Tecton es una empresa de software empresarial que desarrolla una plataforma de almacén de características (feature store) diseñada para operaciones de aprendizaje automático. La plataforma centraliza la gestión, el cálculo y el servicio de características - las variables de entrada utilizadas por los modelos de aprendizaje automático - tanto en fuentes de datos por lotes como en tiempo real. Tecton tiene como objetivo reducir la sobrecarga de ingeniería necesaria para construir y mantener sistemas de ML de grado de producción, permitiendo que los científicos de datos e ingenieros se centren en el desarrollo de modelos en lugar de en la canalización de datos.
La empresa fue fundada en 2019 por un equipo de ingenieros que anteriormente trabajaron en la plataforma de ML Michelangelo de Uber, incluyendo a Mike Del Balso, Kevin Stumpf y Jeremy Hermann. Tecton salió del modo sigiloso en 2020 con 20 millones de dólares en financiación Serie A liderada por Andreessen Horowitz. La empresa tiene su sede en San Francisco, California, y ha recaudado financiación adicional en años posteriores, incluyendo una ronda Serie B de 35 millones de dólares en 2021 y una ronda Serie C de 100 millones de dólares en 2022, elevando su valoración total a más de mil millones de dólares.
Características Principales de la Plataforma
La plataforma de Tecton proporciona una interfaz unificada para definir, gestionar y servir características. Admite tanto características por lotes (calculadas a partir de datos históricos) como características en streaming (calculadas en tiempo real a partir de flujos de eventos). La plataforma incluye una API declarativa que permite a los usuarios definir características usando Python, con manejo automático de transformaciones de datos, rellenos retroactivos y corrección en el punto en el tiempo. Tecton también ofrece monitoreo de características, seguimiento de linaje y un catálogo de características para descubrimiento y gobernanza.
La plataforma se integra con infraestructura de datos común, incluyendo almacenes de datos como Amazon Redshift y Google BigQuery, así como sistemas de streaming como Apache Kafka. Para el servicio, Tecton proporciona almacenamiento en línea de baja latencia y APIs que pueden usarse en pipelines de inferencia de producción, a menudo en conjunto con aprendizaje automático y herramientas de servicio de modelos.
Casos de Uso y Aplicaciones
Tecton es utilizado por organizaciones en diversas industrias, incluyendo servicios financieros, comercio electrónico y tecnología. Los casos de uso comunes incluyen detección de fraude, sistemas de recomendación, personalización y puntuación de riesgo en tiempo real. Por ejemplo, una empresa financiera podría usar Tecton para calcular características como la velocidad de transacciones o cambios en el saldo de cuentas en tiempo real, alimentando estos datos en un modelo de detección de fraude. La capacidad de la plataforma para manejar tanto datos históricos como en tiempo real la hace adecuada para aplicaciones que requieren definiciones de características consistentes entre entrenamiento y servicio.
Panorama Competitivo
El mercado de almacenes de características ha crecido junto con la adopción más amplia de inteligencia artificial en producción. Tecton compite con otras soluciones de almacenes de características, incluyendo proyectos de código abierto como Feast (co-creado por los fundadores de Tecton) y ofertas nativas de la nube de los principales proveedores. Amazon Web Services ofrece Amazon SageMaker Feature Store, mientras que Microsoft Azure y Google Cloud tienen capacidades similares dentro de sus plataformas de ML. Tecton se diferencia por su enfoque en fiabilidad de grado empresarial, escalabilidad y soporte para casos de uso complejos en tiempo real.
Crecimiento y Adopción de la Empresa
A partir de 2024, Tecton informa que su plataforma es utilizada por cientos de empresas, incluyendo varias firmas de la lista Fortune 500. La empresa ha expandido sus ofertas de productos con características como Tecton AI, que utiliza grandes modelos de lenguaje para asistir en la ingeniería de características y generación de código. Tecton también ha establecido asociaciones con los principales proveedores de nube y empresas de infraestructura de datos, posicionándose como un componente clave en el stack moderno de ML.
El crecimiento de la empresa refleja la importancia creciente de la gestión de características en sistemas de ML de producción. A medida que las organizaciones escalan sus iniciativas de IA, la necesidad de infraestructura robusta para manejar el cálculo, almacenamiento y servicio de características se ha vuelto crítica. La plataforma de Tecton aborda esta necesidad proporcionando un sistema centralizado que asegura consistencia entre entrenamiento y servicio, reduciendo el riesgo de sesgo entre entrenamiento y servicio y mejorando el rendimiento del modelo.
Direcciones Futuras
Tecton continúa invirtiendo en mejorar las capacidades de su plataforma, particularmente en torno al procesamiento de datos en tiempo real y la integración con tecnologías emergentes de IA. La empresa está explorando formas de aprovechar la IA generativa para automatizar el descubrimiento y la ingeniería de características, potencialmente reduciendo el esfuerzo manual necesario para construir pipelines de características efectivos. Además, Tecton está expandiendo su soporte para despliegues multi-nube e híbridos, permitiendo a los clientes ejecutar la plataforma en su entorno de infraestructura preferido.
A medida que el campo del aprendizaje automático evoluciona, es probable que los almacenes de características sigan siendo un componente crítico del stack de infraestructura de ML. El enfoque de Tecton en las necesidades empresariales y su experimentado equipo fundador lo posicionan bien para continuar creciendo en este espacio.