Pariski startup Tsuga buduje obserwowalność dla agentów AI. Zebrał już 45 mln dolarów

Łącznie Tsuga zebrała potwierdzone 45 milionów dolarów w dwóch rundach:

Tsuga wyszła z ukrycia z rundą seed w listopadzie 2025 roku, a rundę serii A ogłosiła zaledwie sześć miesięcy później, w czerwcu 2026. Tak szybkie pozyskanie kolejnej rundy świadczy o silnym przekonaniu inwestorów, że teza startupu – że obserwowalność musi być odbudowana dla AI i infrastruktury BYOC – trafia w sedno.

Czym Tsuga różni się od Datadog i Dynatrace?

Tsuga odróżnia się od gigantów rynku trzema czynnikami: modelem wdrożenia, architekturą cenową i natywnym dla AI projektem.

Wdrożenie we własnej chmurze (BYOC)

Zamiast przesyłać dane telemetryczne do platformy SaaS kontrolowanej przez dostawcę – jak robią to Datadog i Dynatrace – Tsuga działa w całości wewnątrz środowiska chmurowego klienta. Platforma Tsuga może być wdrożona w Microsoft Azure, AWS, Google Cloud i suwerennych chmurach, zapewniając, że dane telemetryczne nigdy nie opuszczają kontroli klienta. Jest to istotna różnica dla organizacji w regulowanych branżach lub z rygorystycznymi wymogami suwerenności danych.

Warto dodać, że zarówno Datadog, jak i Dynatrace oferują pewną elastyczność wdrożenia (Dynatrace ma opcje zarządzane i SaaS; Datadog to głównie SaaS), ale źródła nie potwierdzają, że są one mniej elastyczne w kwestii suwerenności danych. Architektura BYOC-first Tsugi jest wyraźnym zakładem, że kontrola i suwerenność będą coraz ważniejsze w miarę jak agenci AI będą generować coraz więcej wrażliwych danych operacyjnych.

Model cenowy: wyzwanie dla opłat za wolumen danych

Tsuga wyraźnie pozycjonuje się przeciwko modelowi płatności za bajt, który Datadog pomógł spopularyzować. W miarę jak obciążenia AI powodują eksplozję wolumenów telemetrycznych, argumentuje się, że opłaty za wolumen stają się nieopłacalne dla firm zarządzających dużymi flotami agentów AI. Model cenowy Tsugi jest skonstruowany tak, aby oddzielić koszt od wolumenu danych.

Źródła nie podają dokładnych stawek Tsugi ani nie potwierdzają, że zarówno Datadog, jak i Dynatrace zawsze stosują opłaty ściśle za bajt we wszystkich planach. Dynatrace historycznie oferował ceny oparte na hostach, a Datadog różnicuje ceny w zależności od produktu. Główne twierdzenie, że Tsuga konkuruje z modelami opartymi na wolumenie, jest dobrze udokumentowane.

Natywna dla AI architektura z obserwowalnością dla agentów

Tsuga jest określana jako "oprogramowanie do obserwowalności dla ery agentów AI". Jej platforma jest zbudowana tak, aby agenci AI mogli bezpośrednio korzystać z danych obserwowalności. Zgodnie z dokumentacją produktu, warstwa przechowywania i zapytań jest zaprojektowana do obsługi wolumenów danych, które faktycznie generują agenci AI, a API zwracają "odpowiedni kontekst, a nie surowe wywózki danych, dzięki czemu agenci wydają tokeny na rozumowanie, a nie na filtrowanie szumów".

To istotna różnica w porównaniu do platform gigantów, które według źródeł nie są natywnie zaprojektowane do śledzenia sesji agentów AI. Analiza porównawcza z Sentrial wyraźnie wskazuje, że ani Datadog, ani Dynatrace nie oferują natywnego śledzenia sesji agentów – obie wymagają niestandardowej instrumentacji.

Tsuga oferuje również rozwiązanie "Agent-Native Observability", które pozwala zespołom inżynieryjnym budującym agentów AI łączyć dane obserwowalności z każdym źródłem danych w ich środowisku, a nie tylko z tymi, które wybrała platforma zewnętrzna.

Jak Tsuga radzi sobie z obserwowalnością agentów AI?

Obserwowalność natywna dla agentów w Tsudze opiera się na trzech zasadach projektowych:

1. Wydajne przechowywanie i zapytania: Platforma obsługuje wolumeny danych, które faktycznie generują agenci AI, zamiast naliczać opłaty od surowego wolumenu pozyskiwania.
2. API świadome kontekstu: Zamiast zwracać surowe wywózki telemetryczne, API Tsugi zwracają odpowiedni kontekst, dzięki czemu agenci AI mogą wydawać swój budżet obliczeniowy na rozumowanie, a nie na filtrowanie szumów.
3. Pełna łączność środowiskowa: Ponieważ platforma działa w chmurze klienta, agenci mogą łączyć się z każdym źródłem danych w środowisku – nie tylko z tymi, które wybrała do integracji platforma zewnętrzna.

Ogłoszenie serii A pozycjonuje Tsugę jako "lidera w natywnej dla AI odpornej obserwowalności" i stwierdza, że platforma jest zaprojektowana do zasilania nowej generacji agentów AI.

Jakie wyniki osiągnęła Tsuga od wyjścia z ukrycia?

Od czasu wyjścia z ukrycia w listopadzie 2025 roku Tsuga osiągnęła znaczące wczesne wyniki:

Przychody i skala: Wiele źródeł podaje, że Tsuga ma "kilka milionów przychodów" przy średnich wartościach kontraktów na poziomie sześciu cyfr. Należy jednak zaznaczyć, że są to dane podawane przez samą firmę i nie zostały niezależnie zweryfikowane przez dostarczone źródła. Tsuga przetwarza dziesiątki terabajtów danych telemetrycznych dziennie, działając na AWS.

Baza klientów: Potwierdzeni klienci to:

• Le Monde, jeden z czołowych francuskich grup medialnych, który wdrożył Tsugę pod kierownictwem CTO/CIO Paula Laleu
• Black Forest Labs (laboratorium modeli AI)
• Camunda
• Buk

Wyniki w Le Monde: Zgodnie z case study AWS opublikowanym w czerwcu 2026 roku, w ciągu trzech miesięcy od wdrożenia Tsugi, Le Monde osiągnął:

• 50% wzrost przyjęcia obserwowalności wśród zespołów programistycznych
• Trzykrotne rozszerzenie monitorowanych usług i aplikacji
• 30% redukcję średniego czasu wykrywania incydentów (MTTD)
• 50% redukcję średniego czasu rozwiązania (MTTR)

Zaufanie inwestorów: Szybka seria A – zaledwie sześć miesięcy po rundzie seed – z udziałem DST Global Partners, Quantumlight, Picus i Databricks Ventures, obok powracających inwestorów, sugeruje silne instytucjonalne przekonanie do tezy o obserwowalności ery AI.

Podsumowanie

Tsuga jest jednym z lepiej finansowanych europejskich startupów w obszarze obserwowalności, mając łączny kapitał 45 mln USD, zespół doświadczonych absolwentów Datadog i jasną tezę: infrastruktura obserwowalności musi być odbudowana dla obciążeń agentów AI. Model wdrożenia BYOC, strategia cenowa i natywny dla agentów projekt stanowią prawdziwe odejście architektoniczne od duopolu Datadog-Dynatrace. Wczesne wyniki klientów – szczególnie 30% redukcja MTTD i 50% redukcja MTTR w Le Monde – są obiecującym sygnałem, choć firma wciąż jest na wczesnym etapie rozwoju. Dla zespołów inżynieryjnych rozważających inwestycje w agentów AI lub obserwowalność dla obciążeń AI, Tsuga stanowi wiarygodną alternatywę wartą uważnego śledzenia.