O que é a Tsuga? Funding, fundadores e como sua plataforma de observabilidade nativa em IA se compara com Datadog e Dynatrace

Quem fundou a Tsuga e qual problema ela resolve?

A Tsuga foi fundada em 2024 por Gabriel-James Safar e Sébastien Deprez, dois engenheiros que construíram produtos-chave de observabilidade no Datadog antes de saírem para criar seu próprio concorrente. A empresa tem sede em Neuilly-sur-Seine, França, e sua missão é direta: construir infraestrutura de observabilidade feita sob medida para a era da IA, em vez de tentar adaptar ferramentas projetadas para um mundo pré-IA.

O problema central que a Tsuga ataca é o choque entre duas tendências: as cargas de trabalho de IA estão fazendo os volumes de dados de telemetria crescerem cerca de 30% ao ano, enquanto os orçamentos de observabilidade em muitas empresas estão estagnando ou encolhendo. Gigantes como Datadog e Dynatrace construíram suas plataformas em torno de modelos de precificação por byte, que se tornam proibitivamente caros na escala da IA. Os fundadores da Tsuga argumentam que o modelo de precificação por byte — que seu antigo empregador ajudou a padronizar — é fundamentalmente quebrado quando aplicado a cargas de trabalho de agentes de IA.

Quanto financiamento a Tsuga já levantou?

A Tsuga já levantou US$ 45 milhões em financiamento total confirmado em duas rodadas:

Rodada	Valor	Data	Investidores Líderes
Seed	US$ 10 milhões (~€8,7M)	Novembro de 2025	General Catalyst (líder), com participação da Singular; investidores-anjo incluíram Amjad Masad (Replit), Charles Gorintin (Alan, Mistral AI), Jonathan Benhamou, Olivier Bonnet e Philippe Corrot
Série A	US$ 35 milhões	Junho de 2026	Singular (líder), com participação da General Catalyst, DST Global Partners, Quantumlight, Picus e Databricks Ventures

A Tsuga saiu do modo stealth com a rodada seed em novembro de 2025 e anunciou a Série A apenas seis meses depois, em junho de 2026. A velocidade da rodada seguinte sinaliza uma forte crença dos investidores de que a tese da empresa — de que a observabilidade precisa ser reconstruída para ser nativa em IA e para infraestrutura BYOC — está ressoando.

O que diferencia a Tsuga do Datadog e da Dynatrace?

A diferenciação da Tsuga em relação a gigantes como Datadog e Dynatrace se concentra em três eixos: modelo de implantação, arquitetura de precificação e design nativo em IA.

Implantação Bring Your Own Cloud (BYOC)

Em vez de ingerir dados de telemetria em uma plataforma SaaS controlada pelo fornecedor — o modelo que Datadog e Dynatrace usam — a Tsuga opera inteiramente dentro do ambiente de nuvem do cliente. A plataforma Tsuga pode ser implantada no Microsoft Azure, AWS, Google Cloud e infraestruturas de nuvem soberana, garantindo que os dados de telemetria nunca saiam do controle do cliente. Esta é uma diferença significativa para organizações em setores regulamentados ou com requisitos rígidos de soberania de dados.

Um detalhe que vale a pena notar: embora tanto o Datadog quanto a Dynatrace ofereçam algumas opções de flexibilidade de implantação (a Dynatrace oferece implantações gerenciadas e SaaS; o Datadog é principalmente SaaS), as fontes fornecidas não corroboram diretamente a afirmação de que qualquer um dos dois é uniformemente menos flexível para necessidades de soberania de dados. A arquitetura BYOC-first da Tsuga é claramente uma aposta de que a soberania e o controle se tornarão cada vez mais importantes à medida que os agentes de IA gerarem dados operacionais mais sensíveis.

Modelo de Precificação: Desafiando a Precificação por Byte

A Tsuga se posicionou explicitamente contra o modelo de precificação por byte que o Datadog ajudou a popularizar. À medida que as cargas de trabalho de IA fazem os volumes de telemetria explodirem, o argumento é que a precificação por byte se torna insustentável para empresas que operam grandes frotas de agentes de IA. O modelo de precificação da Tsuga é estruturado para desacoplar o custo do volume de dados.

As fontes não fornecem valores exatos de precificação para a Tsuga, e também não sustentam uma afirmação genérica de que tanto o Datadog quanto a Dynatrace precificam estritamente por byte em todos os planos. A Dynatrace, por exemplo, historicamente ofereceu precificação baseada em host, enquanto a precificação do Datadog varia de acordo com o produto. A afirmação central de que a Tsuga está precificando contra modelos baseados em volume é bem suportada.

Arquitetura Nativa em IA e Observável por Agentes

A Tsuga é descrita como "software de observabilidade para a era dos agentes de IA". Sua plataforma é construída para que os agentes de IA possam consumir dados de observabilidade diretamente. De acordo com a documentação do produto da Tsuga, a camada de armazenamento e consulta é projetada para lidar com os volumes de dados que os agentes de IA realmente geram, e as APIs retornam "contexto relevante em vez de despejos de dados brutos, para que os agentes gastem seus tokens em raciocínio, e não em filtrar ruídos".

Este é um contraste notável com as plataformas estabelecidas, que as fontes sugerem não serem nativamente projetadas para rastreamento de agentes de IA em nível de sessão. Uma análise comparativa da Sentrial observa explicitamente que nem o Datadog nem a Dynatrace oferecem rastreamento nativo de agentes em nível de sessão — ambos exigem instrumentação personalizada.

A Tsuga também oferece uma solução de "Observabilidade Nativa para Agentes" que permite que as equipes de engenharia que constroem agentes de IA conectem dados de observabilidade a todas as fontes de dados em seu ambiente, não apenas às integrações que uma plataforma de terceiros escolheu suportar.

Como a Tsuga lida com a observabilidade de agentes de IA?

A observabilidade nativa para agentes da Tsuga é construída sobre três princípios de design:

1. Armazenamento e consulta com boa relação custo-benefício: A plataforma lida com os volumes de dados que os agentes de IA realmente geram, em vez de cobrar com base no volume bruto de ingestão.
2. APIs sensíveis ao contexto: Em vez de retornar despejos de telemetria bruta, as APIs da Tsuga retornam contexto relevante, para que os agentes de IA possam gastar seu orçamento computacional em raciocínio, em vez de filtrar ruídos.
3. Conectividade com todo o ambiente: Como a plataforma é executada na nuvem do cliente, os agentes podem se conectar a todas as fontes de dados no ambiente — não apenas àquelas com as quais uma plataforma de terceiros escolheu se integrar.

O anúncio da Série A da Tsuga posiciona a empresa como "a líder em Observabilidade Resiliente Nativa em IA" e afirma que a plataforma foi projetada para alimentar uma nova geração de agentes de IA.

Qual tração a Tsuga conquistou desde que saiu do modo stealth?

Desde que saiu do modo stealth em novembro de 2025, a Tsuga alcançou uma tração inicial significativa:

Receita e escala: Múltiplas fontes relatam que a Tsuga tem "vários milhões em receita" com valores de contrato médios de seis dígitos. No entanto, esses números de receita são auto-relatados pela empresa e não foram verificados de forma independente pelas fontes fornecidas. A Tsuga processa dezenas de terabytes de dados de telemetria todos os dias rodando na AWS.

Base de clientes: Os clientes verificados incluem:

• Le Monde, um dos principais grupos de mídia da França, que implantou a Tsuga sob a liderança de seu CTO/CIO Paul Laleu
• Black Forest Labs (um laboratório de modelo de IA de fronteira)
• Camunda
• Buk

Resultados no Le Monde: De acordo com um estudo de caso da AWS publicado em junho de 2026, em três meses de implantação da Tsuga, o Le Monde alcançou:

• Um aumento de 50% na adoção de observabilidade entre as equipes de desenvolvimento
• Uma expansão tripla nos serviços e aplicações monitorados
• Uma redução de 30% no tempo médio para detectar incidentes (MTTD)
• Uma redução de 50% no tempo médio para resolver (MTTR)

Confiança dos investidores: A rápida Série A — chegando seis meses após a rodada seed — com a participação da DST Global Partners, Quantumlight, Picus e Databricks Ventures, juntamente com os investidores que retornam, sugere uma forte convicção institucional na tese de observabilidade para a era da IA.

Conclusão

A Tsuga é uma das startups europeias mais bem financiadas no espaço de observabilidade, com US$ 45 milhões em financiamento total, uma equipe de ex-alunos experientes do Datadog e uma tese clara: a infraestrutura observável deve ser reconstruída para cargas de trabalho de agentes de IA. Seu modelo de implantação BYOC, estratégia de precificação e design nativo para agentes representam uma verdadeira diferença arquitetônica do duopólio Datadog-Dynatrace. Os primeiros resultados com clientes — particularmente a redução de 30% no MTTD e de 50% no MTTR no Le Monde — fornecem sinais encorajadores, embora a empresa ainda esteja no início de seu ciclo de vida. Para equipes de engenharia que estão avaliando se devem construir com agentes de IA ou investir em observabilidade para cargas de trabalho de IA, a Tsuga representa uma alternativa credível que vale a pena acompanhar de perto.