Groundcover baru saja mengumumkan pendanaan Seri C senilai 100 juta dolar AS yang dipimpin oleh One Peak, menjadikan total pendanaan perusahaan mencapai 160 juta dolar AS. Langkah ini menegaskan posisi startup observability tersebut dalam pasar yang semakin kompetitif, di mana perusahaan-perusahaan mapan seperti Datadog, Dynatrace, New Relic, Splunk, dan Grafana telah mendominasi dengan pendapatan tahunan miliaran dolar.
Groundcover berpendapat bahwa kecerdasan buatan telah mengubah asumsi dasar yang digunakan platform observability konvensional. Alih-alih menambahkan fitur AI pada produk yang ada, perusahaan ini menekankan perlunya perubahan arsitektur fundamental. Telemetri yang dihasilkan oleh agen AI, termasuk eksekusi prompt, latensi model, konsumsi token, serta interaksi dengan sistem eksternal, meningkat secara eksponensial dan menuntut penyimpanan data yang lebih lengkap.
Model bring-your-own-cloud (BYOC) yang diusung Groundcover memungkinkan pelanggan menyimpan data telemetri di infrastruktur cloud mereka sendiri, baik AWS, Azure, maupun Google Cloud. Pendekatan ini berbeda dari model SaaS tradisional yang menyimpan data di infrastruktur vendor. Dengan demikian, pelanggan dapat menghindari biaya berdasarkan volume data yang masuk dan beralih ke model harga berbasis host yang lebih dapat diprediksi.
Selain itu, penggunaan teknologi eBPF memungkinkan pengumpulan telemetri secara otomatis tanpa memerlukan instrumentasi kode manual. Kombinasi eBPF dengan arsitektur BYOC dan kompatibilitas OpenTelemetry menjadi diferensiasi utama yang diklaim Groundcover. Meskipun teknologi eBPF juga digunakan vendor lain, integrasi menyeluruh dalam satu platform menjadi keunggulan yang ditawarkan.
Salah satu aspek penting yang perlu diperhatikan adalah dampak regulasi privasi data global seperti GDPR dan undang-undang serupa di berbagai yurisdiksi. Dengan menyimpan telemetri di cloud sendiri, perusahaan dapat lebih mudah memenuhi persyaratan kepatuhan dan mengurangi risiko kebocoran data ke pihak ketiga. Hal ini menjadi pertimbangan strategis bagi organisasi yang mengelola beban kerja AI berskala besar.
Lebih jauh, model ini juga mendukung tren di mana observability tidak hanya melayani operator manusia, tetapi juga menjadi umpan balik bagi agen AI itu sendiri. Fitur Agent Mode memungkinkan investigasi insiden menggunakan bahasa alami dan berpotensi mengirimkan konteks operasional kembali ke sistem pengembangan kode otonom. Transisi ini mencerminkan pergeseran dari alat pasca-produksi menjadi infrastruktur yang mendukung siklus pengembangan perangkat lunak yang semakin otonom.
Meskipun klaim pertumbuhan pendapatan dan jumlah pelanggan berasal dari laporan internal perusahaan, adopsi model ini menunjukkan bahwa beberapa organisasi enterprise mencari alternatif terhadap model penagihan berbasis volume data. Keberhasilan pendekatan ini akan bergantung pada kemampuan Groundcover mempertahankan kepercayaan pelanggan di tengah persaingan yang ketat dan evolusi kebutuhan observability di era AI.
