Le modèle SRE-1 de Resolve AI identifie les causes profondes des alertes de production lorsque les agents IA sont de garde

La société de résolution d'incidents Resolve AI Inc. a annoncé le lancement de SRE-1, un nouveau modèle qui a été formé pour trouver la cause première des alertes de production, et de Primary On-Cast, un nouveau service qui met ses agents d'intelligence artificielle de garde avant les ingénieurs humains.

Le nouveau modèle, annoncé mercredi, reflète l'argument de l'entreprise selon lequel si l'IA a transformé la façon dont les logiciels sont écrits, elle a à peine touché la façon dont les logiciels sont exécutés. Selon Resolve AI, la production ne dispose pas de corpus de formation public correspondant au code publié à partir duquel les modèles ont appris, car les incidents dans chaque entreprise restent privés.

SRE-1 est un modèle de 27 milliards de paramètres construit sur des poids ouverts et formé par une équipe de 16 chercheurs en IA au cours d'une exécution finale de 7,4 jours sur jusqu'à 512 unités de traitement graphique. Mesuré sur les mêmes incidents avant et après la formation, qui utilisait uniquement l'apprentissage par renforcement, le taux de réussite pour une seule enquête est passé de 6,9 ​​% à 38,8 %.

Resolve AI a utilisé Cortex Training de Snowflake Inc., un service sans serveur permettant de personnaliser des modèles à poids ouvert, pour créer SRE-1. Vivek Raghunathan, vice-président principal de l'ingénierie de Snowflake, a déclaré que Resolve AI était le premier partenaire de conception du service.

Lors de tests sur 49 cas de production difficiles en direct, exécutés chacun cinq fois, un ensemble de cinq enquêtes SRE-1 correspondait au modèle frontière le plus solide testé à moindre coût, selon la société. Resolve AI a également comparé son système complet sur 178 enquêtes d'alerte de production, résolvant environ deux fois plus d'incidents que les agents de codage à usage général.

Primary On-Cast met cette recherche à profit sur le chemin critique. Chaque page est étudiée en termes de télémétrie, d'infrastructure, de code et de connaissances opérationnelles, selon l'entreprise. En fonction de ce qu'il trouve, l'agent peut fermer l'alerte, atténuer le problème lorsque les politiques d'une équipe le permettent ou le transmettre à un humain. Une fois qu'il a agi, l'agent vérifie le correctif par rapport à la référence de production et le surveille jusqu'à ce que la récupération soit effectuée.

L'agent relie également les alertes et les enquêtes associées dans une vue partagée de chaque problème sous-jacent. Pour les équipes qui hésitent à remettre le téléavertisseur immédiatement, Resolve AI propose un mode fantôme qui enregistre l'appel que l'agent aurait passé sur chaque page.

Jusqu'à 80 % des alertes paginées en production seraient traitées par Primary On-Call sans escalade. Les clients ont signalé une multiplication par dix du temps moyen de résolution, ainsi qu'une précision des causes profondes allant jusqu'à 95 %, selon Resolve AI.

Salesforce Inc. fait partie des premiers utilisateurs. Bhupesh Patel, architecte principal en ingénierie logicielle chez Salesforce, a déclaré qu'au cours des premières semaines de tests de lancement sombres, l'agent a fermé plus de 70 % des alertes de radiomessagerie de l'équipe CRM Analytics « sans réveiller un ingénieur ».

« Aucune équipe d'ingénierie ne peut suivre la rapidité avec laquelle le code et les correctifs arrivent en production », a déclaré Spiros Xanthos, directeur général de Resolve AI. « La réponse réside dans des agents suffisamment précis et rapides pour se situer sur le chemin critique, et cela nécessite un modèle conçu pour la production. »

Le service de garde principal est désormais généralement disponible. L'accès à SRE-1 est limité à la propre plateforme de Resolve AI.

Newsletter

Rejoignez notre newsletter pour des astuces chaque semaine