Datadog, Inc. es una empresa tecnológica estadounidense que ofrece una plataforma de observabilidad para aplicaciones a escala de nube, proporcionando monitorización, seguridad y análisis para servidores, bases de datos, herramientas y servicios a través de un modelo de software como servicio (SaaS). Fundada y con sede en la ciudad de Nueva York, la empresa salió a bolsa en el Nasdaq en 2019 y desde entonces se ha convertido en un actor importante en la monitorización de la nube. Con el crecimiento de la adopción de la IA, Datadog ha ampliado su plataforma para admitir la monitorización de cargas de trabajo de IA, incluido el rendimiento de modelos y los pipelines de datos, posicionándose como un proveedor clave de observabilidad para operaciones de aprendizaje automático.
Datadog se centra en ayudar a los equipos de ingeniería a gestionar la fiabilidad, el rendimiento y el costo de su infraestructura y aplicaciones. Ofrece paneles de control, alertas y visualizaciones de métricas, con un amplio ecosistema de integraciones que admite los principales proveedores de nube, orquestadores de contenedores y herramientas de desarrollo de IA. En 2025, la empresa admite más de 750 integraciones, incluidas las de frameworks de inteligencia artificial y aprendizaje automático.
Historia
Datadog fue fundada en la ciudad de Nueva York en 2010 por Olivier Pomel y Alexis Lê-Quôc, quienes se conocieron como estudiantes de grado en la École Centrale Paris y trabajaron juntos previamente en Wireless Generation, una empresa de tecnología educativa. Después de que Wireless Generation fuera adquirida por NewsCorp, buscaron crear un producto que redujera la fricción entre desarrolladores y administradores de sistemas, que a menudo trabajaban con objetivos contrapuestos. Construyeron Datadog como un servicio de infraestructura en la nube con paneles de control, alertas y visualizaciones de métricas, llenando rápidamente una necesidad a medida que aumentaba la adopción de la nube.
En 2015, Datadog abrió una oficina de investigación y desarrollo en París, ampliando su huella de ingeniería. Un año después, trasladó su sede en Nueva York al edificio New York Times para apoyar a un equipo que se duplicó en tamaño. La monitorización de pila completa llegó con la versión beta de la monitorización de rendimiento de aplicaciones (APM) en 2016, seguida de un crecimiento en otras áreas.
La empresa salió a bolsa con una oferta pública inicial (OPI) el 19 de septiembre de 2019, vendiendo 24 millones de acciones y recaudando 648 millones de dólares, con una valoración de 8.700 millones de dólares. Antes de la OPI, Datadog había rechazado una oferta de adquisición de 7.000 millones de dólares por parte de Cisco. La acción subió aproximadamente un 37% en su primer día de cotización, dando a la empresa un valor de mercado cercano a los 10.000 millones de dólares. Datadog fue añadido al índice S&P 500 en julio de 2025, lo que refleja su solidez financiera y su posición consolidada.
Adquisiciones
Datadog ha crecido a través de una serie de adquisiciones estratégicas para ampliar sus capacidades. En abril de 2021, adquirió Sqreen, una empresa de seguridad de aplicaciones en la nube, añadiendo una capa de seguridad en tiempo de ejecución y protección de aplicaciones a su plataforma. Esto incorporó una capa de seguridad de aplicaciones (AppSec) capaz de detectar amenazas en tiempo real, útil para aplicaciones de IA donde la manipulación de entradas puede ser un riesgo.
La empresa adquirió Codiga en abril de 2023, una plataforma de análisis estático de código, expandiéndose hacia herramientas para el ciclo de vida del desarrollador y la calidad del código. Esto apoya la monitorización de bases de código de IA y el escrutinio automatizado del código para casos extremos, lo que ayuda a mantener la calidad de la invocación de modelos. En 2025, se expandió aún más con dos adquisiciones: Metaplane (abril de 2025), una empresa de observabilidad de datos, y Eppo (mayo de 2025), una plataforma de experimentación y feature flags.
A través de Metaplane, Datadog mejoró la monitorización de pipelines de datos y cargas de trabajo de IA, abordando la necesidad de controles de calidad de datos para prevenir la deriva de modelos. Eppo integró capacidades de experimentación y feature flags en la biblioteca de análisis de productos, útil para probar modelos de IA en entornos de producción. Estas adquisiciones reflejan una estrategia para apoyar todo el ciclo de vida del desarrollo de IA.
Productos y Servicios
Datadog ofrece una gama de líneas de productos de observabilidad, cada una diseñada para apoyar entornos de nube e híbridos. Los productos principales incluyen Monitorización de Infraestructura, Monitorización de Rendimiento de Red y Monitorización de Dispositivos de Red, que proporcionan visibilidad en tiempo real de la salud y el rendimiento. La Monitorización de Funciones Sin Servidor (Serverless) extiende esto a cargas de trabajo de función como servicio (FaaS), crucial para servicios de inferencia de IA que a menudo se ejecutan en arquitecturas sin servidor.
La Gestión de Costos de Nube ayuda a las empresas a rastrear el gasto en recursos de nube, incluidos cómputo, almacenamiento y transferencia de datos, que son significativos en el entrenamiento de grandes redes neuronales. La plataforma genera paneles de control, establece alertas y visualiza métricas, lo que permite a los equipos responder rápidamente a anomalías. Se integra con los principales proveedores de nube, como AWS, Azure y Google Cloud, así como con otros proveedores.
Para necesidades específicas de IA, Datadog introdujo soporte para monitorización de modelos, aunque los detalles son escasos. La empresa adquirió Metaplane para gestionar la calidad y el linaje de datos, mientras que Eppo aporta experimentación, útil para pruebas A/B de modelos con diferentes hiperparámetros. A medida que la IA generativa se expande, Datadog ayuda a monitorizar modelos generativos en cuanto a precisión, capacidad de respuesta y adherencia a los niveles de servicio.
Tecnología
El agente de Datadog, instalado en hosts y contenedores, recopila y envía métricas al backend. El agente está escrito en Go, tras una reescritura desde la versión 6.0.0 lanzada el 28 de febrero de 2018. Originalmente usaba Python, pero se cambió a Go para mejorar el rendimiento. El backend utiliza software de vanguardia como Apache Cassandra, PostgreSQL y Kafka, además de D3 para la visualización de datos.
Para el aprendizaje automático, el backend de Datadog admite la integración con frameworks populares de aprendizaje automático, aunque la empresa no ofrece entrenamiento de modelos. En cambio, funciona como una capa de observabilidad para sistemas de IA. Por ejemplo, puede monitorizar el rendimiento de la red para clústeres de inferencia, y el agente puede extenderse para métricas personalizadas. La plataforma utiliza análisis de datos propietarios para detectar anomalías.
Los modelos desplegados en dispositivos Apple o en chips basados en Arquitectura ARM pueden ser monitorizados mediante integraciones que capturan métricas del sistema. Datadog no entrena modelos de IA; en cambio, se posiciona como una herramienta para garantizar que las aplicaciones construidas con grandes modelos de lenguaje (LLM) u otros enfoques funcionen de manera fiable, ayudando con problemas como la latencia de respuesta y el consumo de tokens.
Financiación y Finanzas
La historia de financiación muestra una fuerte confianza de los inversores. En 2010, Datadog se lanzó con una ronda semilla que incluyó participantes como NYC Seed, Contour Venture Partners, IA Ventures, y los fundadores Jerry Neumann y Alex Payne. Una ronda Serie A de 6,2 millones de dólares siguió en 2012, co-liderada por Index Ventures y RTP Ventures. La Serie B llegó en 2014, liderada por OpenView Venture, y en 2015 se completó una Serie C de 31 millones de dólares liderada por Index. En 2016, ICONIQ lideró una Serie D de 94,5 millones de dólares, una de las mayores rondas de financiación para una empresa de Nueva York ese año.
La OPI de la empresa estableció una valoración oficial de 8.700 millones de dólares, y el aumento de la acción empujó el valor de mercado a cerca de 10.000 millones de dólares al cierre de la negociación. Las ofertas posteriores y el crecimiento del precio de la acción han definido su trayectoria pública. En 2024, Datadog tenía aproximadamente 6.500 empleados en 33 países, con oficinas en Nueva York, Boston, Denver, San Francisco, París, Dublín, Ámsterdam, Sídney, Tokio y Singapur, y alrededor del 59% de los empleados basados en Estados Unidos.
Impacto y Direcciones Futuras
La expansión de Datadog hacia la observabilidad de IA se produce como parte de una tendencia más amplia en las plataformas de monitorización. Mientras que empresas como AWS Trainium y Groq proporcionan inferencia acelerada por hardware, Datadog ofrece la telemetría de software para rastrear el rendimiento y el uso. Para cargas de trabajo de IA, proporciona paneles de control que combinan métricas de infraestructura con métricas específicas de modelos, como el uso de tokens y puntuaciones de confianza, ayudando a los equipos a diagnosticar cuellos de botella y mantener la precisión del aprendizaje automático.
Las integraciones con OpenAI y Anthropic son probables, pero incluso sin ellas, Datadog captura las llamadas a la API y sus costos. En el contexto de la IA generativa, la monitorización puede incluir moderación de contenido para garantizar que las salidas cumplan con las políticas. La capacidad de Datadog para manejar datos en streaming, token por token, utiliza este método en el backend. Su plataforma ayuda a mitigar problemas en el despliegue de modelos, como la deriva de estos.
Empresas relacionadas en el espacio de observabilidad de IA incluyen startups como Essential AI, pero Datadog se distingue por sus datos de infraestructura. También se alinea con proveedores de nube como Azure, Amazon Web Services y Google Cloud para ayudar en sus servicios de IA. Aunque Datadog no proporciona los modelos en sí, permite a los equipos de aprendizaje automático garantizar que las aplicaciones construidas sobre grandes modelos de lenguaje sean fiables.
Impacto y Direcciones Futuras
La posición de Datadog como herramienta estándar para la monitorización de nube es incierta, pero su enfoque en IA refleja el cambio de la industria. En 2025, añadió las adquisiciones de Eppo y Metaplane, indicando un movimiento para convertirse en un activo en el ciclo de vida del desarrollo de IA. Con aplicaciones de IA desplegadas en entornos de misión crítica, la observabilidad es crucial.
Es probable que Datadog profundice sus capacidades de IA, aunque su estrategia oficial no se conoce completamente a principios de 2025. Continúa expandiendo integraciones cada mes, adoptando soporte para frameworks de inteligencia artificial y posiblemente añadiendo características como monitorización de métricas específicas de LLM. El futuro puede traer más productos de observabilidad de modelos.
En resumen, los ingresos de Datadog han crecido a medida que ha añadido capacidades, y su transición hacia la monitorización preparada para IA es tanto una oportunidad estratégica como un área difícil. Con competidores como AWS Trainium y Groq que no están en esta área de observabilidad, Datadog sigue siendo la opción predeterminada para los desarrolladores. Su inclusión en el S&P 500 en 2025 refleja su estabilidad financiera, y su enfoque en IA probablemente impulse la innovación en los ámbitos del despliegue de aprendizaje automático, la fiabilidad de modelos y la calidad de datos.