Nel mondo dell’osservabilità, pochi nomi risuonano come Datadog. Due ex ingegneri dell’azienda, però, hanno deciso che l’era degli agenti AI e dei Large Language Models richiede un ripensamento radicale. La loro nuova creatura, Tsuga, ha appena incassato 35 milioni di dollari in un round Series A — a soli sei mesi dall’uscita dallo stealth mode — per portare avanti un’idea tanto semplice quanto dirompente: tenere l’osservabilità dentro il cloud del cliente, non nel SaaS del fornitore.

Perché l’osservabilità classica scricchiola con l’AI

L’osservabilità tradizionale, basata su metriche, log e trace, nasce in un mondo di microservizi e carichi deterministici. Ma i workload AI — agenti, catene di inference, chiamate a LLM — generano un volume di telemetria senza precedenti. Ogni interazione di un agente può produrre centinaia di eventi, e ogni sessione di inference moltiplica i dati sulle performance, sulla latenza e sulla qualità delle risposte. Con i modelli di pricing al byte, ancora diffusi tra i vendor, questo boom rischia di far esplodere i costi e di rendere ingestibile la governance dei dati.

Tsuga propone un cambio di prospettiva: anziché spedire montagne di telemetria a un SaaS esterno, la sua piattaforma gira direttamente nell’infrastructure del cliente — che sia un cloud pubblico, un VPC privato o un ambiente ibrido. Ciò significa che i dati restano sotto il controllo dell’azienda, con chiari vantaggi in termini di compliance, residenza e costi prevedibili. In pratica, si passa da un modello OpEx variabile e spesso osceno a un TCO più lineare, dove la scala del monitoraggio non si tramuta in una tassa lineare.

Il prezzo della sovranità dei dati nell’era degli agenti

Non è un caso che i fondatori provengano da Datadog: conoscono bene i limiti del paradigma centralizzato. Negli scenari enterprise, soprattutto in settori regolati come finanza, sanità e difesa, l’idea di esportare telemetria dettagliata su modelli e agenti verso un servizio terzo solleva bandiere rosse su privacy, GDPR e segreti industriali. La possibilità di mantenere l’intero stack osservabile all’interno del proprio perimetro di fiducia — self-hosted o nel proprio tenant cloud — diventa un fattore abilitante per progetti AI che altrimenti resterebbero bloccati.

In questa luce, l’operazione Tsuga segnala qualcosa di più ampio: la maturazione di una seconda ondata di infrastrutture cloud, dove la sovranità del dato non è un optional, ma la condizione minima per operare con carichi AI. L’esplosione dell’inference on-premise e le architetture ibride con GPU locali richiedono strumenti di osservabilità che non aggiungano superficie d’attacco né costi di egress incontrollabili.

Le implicazioni per chi sceglie deployment locali

Per le organizzazioni che valutano deployment on-premise o air-gapped di LLM — scenario sempre più frequente per ragioni di latenza, sicurezza o costo computazionale — la proposta di Tsuga tocca un nervo scoperto. Spostare l’osservabilità lato cliente significa poter usare le stesse pipeline di monitoraggio sia per i servizi legacy sia per i nuovi workload AI, senza dover negoziare clausole contrattuali complesse o affrontare audit sulla localizzazione dei dati. Inoltre, consente di sfruttare hardware dedicato (GPU, acceleratori) per l’eventuale processamento locale dei flussi telemetrici, riducendo la dipendenza da servizi esterni.

Certo, il self-hosting introduce complessità operativa: gestire uno stack di osservabilità nel proprio cloud richiede competenze e risorse. Ma l’evoluzione dei framework e degli operator Kubernetes ha abbassato questa barriera, e il risparmio sul lungo periodo — unito alla tranquillità sulla compliance — può ribaltare il calcolo del TCO, specialmente quando i volumi telemetrici esplodono.

Una scommessa sul futuro dell’AI enterprise

Tsuga arriva in un momento in cui le aziende stanno ripensando l’intera supply chain del dato AI. La leva finanziaria da 35 milioni suggerisce che gli investitori vedono una finestra per disarticolare i monopoli SaaS dell’osservabilità, cavalcando la necessità di soluzioni “customer-side”. Se il trend proseguirà, potremmo assistere a un ecosistema dove il controllo delle telemetrie diventa parte integrante della sovranità digitale, insieme ai modelli e ai dati di addestramento. In questo scenario, strumenti come Tsuga smettono di essere solo un’alternativa tecnica e si trasformano in un tassello strategico per qualsiasi organizzazione che fa sul serio con l’AI auto-gestita.