Esta página también está disponible en English, Deutsch, Français, Italiano, 日本語 y Português.

Arabesque AI multiplica por 10 su procesamiento de datos

DoiT acompañó la migración completa a Google Cloud con GKE, Cloud Run y BigQuery: 75% menos en costos de servidores y un equipo de investigación libre del DevOps.

The Challenge

Arabesque AI necesitaba escalado elástico para responder a la creciente demanda de soluciones de IA en los mercados financieros. Su modelo de infraestructura híbrida generaba problemas de capacidad y mantenimiento que iban a consumir demasiados recursos a medida que la empresa creciera. Los investigadores invertían demasiado tiempo en gestionar DevOps en lugar de dedicarse a la investigación en IA, su actividad principal.

The Solution

Arabesque AI migró toda su infraestructura a Google Cloud apoyándose en Google Kubernetes Engine para la orquestación, Cloud Run para computación serverless, BigQuery como data warehouse escalable y otros servicios de Google Cloud. La plataforma procesa datos de múltiples fuentes, incluidas métricas ESG e información de mercado, para alimentar su motor de IA propietario.

Results

Multiplicó por 10 la capacidad de streaming y análisis de datos
Redujo cerca de un 75% los costos de servidores con instancias preemptibles y servicios de pago por uso
Redujo a la mitad el tiempo de formación de nuevos empleados y duplicó el equipo en menos de un año
Redirigió la mayor parte de los recursos de operaciones hacia investigación y desarrollo

Como empresa en crecimiento, la investigación es un objetivo central del negocio. Con Google Cloud, la mayor parte de nuestros recursos se destina a investigación y solo una mínima parte a operaciones. Es justo lo contrario de lo que teníamos antes y nos permite mejorar la plataforma a un ritmo mucho mayor.
Nikolaos Kaplis, CTO, Arabesque AI

El desafío

Arabesque AI enfrentaba grandes desafíos de escalabilidad con su modelo de infraestructura híbrida. El ritmo de crecimiento iba a generar problemas de capacidad y mantenimiento en los servidores on-premises. Aprovisionar nuevos servidores y mantenerlos operativos consumiría demasiados recursos. Los investigadores dedicaban demasiado tiempo a la gestión de DevOps en lugar de a su tarea central: la investigación en IA. La integración entre el entorno on-premises y la nube resultaba muy compleja y no era viable a largo plazo.

La solución

Arabesque AI participó en el programa Google Cloud for Startups y migró toda su infraestructura a Google Cloud. Construida sobre Kubernetes y orquestada con Google Kubernetes Engine, la plataforma utiliza Cloud Run para aligerar la carga de gestión de infraestructura. El sistema procesa los datos a través de múltiples pipelines con Cloud Functions y Pub/Sub, y almacena los datasets en Cloud Storage. BigQuery funciona como data warehouse escalable y permite consultas rápidas sobre petabytes de datos sin sobrecarga operativa.

Motor de IA y procesamiento de datos

El motor de inteligencia artificial propietario de Arabesque AI corre en nodos de GKE y escala hasta miles de cores cuando entrena nuevos modelos, para luego reducirse de nuevo. Los node pools preemptibles hacen que el proceso sea rentable y fácil de gestionar. El motor de IA crea nuevas señales a partir de la información de mercado almacenada en BigQuery y, en muchos casos, multiplica varias veces el tamaño original de los datos. Esta combinación de señales propietarias e información de mercado permite construir nuevas estrategias de inversión.

Alianza con DoiT International

Tras completar la migración, Arabesque AI trabajó con DoiT International, Premier Partner de Google Cloud, para optimizar su infraestructura. DoiT simplificó el proceso de facturación y brindó una asesoría excelente en la migración a BigQuery, lo que ahorró dos días de trabajo. La alianza también dio acceso a soporte adicional y a experiencia de ingeniería cuando fue necesario.

Resultados e impacto en el negocio

La migración le permitió a Arabesque AI redirigir el foco del equipo desde las operaciones hacia los objetivos de investigación. Multiplicaron por 10 la capacidad de streaming y análisis de datos y redujeron cerca de un 75% los costos de servidores. La empresa más que duplicó su tamaño en menos de un año y redujo a la mitad el tiempo de formación. Usar tecnología open source sobre Google Cloud facilitó contratar y capacitar talento nuevo en un entorno amigable para desarrolladores.

Innovación a futuro

Arabesque AI está desarrollando Knowledge Graph, un proyecto para extraer insights de información no estructurada como noticias y feeds de redes sociales. Corriendo sobre Dataflow, extraerá de forma automática la información relevante de fuentes de texto. El objetivo es tomar texto no estructurado e identificar empresas, relaciones y señales clave para mejorar las predicciones, apoyándose en algoritmos de procesamiento de lenguaje natural para avanzar hacia la comprensión del lenguaje natural.

Descubre cómo DoiT ayuda a los equipos cloud a controlar su gasto

Explora cómo DoiT Cloud Intelligence ayuda a los equipos a mejorar la visibilidad, la gobernanza y la unit economics en entornos cloud.

Visita DoiT Habla con nuestro equipo

What they say

What I really like about DoiT's approach is that you're very hands-on and proactive. Satyam would ping me a few times a sprint, letting me know about the most current features, checking in on how things are going. When we are going through a peak time, that proactiveness makes a real difference. Satyam always comes through whenever we need support and helps us leverage the right experts to get us where we need to be.

Chiamaka Ibeme, Engineering Manager, Platform

SELECT has made important cost data readily accessible. I will often pull it up during engineering design reviews so we can quickly evaluate cost impact and projections and factor that into our design decisions.

Douglas Zickuhr, Senior Data Platform Engineer at Personio

I love clicking through SELECT to understand how our environment and workloads are evolving. I probably check it every day. It's coffee and SELECT for me every morning.

Ian Fahey, Senior Analytics Engineer at Loop

You guys have the best UI experience that I've had of any software. It's like you just read my mind where, like, oh, I wish I could click there. Oh, I can

Diana Koshy, Sr. Director of Data Engineering at Kargo

SELECT feels like exactly what Paul and I would have built if we had locked ourselves in a room for 18 months to create our ideal monitoring solution.

Devin McGee, Data Engineering Lead at Home Chef

SELECT dramatically lowers the cognitive load to understanding Snowflake costs. I'm able to sit there and easily understand what's driving the cost. Not to blow smoke up your ass, but it's just so easy to do in your platform

Blake Baggett, Head of Data Operations at Entain

One of the most helpful cost rituals we've setup from SELECT is the weekly spend digest sent to Slack. I can start high level and ensure things are in check. If not, I can very quickly drill down into specific workloads which may have driven the cost spike and remediate them before they become a bigger issue.

Michael Revelo, Manager of data and analytics engineering at ClickUp

Through SELECT's automated savings feature and deep cost visibility, we were able to instantly lower our Snowflake spend by over 40% and achieve a 20X ROI on our SELECT investment.

Skyler Chi, SVP, GTM Productivity & Excellence at Exiger

Our costs had jumped up 3X as we scaled, so we're talking about 60% savings in Snowflake spend after adopting SELECT.

Edward Mancey, GTM Lead at Synthesia

DoiT was a true partner, not a vendor. They helped us understand the problem, refine the vision, and build something production-ready far faster than we could have on our own. Their expertise, responsiveness, and commitment made all the difference.

Dr. Anish Kapur, Founder & CEO, Promptly

DoiT's Customer Success and Forward Deployed Engineering teams work very closely with us. The regular sessions with our CSM keep us focused on the right priorities, and the FDEs provide the deep technical guidance we need to validate decisions and optimize our environment. That combination has been genuinely valuable for us.

Alexander Lundberg Santos, Platform Engineer at Extenda Retail

Every customer has unique usage patterns. Manual resource optimization simply didn't scale—we needed automation to ensure every customer, regardless of size, had right-sized infrastructure without consuming our team's capacity.

Brad Quinn, Lead Platform Engineer, PlayHQ

SNCF

PerfectScale allowed us to grow capacity without growing cost. We effectively absorbed 30% more usage for free.

Thomas Comtet, Senior Staff Engineer, SNCF

Your cloud bill shouldn't be a mystery

Let us show you what ships this week.

Book a demo