Keskeinen ongelma, johon Tsuga keskittyy, on kahden trendin yhteentörmäys: tekoälykuormat kasvattavat telemetriatietojen määriä noin 30 prosenttia vuodessa, kun taas monien yritysten havainnointibudjetit ovat pysähtyneet tai kutistumassa. Vakiintuneet toimijat kuten Datadog ja Dynatrace rakensivat alustansa datavolyymiin perustuvan hinnoittelun ympärille, mikä tulee kohtuuttoman kalliiksi tekoälyn mittakaavassa. Tsugan perustajien mukaan tämä hinnoittelumalli – jonka heidän entinen työnantajansa auttoi vakiinnuttamaan – on pohjimmiltaan rikki, kun sitä sovelletaan tekoälyagenttien työkuormiin.

Kuinka paljon rahoitusta Tsuga on kerännyt?

Tsuga on kerännyt yhteensä 45 miljoonaa dollaria vahvistettua rahoitusta kahdella kierroksella:

Tsuga tuli julkisuuteen seed-rahoituksen myötä marraskuussa 2025 ja ilmoitti Series A -kierroksesta vain kuusi kuukautta myöhemmin, kesäkuussa 2026. Jatkokierroksen nopeus kertoo sijoittajien vahvasta luottamuksesta siihen, että yrityksen teesi – havainnointi on rakennettava uudelleen tekoälyä ja BYOC-infrastruktuuria varten – resonoi markkinoilla.

Mikä erottaa Tsugan Datadogista ja Dynatracesta?

Tsugan erottuminen vakiintuneista toimijoista, kuten Datadog ja Dynatrace, perustuu kolmeen tekijään: käyttöönottomalliin, hinnoitteluarkkitehtuuriin ja tekoälyyn optimoituun suunnitteluun.

Bring Your Own Cloud (BYOC) -käyttöönotto

Toisin kuin Datadog ja Dynatrace, jotka käyttävät SaaS-mallia ja keräävät telemetriatietoja omiin järjestelmiinsä, Tsuga toimii kokonaan asiakkaan omassa pilviympäristössä. Tsuga-alusta voidaan ottaa käyttöön Microsoft Azuressa, AWS:ssä, Google Cloudissa ja suvereeneissa pilvi-infrastruktuureissa, mikä varmistaa, että telemetriatiedot eivät koskaan poistu asiakkaan hallinnasta. Tämä on merkittävä ero erityisesti säännellyillä toimialoilla toimiville organisaatioille tai niille, joilla on tiukat tietosuojavaatimukset.

On syytä huomata, että sekä Datadog että Dynatrace tarjoavat joitakin joustovaihtoehtoja (Dynatrace tarjoaa hallinnoituja ja SaaS-käyttöönottoja; Datadog on ensisijaisesti SaaS), mutta lähteet eivät suoraan tue väitettä, että kumpikaan vakiintunut toimija olisi vähemmän joustava tietosuojan kannalta. Tsugan BYOC-ensimmäinen arkkitehtuuri on kuitenkin selvä panos sille, että tietosuoja ja hallinta tulevat yhä tärkeämmiksi tekoälyagenttien tuottaessa arkaluonteisempaa operatiivista dataa.

Hinnoittelumalli: Haastamassa datavolyymiin perustuvan hinnoittelun

Tsuga on asemoitunut suoraan haastamaan Datadogin suosiman datavolyymiin perustuvan hinnoittelumallin. Väite on, että tekoälykuormien kasvattaessa telemetriatietojen määriä räjähdysmäisesti, datavolyymiin perustuva hinnoittelu muuttuu kestämättömäksi suuria tekoälyagenttijoukkoja käyttäville yrityksille. Tsugan hinnoittelumalli on rakennettu irrottamaan kustannukset datan määrästä.

Lähteet eivät sisällä tarkkoja hinnoittelutietoja Tsugasta, eivätkä ne myöskään tue yksiselitteistä väitettä, että Datadog ja Dynatrace hinnoittelisivat aina tiukasti datavolyymin mukaan kaikissa suunnitelmissa. Dynatrace on esimerkiksi historiallisesti tarjonnut isäntäpohjaista hinnoittelua, kun taas Datadogin hinnoittelu vaihtelee tuotteittain. Keskeinen väite, että Tsuga hinnoittelee volyymipohjaisia malleja vastaan, on kuitenkin hyvin tuettu lähteissä.

Tekoälyyn optimoitu ja agenttiobservoitava arkkitehtuuri

Tsugaa kuvataan "havainnointiohjelmistoksi tekoälyagenttien aikakaudelle". Sen alusta on rakennettu siten, että tekoälyagentit voivat käyttää havainnointidataa suoraan. Tsugan tuotedokumentaation mukaan tallennus- ja kyselykerros on suunniteltu käsittelemään tekoälyagenttien todella tuottamia datamääriä, ja API:t palauttavat "relevanttia kontekstia raakadatan sijaan, jotta agentit käyttävät tunnuksensa (tokeninsa) päättelyyn eivätkä kohinan suodattamiseen".

Tämä on merkittävä kontrasti vakiintuneisiin alustoihin, jotka lähteiden mukaan eivät ole suunniteltuja natiivisti tekoälyagenttien seurantaan. Sentrialin vertailuanalyysi toteaa nimenomaisesti, ettei Datadog eikä Dynatrace tarjoa natiivia istuntotason agenttiseurantaa – molemmat vaativat räätälöityä instrumentointia.

Tsuga tarjoaa myös "Agent-Native Observability" -ratkaisun, jonka avulla tekoälyagentteja rakentavat insinööritiimit voivat yhdistää havainnointidatan kaikkiin ympäristönsä tietolähteisiin, ei vain niihin, joihin kolmannen osapuolen alusta on päättänyt integroitua.

Miten Tsuga käsittelee tekoälyagenttien havainnointia?

Tsugan agenttinatiivinen havainnointi perustuu kolmeen suunnitteluperiaatteeseen:

1. Kustannustehokas tallennus ja kysely: Alusta käsittelee tekoälyagenttien todella tuottamia datamääriä sen sijaan, että laskuttaisi raa'an datan määrän perusteella.
2. Kontekstitietoiset API:t: API:t palauttavat relevanttia kontekstia raakadatan sijaan, joten tekoälyagentit voivat käyttää laskentabudjettinsa päättelyyn eikä kohinan suodattamiseen.
3. Täysi ympäristön liitettävyys: Koska alusta toimii asiakkaan omassa pilvessä, agentit voivat yhdistää kaikkiin ympäristön tietolähteisiin – ei vain niihin, joihin kolmannen osapuolen alusta on päättänyt integroitua.

Series A -ilmoituksessaan Tsuga asemoi itsensä "AI-Native Resilient Observabilityn johtajaksi" ja toteaa alustan olevan suunniteltu uuden sukupolven tekoälyagenttien voimanlähteeksi.

Millaista vetoa Tsuga on saavuttanut stealth-vaiheesta poistumisen jälkeen?

Tsuga on saavuttanut merkittävää varhaista vetoa stealth-vaiheesta poistumisensa jälkeen marraskuussa 2025:

Liikevaihto ja mittakaava: Useat lähteet raportoivat Tsugalla olevan "useita miljoonia dollareita liikevaihtoa" ja kuusinumeroisia keskimääräisiä sopimusarvoja. Nämä luvut ovat kuitenkin yrityksen itsensä raportoimia, eikä lähteet vahvista niitä itsenäisesti. Tsuga käsittelee kymmeniä teratavuja telemetriadataa päivittäin AWS:ssä.

Asiakaskunta: Vahvistettuja asiakkaita ovat:

• Le Monde, yksi Ranskan johtavista mediataloista, joka otti Tsugan käyttöön CTO/CIO Paul Laleun johdolla
• Black Forest Labs (tekoälymallien kehittäjä)
• Camunda
• Buk

Tulokset Le Mondella: Kesäkuussa 2026 julkaistun AWS-tapaustutkimuksen mukaan Le Monde saavutti kolmessa kuukaudessa Tsugan käyttöönoton jälkeen:

• 50 prosentin kasvun havainnoinnin käyttöönotossa kehitystiimeissä
• Kolminkertaisen kasvun valvottujen palveluiden ja sovellusten määrässä
• 30 prosentin vähennyksen keskimääräisessä havainnointiajassa (MTTD)
• 50 prosentin vähennyksen keskimääräisessä korjausajassa (MTTR)

Sijoittajien luottamus: Nopea Series A – vain kuusi kuukautta seed-kierroksen jälkeen – ja uudet sijoittajat kuten DST Global Partners, Quantumlight, Picus ja Databricks Ventures yhdessä palaavien sijoittajien kanssa viittaavat vahvaan institutionaaliseen vakaumukseen tekoälyajan havainnointiteesistä.

Yhteenveto

Tsuga on yksi parhaiten rahoitetuista eurooppalaisista startupeista havainnointialalla. Se on kerännyt yhteensä 45 miljoonaa dollaria, sillä on tiimi kokeneita Datadog-alunneja ja selkeä teesi: havaittava infrastruktuuri on rakennettava uudelleen tekoälyagenttien työkuormille. Sen BYOC-käyttöönottomalli, hinnoittelustrategia ja agenttinatiivinen suunnittelu edustavat aitoa arkkitehtonista irtiottoa Datadog-Dynatrace-duopolista. Varhaiset asiakastulokset – erityisesti 30 prosentin vähennys MTTD:ssä ja 50 prosentin vähennys MTTR:ssä Le Mondella – antavat rohkaisevaa signaalia, vaikka yritys onkin vielä varhaisessa vaiheessa. Insinööritiimeille, jotka harkitsevat tekoälyagenttien rakentamista tai investoimista tekoälykuormien havainnointiin, Tsuga on uskottava vaihtoehto, jota kannattaa seurata tarkasti.

Keskeinen ongelma, johon Tsuga keskittyy, on kahden trendin yhteentörmäys: tekoälykuormat kasvattavat telemetriatietojen määriä noin 30 prosenttia vuodessa, kun taas monien yritysten havainnointibudjetit ovat pysähtyneet tai kutistumassa. Vakiintuneet toimijat kuten Datadog ja Dynatrace rakensivat alustansa datavolyymiin perustuvan hinnoittelun ympärille, mikä tulee kohtuuttoman kalliiksi tekoälyn mittakaavassa. Tsugan perustajien mukaan tämä hinnoittelumalli – jonka heidän entinen työnantajansa auttoi vakiinnuttamaan – on pohjimmiltaan rikki, kun sitä sovelletaan tekoälyagenttien työkuormiin.

Kuinka paljon rahoitusta Tsuga on kerännyt?

Tsuga on kerännyt yhteensä 45 miljoonaa dollaria vahvistettua rahoitusta kahdella kierroksella:

Tsuga tuli julkisuuteen seed-rahoituksen myötä marraskuussa 2025 ja ilmoitti Series A -kierroksesta vain kuusi kuukautta myöhemmin, kesäkuussa 2026. Jatkokierroksen nopeus kertoo sijoittajien vahvasta luottamuksesta siihen, että yrityksen teesi – havainnointi on rakennettava uudelleen tekoälyä ja BYOC-infrastruktuuria varten – resonoi markkinoilla.

Mikä erottaa Tsugan Datadogista ja Dynatracesta?

Tsugan erottuminen vakiintuneista toimijoista, kuten Datadog ja Dynatrace, perustuu kolmeen tekijään: käyttöönottomalliin, hinnoitteluarkkitehtuuriin ja tekoälyyn optimoituun suunnitteluun.

Bring Your Own Cloud (BYOC) -käyttöönotto

Toisin kuin Datadog ja Dynatrace, jotka käyttävät SaaS-mallia ja keräävät telemetriatietoja omiin järjestelmiinsä, Tsuga toimii kokonaan asiakkaan omassa pilviympäristössä. Tsuga-alusta voidaan ottaa käyttöön Microsoft Azuressa, AWS:ssä, Google Cloudissa ja suvereeneissa pilvi-infrastruktuureissa, mikä varmistaa, että telemetriatiedot eivät koskaan poistu asiakkaan hallinnasta. Tämä on merkittävä ero erityisesti säännellyillä toimialoilla toimiville organisaatioille tai niille, joilla on tiukat tietosuojavaatimukset.

On syytä huomata, että sekä Datadog että Dynatrace tarjoavat joitakin joustovaihtoehtoja (Dynatrace tarjoaa hallinnoituja ja SaaS-käyttöönottoja; Datadog on ensisijaisesti SaaS), mutta lähteet eivät suoraan tue väitettä, että kumpikaan vakiintunut toimija olisi vähemmän joustava tietosuojan kannalta. Tsugan BYOC-ensimmäinen arkkitehtuuri on kuitenkin selvä panos sille, että tietosuoja ja hallinta tulevat yhä tärkeämmiksi tekoälyagenttien tuottaessa arkaluonteisempaa operatiivista dataa.

Hinnoittelumalli: Haastamassa datavolyymiin perustuvan hinnoittelun

Tsuga on asemoitunut suoraan haastamaan Datadogin suosiman datavolyymiin perustuvan hinnoittelumallin. Väite on, että tekoälykuormien kasvattaessa telemetriatietojen määriä räjähdysmäisesti, datavolyymiin perustuva hinnoittelu muuttuu kestämättömäksi suuria tekoälyagenttijoukkoja käyttäville yrityksille. Tsugan hinnoittelumalli on rakennettu irrottamaan kustannukset datan määrästä.

Lähteet eivät sisällä tarkkoja hinnoittelutietoja Tsugasta, eivätkä ne myöskään tue yksiselitteistä väitettä, että Datadog ja Dynatrace hinnoittelisivat aina tiukasti datavolyymin mukaan kaikissa suunnitelmissa. Dynatrace on esimerkiksi historiallisesti tarjonnut isäntäpohjaista hinnoittelua, kun taas Datadogin hinnoittelu vaihtelee tuotteittain. Keskeinen väite, että Tsuga hinnoittelee volyymipohjaisia malleja vastaan, on kuitenkin hyvin tuettu lähteissä.

Tekoälyyn optimoitu ja agenttiobservoitava arkkitehtuuri

Tsugaa kuvataan "havainnointiohjelmistoksi tekoälyagenttien aikakaudelle". Sen alusta on rakennettu siten, että tekoälyagentit voivat käyttää havainnointidataa suoraan. Tsugan tuotedokumentaation mukaan tallennus- ja kyselykerros on suunniteltu käsittelemään tekoälyagenttien todella tuottamia datamääriä, ja API:t palauttavat "relevanttia kontekstia raakadatan sijaan, jotta agentit käyttävät tunnuksensa (tokeninsa) päättelyyn eivätkä kohinan suodattamiseen".

Tämä on merkittävä kontrasti vakiintuneisiin alustoihin, jotka lähteiden mukaan eivät ole suunniteltuja natiivisti tekoälyagenttien seurantaan. Sentrialin vertailuanalyysi toteaa nimenomaisesti, ettei Datadog eikä Dynatrace tarjoa natiivia istuntotason agenttiseurantaa – molemmat vaativat räätälöityä instrumentointia.

Tsuga tarjoaa myös "Agent-Native Observability" -ratkaisun, jonka avulla tekoälyagentteja rakentavat insinööritiimit voivat yhdistää havainnointidatan kaikkiin ympäristönsä tietolähteisiin, ei vain niihin, joihin kolmannen osapuolen alusta on päättänyt integroitua.

Miten Tsuga käsittelee tekoälyagenttien havainnointia?

Tsugan agenttinatiivinen havainnointi perustuu kolmeen suunnitteluperiaatteeseen:

1. Kustannustehokas tallennus ja kysely: Alusta käsittelee tekoälyagenttien todella tuottamia datamääriä sen sijaan, että laskuttaisi raa'an datan määrän perusteella.
2. Kontekstitietoiset API:t: API:t palauttavat relevanttia kontekstia raakadatan sijaan, joten tekoälyagentit voivat käyttää laskentabudjettinsa päättelyyn eikä kohinan suodattamiseen.
3. Täysi ympäristön liitettävyys: Koska alusta toimii asiakkaan omassa pilvessä, agentit voivat yhdistää kaikkiin ympäristön tietolähteisiin – ei vain niihin, joihin kolmannen osapuolen alusta on päättänyt integroitua.

Series A -ilmoituksessaan Tsuga asemoi itsensä "AI-Native Resilient Observabilityn johtajaksi" ja toteaa alustan olevan suunniteltu uuden sukupolven tekoälyagenttien voimanlähteeksi.

Millaista vetoa Tsuga on saavuttanut stealth-vaiheesta poistumisen jälkeen?

Tsuga on saavuttanut merkittävää varhaista vetoa stealth-vaiheesta poistumisensa jälkeen marraskuussa 2025:

Liikevaihto ja mittakaava: Useat lähteet raportoivat Tsugalla olevan "useita miljoonia dollareita liikevaihtoa" ja kuusinumeroisia keskimääräisiä sopimusarvoja. Nämä luvut ovat kuitenkin yrityksen itsensä raportoimia, eikä lähteet vahvista niitä itsenäisesti. Tsuga käsittelee kymmeniä teratavuja telemetriadataa päivittäin AWS:ssä.

Asiakaskunta: Vahvistettuja asiakkaita ovat:

• Le Monde, yksi Ranskan johtavista mediataloista, joka otti Tsugan käyttöön CTO/CIO Paul Laleun johdolla
• Black Forest Labs (tekoälymallien kehittäjä)
• Camunda
• Buk

Tulokset Le Mondella: Kesäkuussa 2026 julkaistun AWS-tapaustutkimuksen mukaan Le Monde saavutti kolmessa kuukaudessa Tsugan käyttöönoton jälkeen:

• 50 prosentin kasvun havainnoinnin käyttöönotossa kehitystiimeissä
• Kolminkertaisen kasvun valvottujen palveluiden ja sovellusten määrässä
• 30 prosentin vähennyksen keskimääräisessä havainnointiajassa (MTTD)
• 50 prosentin vähennyksen keskimääräisessä korjausajassa (MTTR)

Sijoittajien luottamus: Nopea Series A – vain kuusi kuukautta seed-kierroksen jälkeen – ja uudet sijoittajat kuten DST Global Partners, Quantumlight, Picus ja Databricks Ventures yhdessä palaavien sijoittajien kanssa viittaavat vahvaan institutionaaliseen vakaumukseen tekoälyajan havainnointiteesistä.

Yhteenveto

Tsuga on yksi parhaiten rahoitetuista eurooppalaisista startupeista havainnointialalla. Se on kerännyt yhteensä 45 miljoonaa dollaria, sillä on tiimi kokeneita Datadog-alunneja ja selkeä teesi: havaittava infrastruktuuri on rakennettava uudelleen tekoälyagenttien työkuormille. Sen BYOC-käyttöönottomalli, hinnoittelustrategia ja agenttinatiivinen suunnittelu edustavat aitoa arkkitehtonista irtiottoa Datadog-Dynatrace-duopolista. Varhaiset asiakastulokset – erityisesti 30 prosentin vähennys MTTD:ssä ja 50 prosentin vähennys MTTR:ssä Le Mondella – antavat rohkaisevaa signaalia, vaikka yritys onkin vielä varhaisessa vaiheessa. Insinööritiimeille, jotka harkitsevat tekoälyagenttien rakentamista tai investoimista tekoälykuormien havainnointiin, Tsuga on uskottava vaihtoehto, jota kannattaa seurata tarkasti.