تصور کنید مدیر فنی شرکتی هستید که یک تغییر کوچک در کد، ناگهان کل سامانه پرداخت‌های شما را برای ساعت‌ها از کار می‌اندازد. برای جلوگیری از این کابوس، Empirik وارد میدان شده تا پیش از آنکه اولین هشدار قرمز در مانیتورها ظاهر شود، نقطه شکست را پیش‌بینی کند.
بسیاری از ابزارهای نظارتی فعلی تنها وضعیت موجود را گزارش می‌دهند، اما درک وابستگی‌های پیچیده بین اجزای سیستم را ندارند. این وضعیت شبیه به نقشه‌ای است که فقط جاده‌های بسته را نشان می‌دهد، اما نمی‌تواند پیش‌بینی کند که بسته شدن یک لاین در کیلومتر ۱۰، تا دو ساعت دیگر کدام تقاطع‌های شهر را فلج می‌کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت زیرساخت‌های ابری اشاره کردیم، پیچیدگی سیستم‌های مدرن از توان مدیریت دستی انسان‌ها خارج شده است.
این شرکت که توسط ایوان پوری و سودهیر دورجاتی تأسیس شده، سال ۲۰۲۳ را در دوره رشد در Sequoia Capital گذراند. طبق اعلام رسمی این شرکت در ۱ سپتامبر ۲۰۲۶، Empirik پس از جذب ۲۱ میلیون دلار سرمایه از Sequoia، Canapi و Alumni Ventures، به‌صورت مستقل فعالیت خود را آغاز کرد. این جذب سرمایه در حالی رخ می‌دهد که استارتاپ‌های حوزه زیرساخت هوش مصنوعی، مانند استارتاپ June که به‌تازگی برای مقابله با بدهی‌های استقرار سرمایه‌گذاری جذب کرده‌اند، راه‌کارهای جدیدی برای مدیریت پیچیدگی‌های سازمانی ارائه می‌دهند.
به گزارش TechCrunch، این پلتفرم مانند یک مهندس زیرساخت خودکار عمل می‌کند و وظایف زیر را بر عهده دارد:
- ردیابی هر تغییر سیستمی در کل محیط عملیاتی.
- استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — اثرات احتمالی تغییرات بر کل زیرساخت. در این راستا، بهینه‌سازی فرآیند استنتاج برای افزایش سرعت پاسخ‌دهی، همان‌طور که در رویکرد Kog برای شتاب‌دهی به لایه‌های پایین دیده‌ایم، یکی از اولویت‌های کلیدی در توسعه سیستم‌های هوشمند است.
- اجازه دادن به تغییرات کم‌ریسک و ایجاد حفاظ‌ها (Guardrails) برای تغییرات بزرگ.
- علامت‌گذاری به‌روزرسانی‌های پرریسک برای بررسی توسط انسان.
از ابتدای سال جاری، شرکت‌هایی مانند S&P Global و Guardant Health از این سرویس استفاده کرده‌اند. کارتیک چاند رایانا، مدیرعامل شرکت، معتقد است سرعت توسعه نرم‌افزار با کمک هوش مصنوعی چنان زیاد شده که تیم‌های SRE دیگر نمی‌توانند تغییرات را به‌صورت دستی مدیریت کنند.
این رویکرد، گامی به سوی «زیرساخت‌های عامل‌محور» (Agentic Infrastructure) است. در حالی که پلتفرم‌هایی مثل Resolve و Traversal بر رفع خرابی تمرکز دارند، Empirik لایه‌ای پیشگیرانه است. در واقع این ابزار همان کاری را برای DevOps می‌کند که Cursor برای کدنویسی کرد: حذف کارهای تکراری برای تمرکز بر فعالیت‌های با ارزش بالا.
برای مدیران کسب‌وکار، این یعنی پایان فرهنگ «آتشفشان‌زدایی» در بخش IT. با سپردن عیب‌یابی‌های روتین به یک عامل (Agent) — شبیه به دستیاری که تمام نقشه‌های ساختمان را حفظ است و هر لوله نشت‌کرده را پیش‌بینی می‌کند — تیم‌های مهندسی می‌توانند به‌جای وصله کردن سوراخ‌ها، روی مقیاس‌پذیری معماری تمرکز کنند.
گام بعدی شما
- بررسی ابزارهای پیشگیرانه در برابر ابزارهای واکنشی (Reactive) در استک نظارتی خود.
- ارزیابی میزان وابستگی‌های پنهان در زیرساخت‌های میکروسرویس شرکتتان.
- دنبال کردن ادغام این لایه‌های پیش‌بینی با سیستم‌های مانیتورینگ ابری.
اما نبرد اصلی در آینده، نحوه انتقال بی‌سیمِ کنترل از پیش‌بینی‌های هوش مصنوعی به تصمیمات نهایی انسان خواهد بود؛ موضوعی که در گزارش‌های بعدی بررسی خواهیم کرد.
گفتگو