Arabesque AI aveva bisogno di uno scaling elastico per rispondere alla domanda in rapida crescita di soluzioni di intelligenza artificiale nei mercati finanziari. Il modello di infrastruttura ibrida generava problemi di capacità e manutenzione destinati ad assorbire troppe risorse con la crescita. I ricercatori dedicavano una parte considerevole del tempo alla gestione DevOps invece che alla ricerca sull'AI.
Arabesque AI ha migrato l'intera infrastruttura su Google Cloud, adottando Google Kubernetes Engine per l'orchestrazione, Cloud Run per il computing serverless, BigQuery come data warehouse scalabile e diversi altri servizi Google Cloud. La piattaforma elabora dati provenienti da fonti diverse, tra cui metriche ESG e dati di mercato, per alimentare il motore AI proprietario dell'azienda.
Per un'azienda in crescita come la nostra la ricerca è un obiettivo di business fondamentale. Con Google Cloud la maggior parte delle risorse è dedicata alla ricerca e solo una minima parte alle operations. È esattamente l'opposto di quanto accadeva prima e ci consente di migliorare la piattaforma a un ritmo molto più rapido.
Nikolaos Kaplis, CTO, Arabesque AI
Arabesque AI doveva affrontare sfide di scalabilità rilevanti con il proprio modello di infrastruttura ibrida. Il ritmo di crescita avrebbe generato problemi di capacità e manutenzione sui server on-premises, e il provisioning di nuove macchine, oltre alla loro gestione, avrebbe richiesto un impegno eccessivo di risorse. I ricercatori dedicavano una parte sostanziale del tempo alla gestione DevOps invece di concentrarsi sull'attività core, ossia la ricerca sull'AI. L'allineamento tra ambiente on-premises e cloud era estremamente oneroso e non sostenibile nel lungo periodo.
Arabesque AI ha aderito al programma Google Cloud for Startups e ha migrato l'intera infrastruttura su Google Cloud. Basata su Kubernetes e orchestrata da Google Kubernetes Engine, la piattaforma utilizza Cloud Run per alleggerire il carico di gestione dell'infrastruttura. Il sistema elabora i dati attraverso più pipeline basate su Cloud Functions e Pub/Sub e archivia i dataset su Cloud Storage. BigQuery funge da data warehouse scalabile e consente query rapide su petabyte di dati senza alcun overhead operativo.
Il motore di intelligenza artificiale proprietario di Arabesque AI gira su nodi GKE e scala fino a migliaia di core durante l'addestramento di nuovi modelli, per poi tornare a dimensioni ridotte al termine. I pool di nodi preemptible rendono il processo economicamente vantaggioso e semplice da gestire. Il motore AI genera nuovi segnali a partire dalle informazioni di mercato archiviate in BigQuery, spesso moltiplicando più volte la dimensione originale dei dati. La combinazione tra segnali proprietari e dati di mercato esistenti consente di costruire nuove strategie d'investimento.
Una volta completata la migrazione, Arabesque AI ha collaborato con DoiT International, Google Cloud Premier Partner, per ottimizzare la propria infrastruttura. DoiT ha semplificato il processo di fatturazione e fornito una guida preziosa nella migrazione a BigQuery, facendo risparmiare due giorni di lavoro. La partnership ha inoltre garantito l'accesso a ulteriore supporto e a competenze ingegneristiche all'occorrenza.
La migrazione ha consentito ad Arabesque AI di spostare il focus del team dalle operations agli obiettivi di ricerca. La capacità di streaming e analisi dei dati è stata moltiplicata per 10, mentre i costi dei server si sono ridotti di circa il 75%. L'azienda ha più che raddoppiato le proprie dimensioni in meno di un anno, dimezzando al tempo stesso i tempi di formazione. L'adozione di tecnologie open source su Google Cloud ha reso più semplice assumere e formare nuovi talenti in un ambiente developer-friendly.
Arabesque AI sta sviluppando Knowledge Graph, un progetto pensato per estrarre insight da informazioni non strutturate come notizie e feed dei social media. In esecuzione su Dataflow, sarà in grado di estrarre automaticamente le informazioni rilevanti dalle fonti testuali. L'obiettivo è partire da testo non strutturato per identificare aziende, relazioni e segnali utili a migliorare le previsioni, evolvendo dagli algoritmi di natural language processing verso il natural language understanding.
Veda come Cloud Intelligence™ aiuta i team a migliorare visibilità, governance e unit economics negli ambienti cloud.
Connecting IBM and AWS privately was the piece we needed to get right, and we wanted to move faster on it than we could on our own. DoiT worked through the options with us, found the subnet overlap that was breaking the routing, and made it stable. That unblocked everything else.
DevOps Lead, Software Projects
Attribute™'s platform is truly unique. We now have crystal-clear visibility into our cloud spend at the workload and tenant level, and that insight has already led to actionable savings and powerful insights as we further scale our service.
Paul White, VP of Engineering, Shasta Cloud
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.
Andrea Benfatto, Platform/Cloud Runtime Engineering Manager
Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.
Jon Fairbanks, Site Reliability Engineering Manager
Let us show you what ships this week.
