Resolve.ai

Resolve.ai entre dans chaque rotation d'astreinte et se met à enquêter dès qu'une alerte se déclenche. Il trie le signal, évalue la gravité et identifie le périmètre avec des preuves, si bien que la personne appelée ouvre un rapport plutôt qu'un écran vide. Les cas connus sont traités sans intervention humaine, et l'entreprise annonce jusqu'à 75 % de productivité d'astreinte en plus grâce à ce déplacement de la charge.

Les incidents les plus durs reçoivent une équipe d'agents spécialisés qui travaillent en parallèle, comme le ferait une salle de crise d'ingénieurs chevronnés. Chaque agent apporte sa part de preuves, et les conclusions sont vérifiées contre les données de production avant d'entrer dans le rapport. Le tout tourne sur ce que l'entreprise appelle HiveMind, une couche partagée qui conserve l'état en direct, les alertes et les changements récents pour que les agents relient les points entre les incidents.

Chaque conclusion du rapport s'appuie sur des preuves de production que vous pouvez examiner, pas sur une unique hypothèse assurée. Les rapports exposent ce qui s'est passé, la chaîne causale, l'impact et la cause racine, avec les données qui soutiennent chaque affirmation. Vous pouvez creuser une conclusion, ajouter du contexte ou lancer l'agent sur une nouvelle hypothèse depuis la vue Workbench quand la première théorie ne tient pas.

Les agents ne se contentent pas de décrire un problème : ils aboutissent à une conclusion et agissent. Un runbook terminé peut mettre en sourdine une alerte bruyante, exécuter une GitHub Action ou orienter le problème vers la bonne équipe. Les ingénieurs choisissent, cas par cas, de valider l'action ou de laisser les agents traiter seuls les situations connues.

La plateforme se connecte à plus de 60 outils couvrant observabilité, infrastructure, code, chat et connaissance. On y trouve Datadog, Grafana, Splunk, Prometheus, Dynatrace et New Relic côté télémétrie ; AWS, Google Cloud et Kubernetes côté infrastructure ; et GitHub, GitLab et Cursor côté code. Slack et Microsoft Teams couvrent la collaboration, et MCP, API et webhooks vous laissent brancher vos systèmes maison.

Les conclusions, les listes de priorités et les actions apparaissent dans Slack, Microsoft Teams, la CLI, l'interface native ou votre propre agent de code. Personne n'a donc besoin d'apprendre une nouvelle console pour en tirer profit, et l'agent rejoint l'équipe dans les outils qu'elle regarde toute la journée. Les mêmes rapports qui arrivent dans le chat sont ceux que vous ouvrez dans Workbench pour orienter l'enquête.

Resolve.ai facture des crédits qui correspondent aux types de travail réalisés par les agents, et non des tokens ou un coût d'inférence brut. L'argument de l'entreprise est que vous comprenez comment le travail se traduit en dépense sans avoir à modéliser l'infrastructure IA en dessous. L'objectif est de garder un coût prévisible à mesure que l'usage grandit entre chats, tri, enquêtes et tâches d'arrière-plan.