Datadog, Inc. é uma empresa de tecnologia americana que fornece uma plataforma de observabilidade para aplicações em escala de nuvem, oferecendo monitoramento, segurança e análise para servidores, bancos de dados, ferramentas e serviços por meio de uma plataforma de análise de dados como software como serviço (SaaS). Fundada e sediada na cidade de Nova York, a empresa abriu seu capital na bolsa Nasdaq em 2019 e, desde então, tornou-se um grande player no monitoramento de nuvem. Com o crescimento da adoção de IA, a Datadog expandiu sua plataforma para suportar o monitoramento de cargas de trabalho de IA, incluindo desempenho de modelos e pipelines de dados, posicionando-se como um provedor-chave de observabilidade para operações de aprendizado de máquina.
A Datadog concentra-se em ajudar equipes de engenharia a gerenciar a confiabilidade, o desempenho e o custo de sua infraestrutura e aplicações. Oferece dashboards, alertas e visualizações de métricas, com um amplo ecossistema de integrações que suporta os principais provedores de nuvem, orquestradores de contêineres e ferramentas de desenvolvimento de IA. Em 2025, a empresa suporta mais de 750 integrações, incluindo frameworks de inteligência artificial e aprendizado de máquina.
História
A Datadog foi fundada na cidade de Nova York em 2010 por Olivier Pomel e Alexis Lê-Quôc, que se conheceram como graduandos na Ecole Centrale Paris e trabalharam juntos anteriormente na Wireless Generation, uma empresa de tecnologia educacional. Após a aquisição da Wireless Generation pela NewsCorp, eles buscaram criar um produto que reduzisse o atrito entre desenvolvedores e administradores de sistemas, que frequentemente trabalhavam em propósitos opostos. Eles construíram a Datadog como um serviço de infraestrutura em nuvem com dashboards, alertas e visualizações de métricas, preenchendo rapidamente uma necessidade à medida que a adoção da nuvem aumentava.
Em 2015, a Datadog abriu um escritório de pesquisa e desenvolvimento em Paris, expandindo sua presença em engenharia. Um ano depois, mudou sua sede em Nova York para o New York Times Building para apoiar uma equipe que dobrou de tamanho no ano. O monitoramento full-stack chegou com o beta do Application Performance Monitoring em 2016, seguido por crescimento em outras áreas.
A empresa abriu seu capital com uma oferta pública inicial (IPO) em 19 de setembro de 2019, vendendo 24 milhões de ações e levantando US$ 648 milhões, avaliando-a em US$ 8,7 bilhões. Antes do IPO, a Datadog havia rejeitado uma oferta de aquisição de US$ 7 bilhões da Cisco. O IPO viu as ações subirem cerca de 37% no primeiro dia, dando à empresa um valor de mercado próximo a US$ 10 bilhões. A Datadog foi adicionada ao Índice S&P 500 em julho de 2025, refletindo sua maturidade e posição financeira.
Aquisições
A Datadog cresceu por meio de uma série de aquisições estratégicas para ampliar suas capacidades de plataforma. Em abril de 2021, adquiriu a Sqreen, uma empresa de segurança de aplicações em nuvem, trazendo recursos de segurança e proteção de aplicações em tempo de execução para a plataforma. Isso adicionou uma camada de AppSec que podia detectar ameaças em tempo real, útil para aplicações de IA onde a manipulação de entrada pode ser um risco.
A empresa adquiriu a Codiga em abril de 2023, uma plataforma de análise estática, expandindo-se para ferramentas de ciclo de vida do desenvolvedor e qualidade de código. Isso suporta o monitoramento de bases de código de IA e o escrutínio automatizado de código para casos extremos, o que é útil para manter a qualidade da invocação de modelos. Em 2025, expandiu ainda mais com duas aquisições: Metaplane (abril de 2025), uma empresa de observabilidade de dados, e Eppo (maio de 2025), uma plataforma de feature flagging e experimentação.
Por meio da Metaplane, a Datadog aprimorou o monitoramento de pipelines de dados e cargas de trabalho de IA, abordando a necessidade de verificações de qualidade de dados para prevenir o desvio de modelos. A Eppo integrou recursos de feature flagging e experimentação à biblioteca de análise de produtos, útil para testar modelos de IA em ambientes de produção. Essas aquisições refletem um caminho estratégico para suportar todo o ciclo de vida de desenvolvimento de IA.
Produtos e Serviços
A Datadog oferece uma variedade de linhas de produtos de observabilidade, cada uma projetada para suportar ambientes de nuvem e híbridos. Os produtos principais incluem Infrastructure Monitoring, Network Performance Monitoring e Network Device Monitoring, que fornecem visibilidade em tempo real da saúde e do desempenho. O Serverless Monitoring estende isso a cargas de trabalho de função como serviço, crucial para serviços de inferência de IA que frequentemente rodam em arquiteturas serverless.
O Cloud Cost Management ajuda empresas a rastrear gastos em recursos de nuvem, incluindo computação, armazenamento e transferência de dados, que são significativos no treinamento de redes neurais de grande porte. A plataforma gera dashboards, define alertas e visualiza métricas, permitindo que equipes respondam rapidamente a anomalias. Integra-se com os principais AWS, e Google Cloud, bem como outros provedores.
Para necessidades específicas de IA, a Datadog introduziu suporte para monitoramento de modelos. Isso é feito por meio da plataforma, embora os detalhes sejam escassamente aparentes. A empresa adquiriu a Metaplane para lidar com linhagem e qualidade de dados, enquanto a Eppo traz experimentação, útil para testes A/B de modelos com diferentes hiperparâmetros. À medida que a IA generativa se espalha, a Datadog ajuda a monitorar modelos generativos quanto à precisão, capacidade de resposta e adesão aos níveis de serviço.
Tecnologia
O agente da Datadog, instalado em hosts e contêineres, coleta e envia métricas para o backend. O agente é escrito em Go, com base em uma reescrita desde a versão 6.0.0 lançada em 28 de fevereiro de 2018. Originalmente usava Python (para o qual os hooks eram usados), mas mudou para Go para melhor desempenho. O backend utiliza software de ponta como Apache Cassandra, PostgreSQL e Kafka, além de D3 para visualização de dados.
Para aprendizado de máquina, o backend da Datadog suporta integração com frameworks populares de ML, embora a empresa não ofereça treinamento de modelos. Em vez disso, funciona como uma camada de observabilidade para sistemas de IA. Por exemplo, o desempenho de rede para monitorar clusters de inferência, e o agente pode ser estendido para métricas personalizadas. A plataforma usa análise de dados proprietária para detectar anomalias.
Modelos implantados em dispositivos Apple ou chips baseados em Arm podem ser monitorados por meio de integrações que capturam métricas do sistema. A Datadog não treina modelos de IA; em vez disso, posiciona-se como uma ferramenta para garantir que aplicações de IA construídas com grandes modelos de linguagem (LLMs) ou outras abordagens operem de forma confiável, ajudando com questões como latência de resposta e consumo de tokens.
Financiamento e Finanças
A história de financiamento mostra forte confiança dos investidores. Em 2010, a Datadog foi lançada com uma rodada inicial incluindo participantes como NYC Seed, Contour Venture Partners, IA Ventures, e Jerry Neumann e Alex Payne. Uma Série A de US$ 6,2 milhões seguiu em 2012, co-liderada pela Index Ventures e RTP Ventures. A Série B veio em 2014, liderada pela OpenView Venture, e em 2015 a Série C de US$ 31 milhões liderada pela Index. Em 2016, a ICONIQ liderou uma Série D de US$ 94,5 milhões, uma das maiores alocações de financiamento para uma empresa de Nova York naquele ano.
O IPO da empresa estabeleceu uma avaliação oficial de US$ 8,7 bilhões, e o aumento das ações elevou o valor de mercado para perto de US$ 10 bilhões no fechamento do pregão. Ofertas subsequentes e o crescimento do preço das ações definiram sua trajetória pública. Em 2024, a Datadog tinha aproximadamente 6.500 funcionários em 33 países, com escritórios em Nova York, Boston, Denver, São Francisco, Paris, Dublin, Amsterdã, Sydney, Tóquio e Singapura, e cerca de 59% dos funcionários baseados nos EUA.
Monitoramento de IA e o Ecossistema
A expansão da Datadog na observabilidade de IA faz parte de uma tendência mais ampla em plataformas de monitoramento. Enquanto empresas como AWS Trainium e Groq fornecem inferência acelerada por hardware, a Datadog oferece a telemetria de software para rastrear desempenho e uso. Para cargas de trabalho de IA, fornece dashboards que combinam métricas de infraestrutura com métricas específicas de modelo, como uso de tokens e pontuações de confiança, ajudando equipes a diagnosticar gargalos e manter a precisão do aprendizado de máquina.
As integrações com OpenAI e Anthropic são prováveis, mas mesmo sem elas, a Datadog captura chamadas de API e seus custos. No contexto da IA generativa, o monitoramento pode incluir moderação de conteúdo para garantir que as saídas estejam em conformidade com políticas. A capacidade da Datadog de lidar com dados em streaming, token por token, usa esse método no backend. Sua plataforma ajuda a mitigar problemas de implantação de modelos, como o desvio de modelos.
Empresas relacionadas no espaço de observabilidade de IA incluem startups como Essential AI, mas a Datadog se distingue por seus dados de infraestrutura. Também se alinha com provedores de nuvem como Microsoft Azure, Amazon Web Services e Google Cloud para ajudar seus serviços de IA. Embora a Datadog não forneça os modelos em si, permite que equipes de aprendizado de máquina garantam que aplicações construídas sobre grandes modelos de linguagem sejam confiáveis.
Impacto e Direções Futuras
A Datadog tornou-se, sem dúvida, uma ferramenta padrão para monitoramento de nuvem, e seu foco em IA reflete a mudança da indústria. Em 2025, adicionou as aquisições da Eppo e Metaplane, indicando um movimento para se tornar um ativo no ciclo de vida de desenvolvimento de IA. Com aplicações de IA sendo implantadas em contextos críticos, a observabilidade é crucial.
É provável que a Datadog aprofunde suas capacidades de IA, e a empresa está, com tendências de IA sintética, mas um lugar oficial para sua estratégia não é totalmente conhecido no início de 2025. Continua a expandir integrações a cada mês, abraçando suporte para frameworks de inteligência artificial e possivelmente adicionando recursos como monitoramento de métricas específicas de LLM. O futuro pode ver mais produtos de observabilidade de modelos.
Em resumo, a receita da Datadog cresceu à medida que adicionou, e sua transição para monitoramento pronto para IA é tanto uma oportunidade estratégica quanto uma região difícil. Com concorrentes como AWS Trainium e Groq não atuando nessa área de observabilidade, a Datadog permanece a escolha padrão para desenvolvedores. Sua inclusão no S&P 500 em 2025 reflete sua estabilidade financeira, e seu foco em IA provavelmente impulsionará a inovação nos domínios de implantação de aprendizado de máquina, confiabilidade de modelos e qualidade de dados.