Tsuga підняла $35 млн на створення спостережуваності (observability) для епохи AI-агентів

Хто заснував Tsuga і яку проблему вони вирішують?

Tsuga заснували у 2024 році Габріель-Джеймс Сафар і Себастьян Депрез — два інженери, які раніше будували ключові продукти спостережуваності в Datadog, перш ніж заснувати власний стартап-конкурент. Компанія має штаб-квартиру в Неї-сюр-Сен, Франція, і її місія проста: створити інфраструктуру спостережуваності, спеціально призначену для епохи штучного інтелекту, а не намагатися пристосувати інструменти, розроблені для до-AI-світу.

Основна проблема, на яку націлена Tsuga, — зіткнення двох тенденцій: AI-навантаження спричиняють зростання обсягів телеметричних даних приблизно на 30% щороку, тоді як бюджети на observability у багатьох компаніях стагнують або скорочуються. Існуючі гравці, як-от Datadog і Dynatrace, побудували свої платформи навколо моделі ціноутворення за байт, яка стає надто дорогою в масштабах AI. Засновники Tsuga стверджують, що модель ціноутворення за байт — яку їхній колишній роботодавець допоміг стандартизувати — принципово зламана, коли йдеться про навантаження AI-агентів.

Скільки фінансування залучила Tsuga?

Tsuga залучила $45 млн загального підтвердженого фінансування в рамках двох раундів:

Раунд	Сума	Дата	Провідні інвестори
Seed	$10 млн (~€8.7M)	Листопад 2025	General Catalyst (лід), за участю Singular; серед ангелів — Amjad Masad (Replit), Charles Gorintin (Alan, Mistral AI), Jonathan Benhamou, Olivier Bonnet, Philippe Corrot
Series A	$35 млн	Червень 2026	Singular (лід), за участю General Catalyst, DST Global Partners, Quantumlight, Picus та Databricks Ventures

Tsuga вийшла з режиму „стелс” із seed-раундом у листопаді 2025 року та оголосила про Series A менш ніж через шість місяців, у червні 2026 року. Швидкість наступного раунду свідчить про сильну віру інвесторів у те, що теза компанії — observability має бути перебудована для AI-нативного, BYOC-середовища — знаходить відгук.

Чим Tsuga відрізняється від Datadog і Dynatrace?

Відмінність Tsuga від існуючих гравців, як-от Datadog і Dynatrace, ґрунтується на трьох аспектах: модель розгортання, архітектура ціноутворення та AI-нативний дизайн.

Розгортання за моделлю Bring Your Own Cloud (BYOC)

Замість того, щоб імпортувати телеметричні дані у контрольовану постачальником SaaS-платформу — модель, яку використовують Datadog і Dynatrace — Tsuga працює повністю всередині хмарного середовища клієнта. Платформа Tsuga може бути розгорнута на Microsoft Azure, AWS, Google Cloud та суверенних хмарних інфраструктурах, гарантуючи, що телеметричні дані ніколи не залишають під контролем клієнта. Це важлива перевага для організацій у регульованих галузях або з жорсткими вимогами до суверенітету даних.

Модель ціноутворення: виклик ціноутворенню за байт

Tsuga чітко позиціонує себе проти моделі ціноутворення за байт, яку популяризував Datadog. Оскільки AI-навантаження призводять до вибухового зростання обсягів телеметрії, ціноутворення за байт стає непосильним для підприємств, які експлуатують великомасштабні флоти AI-агентів. Модель ціноутворення Tsuga структурована так, щоб відв'язати вартість від обсягу даних.

AI-нативна та спостережувана для агентів архітектура

Tsuga описують як "програмне забезпечення спостережуваності для епохи AI-агентів". Її платформа побудована так, щоб AI-агенти могли безпосередньо споживати дані спостережуваності. Згідно з документацією продукту Tsuga, рівень зберігання та запитів розроблено для обробки обсягів даних, які генерують AI-агенти, а API повертають "релевантний контекст, а не 'сирі' дампи даних, щоб агенти витрачали свої токени на міркування, а не на фільтрацію шуму".

Це помітний контраст із наявними платформами, які, як зазначають джерела, не розроблені для трасування AI-агентів на рівні сесій. Порівняльний аналіз від Sentrial прямо зазначає, що ні Datadog, ні Dynatrace не пропонують рідного трасування сесій агентів — обидві вимагають спеціального інструментування.

Як Tsuga забезпечує спостережуваність AI-агентів?

Спостережуваність Tsuga для AI-агентів побудована на трьох принципах:

1. Економічно ефективне зберігання та запити: платформа обробляє обсяги даних, які генерують AI-агенти, не стягуючи плату за сирий обсяг імпорту.
2. Контекстно-залежні API: замість того, щоб повертати сирі дампи телеметрії, API Tsuga повертають релевантний контекст, тож AI-агенти витрачають свій обчислювальний бюджет на міркування, а не на фільтрацію шуму.
3. Підключення до всього середовища: оскільки платформа працює у хмарі клієнта, агенти можуть підключатися до всіх джерел даних у середовищі, а не лише до тих, які обрала для інтеграції стороння платформа.

Оголошення про Series A позиціонує Tsuga як "лідера в галузі AI-нативної стійкої спостережуваності" і заявляє, що платформа створена для живлення нового покоління AI-агентів.

Яких результатів досягла Tsuga з моменту виходу з режиму „стелс”?

Відтоді як Tsuga вийшла з тіні в листопаді 2025 року, вона досягла значних ранніх успіхів:

Дохід та масштаб: численні джерела повідомляють, що Tsuga має "кілька мільйонів доларів доходу" із середньою вартістю контрактів у шість цифр. Однак ці цифри є власними заявами компанії і не були незалежно верифіковані наданими джерелами. Tsuga обробляє десятки терабайт телеметричних даних щодня, працюючи на AWS.

Клієнтська база: серед підтверджених клієнтів:

• Le Monde — одна з провідних медіагруп Франції, яка впровадила Tsuga під керівництвом свого технічного директора Поля Лале
• Black Forest Labs (передова лабораторія AI-моделей)
• Camunda
• Buk

Результати в Le Monde: згідно з тематичним дослідженням AWS, опублікованим у червні 2026 року, протягом трьох місяців після впровадження Tsuga Le Monde досяг:

• Збільшення впровадження спостережуваності серед команд розробників на 50%
• Триразове розширення контрольованих сервісів та додатків
• Скорочення середнього часу виявлення інцидентів (MTTD) на 30%
• Скорочення середнього часу відновлення (MTTR) на 50%

Довіра інвесторів: швидкий Series A — через шість місяців після seed-раунду — за участю DST Global Partners, Quantumlight, Picus та Databricks Ventures поряд із повторними інвесторами, свідчить про сильну інституційну впевненість у тезі про observability епохи AI.

Підсумок

Tsuga — один із найкраще профінансованих європейських стартапів у сфері observability, із $45 млн загального фінансування, командою досвідчених вихідців із Datadog та чіткою тезою: спостережувана інфраструктура має бути перебудована для робочих навантажень AI-агентів. Модель розгортання BYOC, стратегія ціноутворення та AI-нативний дизайн є справжньою архітектурною відмінністю від дуополії Datadog / Dynatrace. Ранні результати роботи з клієнтами — зокрема, зниження MTTD на 30% і MTTR на 50% у Le Monde — є обнадійливим сигналом, хоча компанія все ще перебуває на ранньому етапі свого життєвого циклу. Для команд інженерів, які оцінюють, чи варто будувати з використанням AI-агентів або інвестувати в observability для AI-навантажень, Tsuga є надійною альтернативою, за якою варто уважно стежити.