 전문 지식과 도구를 제공할 가능성이 높습니다. 이러한 추세는 조직이 데이터 품질 및 거버넌스에 대한 높은 표준을 유지하면서 AI 이니셔티브를 확장할 수 있도록 보장하는 데 있어 데이터 관찰 가능성의 역할을 높일 것입니다.
앞으로 특히 엄격한 데이터 품질 및 거버넌스 요구 사항이 있는 산업에서 대규모 AI 및 대규모 언어 모델 배포를 지원하는 데 있어 데이터 관찰 가능성의 역할을 어떻게 구상하십니까?
데이터 관찰 가능성은 특히 데이터 품질과 거버넌스가 가장 중요한 금융, 의료, 정부와 같은 산업에서 AI 및 대규모 언어 모델을 대규모로 배포하는 데 중추적인 역할을 할 것입니다. 조직이 비즈니스 결정을 내리기 위해 AI에 점점 더 의존함에 따라 신뢰할 수 있는 고품질 데이터의 필요성이 더욱 중요해지고 있습니다.
데이터 관찰 가능성은 데이터 무결성에 대한 지속적인 모니터링 및 검증을 보장하여 AI 모델을 훼손할 수 있는 오류와 편견을 방지하는 데 도움이 됩니다. 또한 관측 가능성은 엄격한 규제 요구 사항에 맞춰 데이터 계보, 사용 및 거버넌스에 대한 가시성을 제공함으로써 규정 준수에 중요한 역할을 합니다. 궁극적으로 데이터 관찰 가능성을 통해 조직은 AI의 잠재력을 최대한 활용하여 AI 이니셔티브가 신뢰할 수 있는 고품질 데이터를 기반으로 구축되도록 할 수 있습니다.
훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자들은 방문하시기 바랍니다. 가속 데이터.
게시물 Acceldata의 창립자이자 CEO인 Rohit Choudhary – 인터뷰 시리즈 처음 등장한 Unite.AI.
