Esta página também está disponível em English, Deutsch, Español, Français, Italiano e 日本語.
A DoiT conduziu toda a migração para o Google Cloud, usando GKE, Cloud Run e BigQuery para cortar 75% dos custos com servidores e tirar os pesquisadores do DevOps.
A Arabesque AI precisava de escala elástica para acompanhar a demanda crescente por soluções de IA nos mercados financeiros. O modelo de infraestrutura híbrida gerava gargalos de capacidade e manutenção que consumiriam recursos demais à medida que a empresa crescesse. Os pesquisadores gastavam um tempo enorme com DevOps em vez de se dedicar à pesquisa em IA, o foco central do negócio.
A Arabesque AI migrou toda a infraestrutura para o Google Cloud, usando o Google Kubernetes Engine para orquestração, o Cloud Run para computação serverless, o BigQuery como data warehouse escalável e vários outros serviços do Google Cloud. A plataforma processa dados de diversas fontes, incluindo métricas ESG e dados de mercado, para alimentar o motor de IA proprietário da empresa.
Para uma empresa em crescimento como a nossa, pesquisa é um objetivo central do negócio. Com o Google Cloud, a maior parte dos nossos recursos vai para pesquisa e só uma fração mínima é gasta com operações. É o oposto do que tínhamos antes, e isso nos permite evoluir a plataforma muito mais rápido.
Nikolaos Kaplis, CTO, Arabesque AI
A Arabesque AI enfrentava grandes desafios para escalar com seu modelo de infraestrutura híbrida. O ritmo de crescimento gerava problemas de capacidade e manutenção nos servidores on-premises. Provisionar novos servidores e mantê-los em funcionamento consumia recursos demais. Os pesquisadores gastavam um tempo enorme com DevOps em vez de se dedicar à pesquisa em IA, o foco central do negócio. Manter o alinhamento entre on-premises e nuvem na solução híbrida era penoso e não se sustentaria no longo prazo.
A Arabesque AI participou do programa Google Cloud for Startups e migrou toda a infraestrutura para o Google Cloud. Construída sobre Kubernetes e orquestrada pelo Google Kubernetes Engine, a plataforma usa o Cloud Run para reduzir o esforço de gestão de infraestrutura. O sistema processa dados em várias pipelines com Cloud Functions e Pub/Sub, e armazena os datasets no Cloud Storage. O BigQuery atua como data warehouse escalável, permitindo consultas rápidas em petabytes de dados sem nenhuma sobrecarga operacional.
O motor de inteligência artificial proprietário da Arabesque AI roda em nós do GKE, escalando para milhares de cores no treinamento de novos modelos e voltando ao tamanho normal em seguida. Pools de nós preemptíveis tornam o processo econômico e fácil de gerenciar. O motor de IA cria novos sinais a partir das informações de mercado armazenadas no BigQuery, muitas vezes expandindo os dados para várias vezes o tamanho original. Essa combinação de sinais proprietários e dados de mercado já existentes dá origem a novas estratégias de investimento.
Concluída a migração, a Arabesque AI passou a trabalhar com a DoiT International, Google Cloud Premier Partner, para otimizar sua infraestrutura. A DoiT simplificou o processo de faturamento e deu uma orientação excelente na migração para o BigQuery, economizando dois dias de trabalho. A parceria também garantiu acesso a suporte adicional e a expertise de engenharia sempre que necessário.
A migração permitiu que a Arabesque AI deslocasse o foco do time, saindo de operações para os objetivos de pesquisa. A capacidade de streaming e análise de dados foi multiplicada por 10 e os custos com servidores caíram cerca de 75%. A empresa mais que dobrou de tamanho em menos de um ano e reduziu pela metade o tempo de treinamento. Usar tecnologias open source no Google Cloud facilitou contratar e treinar novos talentos em um ambiente amigável para desenvolvedores.
A Arabesque AI está desenvolvendo o Knowledge Graph, um projeto para extrair insights de informações não estruturadas, como notícias e redes sociais. Rodando no Dataflow, ele extrairá automaticamente as informações relevantes de fontes textuais. A ideia é partir de texto não estruturado e identificar empresas, relações e sinais necessários para aprimorar as previsões, evoluindo dos algoritmos de processamento de linguagem natural para a compreensão de linguagem natural.
Descubra como o Cloud Intelligence™ ajuda os times a ganhar visibilidade, governança e unit economics em ambientes de nuvem.
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.
