Tsuga henter 35 millioner dollar – utfordrer Datadog og Dynatrace med AI-native observabilitet

Tsuga kom ut av stealth-modus med såkornrunden i november 2025 og annonserte Series A knapt seks måneder senere, i juni 2026. Farten på oppfølgingsrunden signaliserer sterk investortro på at selskapets tese — at observabilitet må bygges på nytt for AI-native, BYOC-infrastrukturer — gir gjenklang.

Hva skiller Tsuga fra Datadog og Dynatrace?

Tsugas differensiering fra etablerte aktører som Datadog og Dynatrace sentrerer seg om tre akser: distribusjonsmodell, prisarkitektur og AI-native design.

Bring Your Own Cloud (BYOC)-distribusjon

I stedet for å hente telemetridata inn i en leverandørkontrollert SaaS-plattform — modellen Datadog og Dynatrace begge bruker — kjører Tsuga utelukkende inne i kundens eget skymiljø. Tsuga-plattformen kan distribueres på tvers av Microsoft Azure, AWS, Google Cloud og suverene skyinfrastrukturer, noe som sikrer at telemetridata aldri forlater kundens kontroll. Dette er en betydelig differensierende faktor for organisasjoner i regulerte bransjer eller med strenge krav til datasuverenitet.

Én detalj verdt å merke seg: Selv om både Datadog og Dynatrace tilbyr noen distribusjonsfleksibilitetsalternativer (Dynatrace tilbyr administrerte og SaaS-distribusjoner; Datadog er primært SaaS), underbygger ikke de oppgitte kildene direkte en påstand om at noen av de etablerte aktørene er universelt mindre fleksible når det gjelder datasuverenitetsbehov. Tsugas BYOC-første arkitektur er helt klart et veddemål på at suverenitet og kontroll vil bli stadig viktigere etter hvert som AI-agenter genererer mer sensitive operasjonelle data.

Prismodell: Utfordrer per-byte-prising

Tsuga har eksplisitt posisjonert seg mot per-byte prismodellen som Datadog bidro til å popularisere. Ettersom AI-arbeidsmengder får telemetrivolumene til å eksplodere, blir per-byte-prising uholdbar for bedrifter som kjører AI-agentflåter i stor skala. Tsugas prismodell er strukturert for å koble kostnad fra datavolum.

Kildene oppgir ikke eksakte pristall for Tsuga, og de støtter heller ikke en generell påstand om at både Datadog og Dynatrace alltid priser strengt per byte i alle plan. Dynatrace har for eksempel historisk tilbudt vertsbasert prising, mens Datadogs prising varierer etter produkt. Kjernepåstanden om at Tsuga priser mot volumbaserte modeller er godt underbygget.

AI-native og agent-observerbar arkitektur

Tsuga beskrives som «observabilitetsprogramvare for AI-agentenes tidsalder». Plattformen er bygget slik at AI-agenter kan konsumere observabilitetsdata direkte. I følge Tsugas produktdokumentasjon er lagrings- og spørrelaget designet for å håndtere datavolumene som AI-agenter faktisk genererer, og API-ene returnerer «relevant kontekst i stedet for rådatadumper, slik at agentene bruker tokenene sine på resonnering i stedet for på å filtrere støy.»

Dette er en markant kontrast til etablerte plattformer, som kildene antyder ikke er naturlig designet for sporing av AI-agenter på øktnivå. En sammenligningsanalyse fra Sentrial bemerker direkte at verken Datadog eller Dynatrace tilbyr innebygd sporing av AI-agenter på øktnivå — begge krever tilpasset instrumentering.

Tsuga tilbyr også en «Agent-Native Observability»-løsning som lar ingeniørteam som bygger AI-agenter, koble observabilitetsdata til alle datakilder i miljøet sitt, ikke bare integrasjonene en tredjepartsplattform har valgt å støtte.

Hvordan håndterer Tsuga AI-agent-observabilitet?

Tsugas agent-native observabilitet er bygget på tre designprinsipper:

1. Kostnadseffektiv lagring og spørring: Plattformen håndterer datavolumene som AI-agenter faktisk genererer, i stedet for å fakturere basert på rådatamengde.
2. Kontekstbevisste API-er: I stedet for å returnere rådatadumper, returnerer Tsugas API-er relevant kontekst, slik at AI-agenter kan bruke beregningsbudsjettet sitt på resonnering i stedet for å filtrere støy.
3. Full miljøtilkobling: Fordi plattformen kjører i kundens egen sky, kan agenter koble seg til alle datakilder i miljøet — ikke bare de en tredjepartsplattform har valgt å integrere med.

Tsugas Series A-kunngjøring posisjonerer selskapet som «lederen innen AI-Native Resilient Observability» og uttaler at plattformen er designet for å drive en ny generasjon AI-agenter.

Hvilken fremgang har Tsuga oppnådd siden de kom ut av stealth-modus?

Siden de kom ut av stealth-modus i november 2025, har Tsuga oppnådd betydelig tidlig fremgang:

Inntekter og skala: Flere kilder rapporterer at Tsuga har «flere millioner i inntekter» med gjennomsnittlige kontraktsverdier på seks sifre. Disse inntektstallene er imidlertid selskapets egne rapporteringer og er ikke uavhengig verifisert av de oppgitte kildene. Tsuga behandler titalls terabyte med telemetridata hver dag på AWS.

Kundebase: Bekreftede kunder inkluderer:

• Le Monde, en av Frankrikes ledende mediegrupper, som distribuerte Tsuga under ledelse av sin CTO/CIO Paul Laleu
• Black Forest Labs (et frontlinje AI-modellab)
• Camunda
• Buk

Resultater hos Le Monde: I følge en AWS-case-studie publisert i juni 2026, oppnådde Le Monde innen tre måneder etter distribusjon av Tsuga:

• En 50 % økning i observabilitetsadopsjon blant utviklingsteam
• En tredobling i overvåkede tjenester og applikasjoner
• En 30 % reduksjon i gjennomsnittlig tid for å oppdage hendelser (MTTD)
• En 50 % reduksjon i gjennomsnittlig tid for å løse (MTTR)

Investortillit: Den raske Series A — som kom seks måneder etter såkornrunden — med deltakelse fra DST Global Partners, Quantumlight, Picus og Databricks Ventures sammen med tilbakevendende investorer, tyder på sterk institusjonell overbevisning om AI-tidens observabilitetstese.

Oppsummering

Tsuga er en av de bedre finansierte europeiske oppstartene i observabilitetsområdet, med 45 millioner dollar i total finansiering, et team med erfarne Datadog-alumner og en klar tese: observerbar infrastruktur må bygges på nytt for AI-agent-arbeidsmengder. BYOC-distribusjonsmodellen, prisstrategien og agent-native designet representerer et reelt arkitektonisk brudd med duopolet Datadog-Dynatrace. De tidlige kunderesultatene — spesielt 30 % reduksjon i MTTD og 50 % reduksjon i MTTR hos Le Monde — gir oppmuntrende signaler, selv om selskapet fortsatt er tidlig i livssyklusen. For ingeniørteam som vurderer å bygge med AI-agenter eller investere i observabilitet for AI-arbeidsmengder, representerer Tsuga et troverdig alternativ som er verdt å følge nøye.