Tecton é uma empresa de software empresarial que desenvolve uma plataforma de feature store projetada para operações de machine learning. A plataforma centraliza o gerenciamento, o cálculo e o fornecimento de features - as variáveis de entrada usadas por modelos de machine learning - em fontes de dados em lote e em tempo real. A Tecton visa reduzir a sobrecarga de engenharia necessária para construir e manter sistemas de ML de nível de produção, permitindo que cientistas de dados e engenheiros se concentrem no desenvolvimento de modelos em vez de na infraestrutura de dados.
A empresa foi fundada em 2019 por uma equipe de engenheiros que trabalhou anteriormente na plataforma Michelangelo de ML da Uber, incluindo Mike Del Balso, Kevin Stumpf e Jeremy Hermann. A Tecton saiu do modo stealth em 2020 com US$ 20 milhões em financiamento da Série A liderado pela Andreessen Horowitz. A empresa está sediada em São Francisco, Califórnia, e levantou financiamento adicional nos anos seguintes, incluindo uma rodada da Série B de US$ 35 milhões em 2021 e uma rodada da Série C de US$ 100 milhões em 2022, elevando sua avaliação total para mais de US$ 1 bilhão.
Principais Recursos da Plataforma
A plataforma da Tecton fornece uma interface unificada para definir, gerenciar e fornecer features. Ela suporta tanto features em lote (calculadas a partir de dados históricos) quanto features de streaming (calculadas em tempo real a partir de fluxos de eventos). A plataforma inclui uma API declarativa que permite aos usuários definir features usando Python, com tratamento automático de transformações de dados, backfills e correção point-in-time. A Tecton também oferece monitoramento de features, rastreamento de linhagem e um catálogo de features para descoberta e governança.
A plataforma integra-se com infraestrutura de dados comum, incluindo data warehouses como Amazon Redshift e Google BigQuery, bem como sistemas de streaming como Apache Kafka. Para o fornecimento, a Tecton fornece armazenamento online de baixa latência e APIs que podem ser usadas em pipelines de inferência de produção, frequentemente em conjunto com machine learning e ferramentas de fornecimento de modelos.
Casos de Uso e Aplicações
A Tecton é usada por organizações em diversos setores, incluindo serviços financeiros, comércio eletrônico e tecnologia. Casos de uso comuns incluem detecção de fraude, sistemas de recomendação, personalização e pontuação de risco em tempo real. Por exemplo, uma empresa financeira pode usar a Tecton para calcular features como velocidade de transações ou mudanças no saldo da conta em tempo real, alimentando essas informações em um modelo de detecção de fraude. A capacidade da plataforma de lidar com dados históricos e em tempo real a torna adequada para aplicações que exigem definições consistentes de features entre treinamento e fornecimento.
Cenário Competitivo
O mercado de feature stores cresceu junto com a adoção mais ampla de inteligência artificial em produção. A Tecton compete com outras soluções de feature store, incluindo projetos de código aberto como Feast (que foi co-criado pelos fundadores da Tecton) e ofertas nativas em nuvem de grandes provedores. Amazon Web Services oferece o Amazon SageMaker Feature Store, enquanto Microsoft Azure e Google Cloud têm capacidades semelhantes em suas plataformas de ML. A Tecton se diferencia por seu foco em confiabilidade de nível empresarial, escalabilidade e suporte para casos de uso complexos em tempo real.
Crescimento e Adoção da Empresa
Em 2024, a Tecton relata que sua plataforma é usada por centenas de empresas, incluindo várias da Fortune 500. A empresa expandiu suas ofertas de produtos com recursos como o Tecton AI, que usa modelos de linguagem grandes para auxiliar na engenharia de features e na geração de código. A Tecton também estabeleceu parcerias com grandes provedores de nuvem e empresas de infraestrutura de dados, posicionando-se como um componente-chave na stack moderna de ML.
O crescimento da empresa reflete a importância crescente do gerenciamento de features em sistemas de ML de produção. À medida que as organizações escalam suas iniciativas de IA, a necessidade de infraestrutura robusta para lidar com cálculo, armazenamento e fornecimento de features tornou-se crítica. A plataforma da Tecton atende a essa necessidade fornecendo um sistema centralizado que garante consistência entre treinamento e fornecimento, reduzindo o risco de divergência entre treinamento e fornecimento e melhorando o desempenho do modelo.
Direções Futuras
A Tecton continua investindo em melhorar as capacidades de sua plataforma, particularmente em torno do processamento de dados em tempo real e da integração com tecnologias emergentes de IA. A empresa está explorando maneiras de aproveitar a IA generativa para automatizar a descoberta e a engenharia de features, potencialmente reduzindo o esforço manual necessário para construir pipelines de features eficazes. Além disso, a Tecton está expandindo seu suporte para implantações multi-nuvem e híbridas, permitindo que os clientes executem a plataforma em seu ambiente de infraestrutura preferido.
À medida que o campo de machine learning evolui, as feature stores provavelmente permanecerão um componente crítico da stack de infraestrutura de ML. O foco da Tecton nas necessidades empresariais e sua equipe fundadora experiente a posicionam bem para continuar crescendo nesse espaço.