Deductive AI, 디버깅 시간 90% 단축 위해 750만 달러 투자 유치

(퍼플렉시티가 정리한 기사)

Deductive AI는 화요일 750만 달러의 시드 펀딩을 받으며 스텔스 모드에서 벗어났으며, 소프트웨어 엔지니어링의 가장 고질적인 문제 중 하나에 대한 솔루션을 제시했습니다. 엔지니어들이 새로운 제품을 구축하는 대신 버그를 찾는 데 거의 절반의 시간을 소비하는 문제입니다. Databricks와 ThoughtSpot 출신의 베테랑들이 설립한 이 마운틴뷰 스타트업은 게임 AI 시스템을 구동하는 것과 유사한 강화 학습 기술을 사용하여 몇 시간이 아닌 몇 분 만에 프로덕션 장애를 진단하는 AI 에이전트를 배포합니다.​

이번 펀딩 라운드는 CRV가 주도했으며, Databricks Ventures, Thomvest Ventures, PrimeSet이 참여했습니다. 회사는 실제 사고로부터 학습하여 장애를 자동으로 감지하고, 근본 원인을 진단하며, 엔지니어가 소프트웨어 문제를 해결하도록 돕는 "AI SRE 에이전트"를 도입하고 있습니다. 이 기능은 사고 해결 시간을 최대 90퍼센트까지 단축할 수 있다고 회사는 밝혔습니다.​

AI가 더 많은 코드를 생성하면서 증가하는 문제를 목표로 삼다

이러한 시기는 소프트웨어 개발에서 증가하는 긴장감을 반영합니다. AI 코딩 어시스턴트가 엔지니어들이 그 어느 때보다 빠르게 코드를 작성할 수 있도록 지원하는 동안, 연구에 따르면 개발자들은 시간의 30~50%를 디버깅에 소비하며, AI 생성 코드가 확산되면서 이 수치는 증가하기만 했습니다. Harness의 2025년 보고서에 따르면 개발자의 67%가 AI 생성 코드를 디버깅하는 데 더 많은 시간을 할애하고 있습니다.​

Deductive AI의 공동 창업자이자 CEO인 Rakesh Kothari는 VentureBeat와의 인터뷰에서 "우리는 세계적 수준의 엔지니어들이 구축하는 대신 시간의 절반을 디버깅에 소비하는 것을 목격했습니다"라고 말했습니다. "그리고 바이브 코딩이 전례 없는 속도로 새로운 코드를 생성함에 따라, 이 문제는 더욱 악화될 것입니다."​

이 회사는 이미 여러 주목할 만한 고객사에서 실제 영향력을 입증했습니다. DoorDash의 광고 플랫폼은 Deductive를 사고 대응 프로토콜에 통합했으며, DoorDash의 엔지니어링 수석 이사인 Shahrooz Ansari에 따르면 이 시스템이 최근 몇 달 동안 약 100건의 프로덕션 사고에 대한 근본 원인을 식별했으며, 이는 연간 1,000시간 이상의 생산성 절감과 수백만 달러 상당의 수익 영향으로 환산된다고 합니다. 위치 인텔리전스 기업 Foursquare에서 Deductive는 Apache Spark 작업 실패를 진단하는 데 필요한 시간을 90% 단축하여 수 시간 또는 며칠에서 10분 미만으로 줄였으며, 연간 275,000달러 이상의 비용 절감 효과를 가져왔습니다.​

기술 작동 방식

Deductive의 기술적 접근 방식은 Datadog이나 New Relic과 같은 기존 옵저버빌리티 플랫폼에 추가되는 AI 기능들과 차별화됩니다. 이 시스템은 코드베이스, 로그, 메트릭, 트레이스, 내부 문서 간의 관계를 매핑하는 '지식 그래프'를 구축합니다. 인시던트가 발생하면 여러 AI 에이전트가 함께 협력하여 가설을 생성하고, 이를 실시간 시스템 증거와 대조하며, 근본 원인에 수렴합니다—숙련된 사이트 신뢰성 엔지니어가 조사하는 방식을 모방하지만 훨씬 짧은 시간에 작업을 완료합니다.​

플랫폼은 기존 인프라와 읽기 전용 API를 통해 옵저버빌리티 플랫폼, 코드 저장소, 인시던트 관리 도구, 커뮤니케이션 시스템에 연결됩니다. 강화 학습을 활용하여 지속적으로 개선하며, 각 인시던트에서 어떤 조사 액션이 정확한 진단으로 이어졌는지 학습합니다.​

공동 창립자이자 CTO인 Sameer Agarwal은 UC Berkeley에서 BlinkDB라는 근사 쿼리 처리 프레임워크를 개발하며 박사학위를 받았고, Apache Spark를 구축한 초창기 Databricks 엔지니어 중 한 명이었습니다. Kothari는 ThoughtSpot의 초기 엔지니어로, 분산 쿼리 처리와 대규모 시스템 최적화에 집중하는 팀을 리드했습니다.​

"현대 인프라의 복잡성과 상호 의존성으로 인해 장애나 인시던트의 근본 원인을 조사하는 일은 마치 건초더미에서 바늘을 찾는 것 같습니다. 단, 그 건초더미는 축구장 크기이고, 백만 개의 다른 바늘로 만들어졌으며, 끊임없이 재배열되며 불타고 있습니다,"라고 Agarwal은 성명에서 밝혔습니다.​

기술적으로는 프로덕션 환경에서 바로 수정 작업을 자동화할 수 있지만, 현재 회사는 엔지니어가 검증하고 구현할 수 있도록 구체적 솔루션을 추천하며 사람의 개입을 유지하고 있습니다. 회사는 데이터 볼륨이 아니라 조사된 인시던트 수를 기준으로 가격을 산정하며, 클라우드 호스팅과 셀프 호스팅 배포 옵션을 모두 제공합니다.