Az Adaptive6 új megközelítése
Erre utal többek között az, hogy az Adaptive6 frissen kilépett a rejtett fejlesztési fázisból, és új megoldást kínál a vállalati felhőpazarlás automatikus felszámolására. Emellett az Adaptive6 nem pusztán pénzügyi problémaként, hanem kódbeli sérülékenységként kezeli a felhőpazarlást, amelyet észlelni és azonnal javítani kell.
A cég egyik alapítója, Aviv Revach jelentős tapasztalatot hozott a kiberbiztonság területéről, a Taboola stratégiai igazgatójaként és az izraeli katonai hírszerzés egyik vezetőjeként. Felismerte, hogy a felhőpazarlás nem csupán pénzügyi, sokkal inkább mérnöki problémát jelent: úgy kell felkutatni ezeket a hibákat, mint a biztonsági réseket, visszakövetni azokat az adott kódsorig, azonosítani a felelős fejlesztőt, és helyrehozni – vagy ideális esetben már azelőtt megelőzni, hogy élő rendszerekbe kerülnének.
Áttérés a pénzügyi elemzésekről a mérnöki beavatkozásokra
Bár korábban a felhőköltségek kezelése főként pénzügyi dashboardokra és utólagos elemzésekre épült, ezek csak a múltbeli problémákat mutatják. Az Adaptive6 platformja lehetővé teszi a fejlesztők számára, hogy maguk szüntessék meg a felesleges költségeket saját munkafolyamatuk részeként. Az MI-alapú eszköz automatizáltan kutatja fel és szünteti meg a rejtett, úgynevezett Shadow Waste típusú pazarlásokat összetett multicloud környezetekben.
Technológiai újdonságok: Shadow Waste és „Cloud to Code”
A vállalat fő megoldását a Cloud Cost Governance and Optimization (CCGO) platform adja, amely nemcsak az üresen futó szervereket keresi – mint a klasszikus költségelemzők –, hanem feltérképezi az alkalmazásszintű és architekturális rejtett hatékonyságvesztéseket is. A rendszer ügynök nélküli, szabványos API-hozzáférésen alapul, akár AWS, GCP, Azure, Databricks, Snowflake vagy Kubernetes környezetekben.
Az Adaptive6 különleges „Cloud to Code” technológiája révén minden felismert erőforrásprobléma visszavezethető egy konkrét kódsorra, így a fejlesztő azonnal, saját felületén kapja kézhez a javítás lehetőségét. Emellett a platform képes összetett MI-munkaterheléseket is optimalizálni – például az AWS-en futó nagy nyelvi modelleket (LLM), ahol a túlzott „provisioned throughput” feleslegesen drága lehet. Az Adaptive6 meghatározza azt az optimális szintet, amely a teljesítmény és a költség szempontjából is a legjobb.
Egy másik példa az „árnyékpazarlásra” a Python verzióváltásán keresztül is jól megragadható: aki például 3.11-es verzió helyett 3.12-est használ, jelentős gyorsulást és akár több tíz százalékos felhőköltség-csökkenést is tapasztalhat, miközben a legtöbben csak a gépek méretére gondolnának ilyen kérdésekben.
Az MI kettős szerepe
Bár az Adaptive6 MI-t használ javító szkriptek és gyors „1-Click Fixek” generálására, külön hangsúlyozzák, hogy nem általános MI-kódagensekben bíznak. A tapasztalat szerint az MI által generált kód sokszor önmagában is pazarló, mert abból a hatalmas, nem optimalizált kódbázisból tanul, ahol a költséghatékonyság még nem volt fő szempont. Ezért tapasztalt kutatókból álló csapatuk vizsgálja meg az igazi, mélyen rejtett hatékonyságvesztéseket.
Mérhető eredmények, nagy nevekkel
Az Adaptive6-ot olyan nagyvállalatok már most bevezették, mint a Ticketmaster, a Bayer vagy a Norstella, és átlagosan 15–35%-os felhőköltség-megtakarítást értek el. Az egyik leglátványosabb esetben egy rossz konfiguráció kijavítása több mint 371 millió forint (több mint egymillió dollár) megtakarítást jelentett egyetlen szervezet számára.
Pénzügy helyett fejlesztői felelősség
A rendszer „shift left” funkciója révén közvetlenül a CI/CD pipeline-okba illeszthető, így már az élesítés előtt kiszűri a kódba rejtett költséges hibákat – hasonlóan ahhoz, ahogyan a biztonsági vizsgálatok blokkolják a sérülékeny kód futtatását. Az Adaptive6 filozófiája szerint a jövő felhőköltség-menedzsmentje már nem a táblázatokban, hanem a fejlesztői pull requestekben dől el.
