יוצאי מיקרוסופט גייסו 70 מיליון דולר כדי להתחרות בענקיות הדאטה

רייזיק וסלוצקי היו חלק מצוות ההקמה המקורי של Kusto, פלטפורמת דאטה שהחלה כפרויקט פנימי במיקרוסופט והפכה בהמשך לבסיס הטכנולוגי של מוצרים כמו Azure Data Explorer ומערכות האבטחה Sentinel ו-Defender. בהמשך הצטרפו אליהם אהרוני וליבוביץ, והארבעה עבדו יחד על פיתוח הפלטפורמה, המעבדת כיום נתונים בהיקפים של מאות פטה-בייט ביום.

לאחר יותר מעשור של עבודה משותפת החליטו הארבעה לעזוב את מיקרוסופט ולהקים חברה עצמאית, במטרה להנגיש את הניסיון והטכנולוגיה שצברו לארגונים נוספים, ולספק פתרונות שיאפשרו להתמודד עם כמויות מידע גדולות תוך שיפור הביצועים והפחתת עלויות.

ל-Edelbyte כ-40 עובדים בישראל, באירופה ובארה"ב. לפי החברה, היא כבר משרתת חברות Fortune 500 וארגונים גלובליים בתחומי אבטחת המידע, הרכב והשירותים הפיננסיים, ומפעילה עבורם מערכות דאטה בהיקפים של פטה-בייט. עוד טוענת החברה כי לקוחות שעברו למערכת שלה הצליחו להפחית את עלויות התשתית ולהריץ עד פי עשרה יותר שאילתות במסגרת אותו תקציב.

כספי הגיוס מיועדים להרחבת היכולות הטכנולוגיות, להגדלת צוותי המחקר, הפיתוח והמכירות ולהעמקת הפעילות בשווקים הבינלאומיים.

הצורך בתשתיות דאטה מתקדמות מתחדד על רקע הצמיחה המהירה בשוק הביג דאטה, המוערך כיום בכ-300 מיליארד דולר וצפוי להגיע ל-516 מיליארד דולר עד 2031, לפי נתוני MarketsandMarkets. אחד האתגרים המרכזיים של ארגונים הוא היכולת לאחסן ולנתח כמויות מידע הולכות וגדלות, מבלי לפגוע במהירות הביצועים או להגדיל משמעותית את הוצאות התשתית.

כניסתם של סוכני AI מחריפה את האתגר. בעוד שהיקף הפעילות של משתמשים אנושיים מוגבל יחסית, ארגונים יכולים להפעיל עשרות ואף מאות סוכנים במקביל, שכל אחד מהם מריץ שאילתות רבות בתדירות גבוהה. התוצאה היא עומס גובר על מערכות הדאטה, שמאלץ ארגונים לעיתים להגביל את מספר השאילתות, להעביר מידע לארכיון ואף למחוק נתונים כדי לשלוט בעלויות. לכך מתווספת העובדה שהמידע הארגוני מפוזר בין מערכות שונות, והעברתו לצורך ניתוח מגדילה את המורכבות ואת העלויות.

הפלטפורמה של Edelbyte נועדה לאפשר הרצה של סוגי עומסי עבודה שונים על גבי תשתית אחת, בהם אנליטיקה מסורתית, חיפוש טקסט, שאילתות מרחביות ועומסי עבודה של AI. בדרך זו מבקשת החברה לצמצם את הצורך בהפעלת מערכות נפרדות ובהעתקת מידע ביניהן, ובכך להפחית את העלויות ואת המורכבות התפעולית.

לפי החברה, הארכיטקטורה שפיתחה מאפשרת לדחוס מידע גולמי באופן משמעותי ולצמצם את כמות הנתונים שיש לאחסן ולעבד בכל שאילתה. המערכת מסוגלת, לטענתה, להחזיר תוצאות בתוך אלפיות השנייה ולהריץ אלפי שאילתות במקביל, גם על מידע היסטורי בהיקפים גדולים. בנוסף, היא יוצרת אינדקס לכלל הנתונים, כך שניתן להריץ גם שאילתות שלא הוגדרו מראש, בניגוד למערכות שבהן האינדקסים מותאמים בעיקר לדשבורדים קבועים או להתראות חוזרות.

המערכת יכולה לפעול כשירות מנוהל על גבי עננים ציבוריים, בענן פרטי או בתשתיות מקומיות (On-Premises). כך יכולים ארגונים לבחור היכן לאחסן ולעבד את המידע בהתאם לדרישות הביצועים, הרגולציה והצרכים העסקיים שלהם, מבלי להיות תלויים בספק ענן יחיד.

אבנר אהרוני, מייסד שותף ומנכ"ל Edelbyte: "המערכות שבהן ארגונים משתמשים כיום לחיפוש ולניתוח מידע נבנו הרבה לפני עידן ה-AI. אבל, ככל שהיא הופכת לחלק מרכזי יותר בפעילות של ארגונים, מספר השאילתות והמורכבות שלהן גדלים בקצב שהתשתיות הקיימות לא תוכננו להתמודד איתו. אנחנו מאמינים שהשינוי הזה יוצר הזדמנות לבנות שחקנית מובילה חדשה בתחום החיפוש וניתוח הנתונים, עם טכנולוגיה שמותאמת מלכתחילה לעומסי העבודה של AI. השאיפה שלנו היא ש-Edelbyte תהפוך לתשתית שעליה ייבנה הדור הבא של יישומי התוכנה, וההתקדמות שהשגנו בשנה הראשונה מחזקת את האמונה שלנו בפוטנציאל החברה".

בוגומיל בלקנסקי, שותף ב-Sequoia Capital: "מפתחים זקוקים לתשתיות דאטה שיאפשרו להם לפתח מוצרים חדשים בלי להתפשר על ביצועים ועלויות. Edelbyte משלבת יכולות מתקדמות לניתוח נתונים, גמישות בהפעלת המערכת בסביבות שונות וארכיטקטורה יעילה שתוכננה מלכתחילה לעומסי העבודה של עידן ה-AI. לצוות המייסדים ניסיון יוצא דופן בפיתוח ובהפעלה של מערכות דאטה בקנה מידה גדול, ואנחנו מאמינים שיש להם את היכולת לבנות תשתית שתשרת את הדור הבא של חברות התוכנה".