Inicialização do agente de codificação de IA Mudança Noturna levantou uma rodada inicial de US$ 7 milhões liderada por Jerry Chen, da Greylock. Essa é uma soma modesta para os padrões de IA, mas a startup, fundada por dois ex-engenheiros da Datadog, atraiu alguns anjos de renome como Reid Hoffman, Olivier Pomel e Alexis Lê-Quôc da Datadog, Ankur Goyal da Braintrust e Misha Laskin da Reflection AI.
Fundada por Sajid Mehmood e Conor Branagan, que ajudaram a aumentar o Datadog desde seus primeiros dias até uma avaliação multibilionária, a empresa entrou no lotado espaço de codificação de IA com uma ideia convincente: por que qualquer empresa confiaria seus ativos mais sensíveis – o código que executa seus produtos – diretamente a criadores de modelos como OpenAI e Anthropic, visto que essas empresas estão constantemente “matando” startups e negócios ao lançar aplicativos concorrentes?
Mehmood, que é CEO, compara isso ao crescimento inicial da Datadog, quando a empresa de monitoramento conquistou clientes de comércio eletrônico que se recusaram a desenvolver na Amazon Internet Providers. Period uma preocupação razoável, visto que a Amazon estava simultaneamente tirando do mercado muitas dessas mesmas lojas de varejo no que ficou conhecido como “apocalipse do varejo.”
O equivalente em IA, na opinião de Mehmood, já está em andamento. Anthropic, OpenAI e outras estão avançando rapidamente para mercados verticais de software program – o que alguns chamam de SaaSocalypse.
“Na Datadog vimos isso claramente”, disse Mehmood. “Uma grande parte do nosso negócio multicloud veio de empresas de comércio eletrônico que não queriam operar na Amazon, certo?… Certamente veremos a mesma dinâmica que a Anthropic vai competir nas áreas jurídica, de saúde, de finanças e tudo mais.”
A aposta é que as empresas procurarão cada vez mais infraestruturas que separem o modelo de codificação de todas as outras orquestrações necessárias para garantir que o código gerado pela IA seja devidamente verificado e mantido (e que vão querer um fornecedor sem uma agenda competitiva).
Para ser claro, o Niteshift não está substituindo Claude Code ou Codex, os dois agentes de codificação mais populares. Argumenta que reduz a dependência deles.
A nuvem de codificação de IA da Niteshift fará o roteamento entre esses modelos – junto com opções de código aberto e outros – com base nas necessidades de cada projeto.
“Ser capaz de alternar entre os modelos GPT e de nuvem é importante”, disse Mehmood, “Todo mundo está preocupado em ser pisado por esses gigantes”.
Essa ideia foi o que fez Chen de Greylock morder.
“À medida que os laboratórios de fronteira sobem na pilha, há uma oportunidade de oferecer aos clientes um caminho alternativo: separar seus agentes da infraestrutura em que operam”, disse Chen ao TechCrunch. “A Niteshift está construindo a plataforma que permite isso para agentes de codificação, permitindo que os clientes invistam profundamente em suas ferramentas de desenvolvedor sem se prenderem a um único modelo ou fornecedor de agente.”
Mais do que isso, o Niteshift não vende tokens. Ela vende infraestrutura, cobrando como um provedor de nuvem, com taxas de uso por minuto.
“Todo mundo está vendendo inteligência sobre substituição de mão de obra”, disse Mehmood. “Estamos vendendo software program para agentes, e não para humanos – mas ainda estamos aqui vendendo software program.”
Mesmo assim, a Niteshift está entrando em um mercado lotado de ferramentas de codificação de IA. A independência do modelo não é uma ideia nova e os concorrentes da Niteshift têm uma enorme vantagem. Isso inclui o Cursor, embora em breve possa ser engolido pela SpaceX; Cognition, que acaba de levantar US$ 1 bilhão com uma avaliação de US$ 26 bilhões; Base Amazônica; e a plataforma de gateway de IA OpenRouter, que acaba de arrecadar US$ 113 milhões com avaliação de US$ 1,3 bilhão. A lista continua.
A resposta de Mehmood para tudo isso é a profundidade da equipe fundadora. Mehmood e Branagan não apenas estudaram esses problemas – eles os vivenciaram, escalando o Datadog através das dificuldades de crescimento exatas que grandes organizações de engenharia enfrentam agora com código gerado por IA. As equipes, disse ele, precisam executar, testar e verificar software program de forma autônoma em seus ambientes reais de produção e precisam de infraestrutura construída por pessoas que tenham feito isso em escala.
Quando você compra por meio de hyperlinks em nossos artigos, podemos ganhar uma pequena comissão. Isso não afeta nossa independência editorial.
