Resolve AI: Как исправить проблемы ИИ-кодирования
Resolve AI утверждает, что бум ИИ-кодирования ломает производственные системы, и предлагает свои решения.
Стартап Resolve AI, специализирующийся на операциях в продакшене и поддерживаемый Greylock и Lightspeed Venture Partners, объявил о значительном расширении своей платформы. Анонс состоялся 21 мая 2026 года в 16:00 по московскому времени. Обновление включает постоянно работающих фоновых агентов, переработанную архитектуру расследований и общее рабочее пространство для совместной работы инженеров и ИИ-агентов над инцидентами в реальном времени.
Центральная часть релиза — новая система расследования на основе мультиагентного ИИ. Она использует скоординированную команду специализированных агентов. Они параллельно проверяют несколько гипотез, независимо подтверждают выводы друг друга и строят полные причинно-следственные цепочки. Компания заявляет, что эта архитектура более чем в два раза повышает точность определения первопричины по внутренним тестам.
Генеральный директор Resolve AI Спирос Ксантос сравнил работу системы с командой людей, отлаживающих проблему, что улучшило качество вдвое. Анонс выходит на фоне роста использования ИИ для генерации кода. Это позволяет командам выпускать больше программного обеспечения, но поддержание его работы остаётся ручным. Resolve AI, привлекшая $125 миллионов в раунде Серии А при оценке в $1 миллиард, делает ставку на операционную сторону жизненного цикла ПО как на следующий крупный рубеж для инвестиций в ИИ.
Заявление о двукратном повышении точности основано на внутренних бенчмарках, которые отражают сложность, с которой сталкиваются корпоративные клиенты Resolve AI. Сотни тестовых случаев имитируют реальные сбои в таких компаниях, как Coinbase, Salesforce, DoorDash и Zscaler. Практический эффект от повышения точности значителен: агенты Resolve AI теперь выступают в роли первых реагирующих на каждое оповещение, проводя триаж в течение пяти минут. Ранее DoorDash сообщала о сокращении времени до определения первопричины до 87%.
Resolve AI решает проблему склонности больших языковых моделей к галлюцинациям с помощью многоуровневой проверки между агентами. Каждый агент, исследующий гипотезу, должен ссылаться на все доказательства, которые затем проверяет другой агент. Агенты активно пытаются опровергнуть теории, находя пробелы в логике. Система также способна заявить о своей неосведомлённости, если доказательств недостаточно, что критически важно для производственных систем.
Новый класс фоновых агентов предназначен для непрерывной операционной работы. Они запускаются по расписанию или автоматически в ответ на события, например, новое развертывание или сработавшее оповещение. Агенты накапливают знания из каждого расследования и взаимодействия с человеком. Они предварительно исследуют приоритетные проблемы, мониторят развертывания, проверяют оповещения и выявляют аномалии затрат. Это позволяет командам перейти от реактивного устранения проблем к проактивному управлению операциями.
Третий ключевой компонент релиза — общее рабочее пространство для расследований. Здесь инженеры и ИИ-агенты работают с одними и теми же данными в реальном времени во время активного инцидента. Отчёты обновляются динамически, а все выводы можно проверить. Платформа также доступна через REST API и сервер MCP (Model Context Protocol). Это позволяет интегрировать Resolve AI в более широкие агентские рабочие процессы, создавая открытую архитектуру, подобную вебу.
Рынок агентских операций стал конкурентным, с участием Datadog, PagerDuty и крупных облачных провайдеров. Ксантос объясняет преимущество Resolve AI глубокой технической базой. Соучредители компании, Спирос Ксантос и Маянк Агарвал, ранее создали OpenTelemetry — стандарт для сбора метрик, логов и трассировок. AI Lab Resolve AI возглавляет бывший руководитель по пост-обучению моделей Llama от Meta. Компания также использует модель среды для каждого клиента, систему памяти, обучающуюся в конкретной производственной среде, и мультиагентную архитектуру. Они пост-обучают передовые модели на данных, специфичных для продакшена.
Модель ценообразования Resolve AI отличается от традиционного лицензирования ПО. Компания продаёт кредиты, которые расходуются, когда агенты выполняют работу, что является подходом, основанным на результате. Кредиты списываются только при устранении оповещения. Ксантос утверждает, что это дешевле, чем создавать аналогичную систему с нуля. Для крупных предприятий Resolve AI предлагает гибкую модель развёртывания. Плоскость данных находится там, где уже есть инструменты клиента, а уровень вывода может работать как SaaS или в VPC клиента. Компания не хранит данные.
Вопрос доверия инженеров к автономным действиям ИИ-агентов в продакшене — ключевой вызов. Ксантос ожидает, что градиент доверия будет быстро развиваться: от рекомендаций до автоматических действий. Возможно, самый провокационный тезис Resolve AI заключается в том, что рост ИИ-генерируемого кода усугубляет проблемы с операциями в продакшене. По словам Ксантоса, инженеры тратят до 70% своего времени на обслуживание и устранение неполадок. Он считает, что мы сталкиваемся с кризисом, когда создаём быстрее, чем можем оперировать.
Resolve AI основана в начале 2024 года Спиросом Ксантосом и Маянком Агарвалом. Их долгосрочное видение — это мир, где возможности агентов превосходят человеческих инженеров, что приведёт к удешевлению и большей доступности технологий. Непосредственное обещание сегодняшнего анонса — это ситуация, когда команда агентов уже проверила, подтвердила и задокументировала первопричину до того, как инженер ответит на ночное оповещение.