Datadog의 AI 모멘텀, 실적 시험대에 오르다

Datadog가 강력한 AI 모멘텀과 함께 Google News에 다시 등장했지만, 8월 6일 실적 발표는 이제 더 까다로운 시험대가 됐다. 투자자들은 자율 운영, AI 모니터링, 최근 제품 출시가 지속적인 고객 지출로 이어지고 있다는 증거를 원한다.

회사는 1분기에 전년 동기 대비 32%의 매출 성장을 보고한 뒤 이 시험대에 들어선다. 또한 DASH 컨퍼런스에서 100개 이상의 기능을 출시하고 Bits AI 에이전트 제품군을 확장했다. 이러한 조합은 Datadog 주식을 둘러싼 성장 서사를 강화했다.

그러나 제품 수만으로 상업적 성공이 입증되는 것은 아니다. Datadog는 고객이 더 많은 모듈을 채택하고, 워크로드를 확대하며, 예측 가능한 사용량을 만들어 내고 있음을 보여야 한다. 또한 Dynatrace, Cisco의 Splunk, Grafana Labs, Elastic 및 신흥 AI 네이티브 모니터링 업체를 상대로 입지를 지켜야 한다.

따라서 핵심 쟁점은 한 분기 전망치를 넘어선다. Datadog는 관측 가능성이 더 광범위한 클라우드, 보안 또는 개발자 플랫폼 안의 기능으로 자리 잡기 전에 AI 운영을 위한 제어 계층이 되려 하고 있다.

실적 발표 전 Datadog가 다시 Google News에 오른 이유

Datadog의 최근 모멘텀은 측정 가능한 사업 성장과 이례적으로 폭넓은 AI 제품 확장에 기반한다.

Datadog는 1분기 매출이 10억600만 달러로, 2025년 같은 기간보다 32% 증가했다고 발표했다. 분기 매출이 처음으로 10억 달러를 넘어서면서 AI 서사를 뒷받침하는 기반도 더 탄탄해졌다.

회사는 해당 분기에 영업활동 현금흐름 3억3,500만 달러와 잉여현금흐름 2억8,900만 달러를 창출했다. Datadog가 대규모 투자를 이어가면서도 구독 사업에서 현금을 창출하고 있기 때문에 이 수치는 중요하다.

대형 고객도 계속 늘었다. Datadog는 3월 말 기준 연간 반복 매출이 최소 10만 달러인 고객이 약 4,550곳이라고 밝혔다. 이는 1년 전 약 3,770곳에서 21% 증가한 수치다.

Datadog의 분기 실적에서 확인할 수 있는 이 결과는 다가오는 실적 발표의 재무적 기준선을 형성했다. 동시에 경영진이 다음에 제시해야 할 성과에 대한 기대도 높였다.

Datadog는 2분기 매출을 10억7,000만~10억8,000만 달러로 전망했다. 이는 전년 동기 대비 29~31% 성장에 해당하는 범위다. 회사는 1분기 실적 이후 연간 전망도 상향했다.

이 가이던스는 8월 실적 발표의 난도를 높인다. 기업은 장기 서사를 바꾸지 않고도 낮은 기대치를 웃돌 수 있다. 이제 Datadog는 강한 분기에 이어 성장세가 폭넓고 반복 가능한지 설명해야 한다.

6월 제품 행사도 기대를 한층 높였다. Datadog는 자율적 인시던트 탐지, 소프트웨어 릴리스, 보안, 비용 관리, AI 에이전트, 운영 워크플로에 걸쳐 100개 이상의 기능을 발표했다.

Bits AI는 이 확장의 중심에 있다. Datadog는 Bits AI를 문제를 조사하고 승인된 운영 조치를 수행하는 에이전트 모음으로 설명한다. 이러한 조치에는 테스트, 복구, 코드 분석, 인시던트 대응이 포함될 수 있다.

회사는 Claude Code, Cursor, GitHub Copilot 같은 코딩 에이전트를 조직이 어떻게 사용하는지 모니터링하는 Agent Console도 도입했다. 이 제품은 에이전트 활동을 산출물, 채택, 성능, 지출과 연결하도록 설계됐다.

이 변화는 Datadog를 전통적인 대시보드의 영역 너머로 이끈다. 관측 가능성 소프트웨어는 일반적으로 시스템의 동작을 설명하는 로그, 메트릭, 트레이스 등 텔레메트리를 수집한다. Datadog는 이제 자사 플랫폼이 이 데이터를 해석하고 이에 따라 행동하기를 원한다.

이러한 야심이 현재의 관심을 설명한다. Google News 전반에 나타나는 이야기는 Datadog가 단순히 AI 기능을 추가했다는 데 있지 않다. 회사는 AI가 기존 운영 데이터의 가치를 더 높인다고 주장하고 있다.

실적 발표는 고객들이 지출을 늘릴 만큼 그 주장에 강하게 동의하는지를 보여줄 것이다.

AI 워크로드가 Datadog의 공략 가능한 문제 영역을 확장한다

AI 애플리케이션은 더 많은 운영 변수를 만들어 내며, 관측 가능성 업체에는 모델 제공업체가 해결하지 못하는 복잡성을 관리할 기회를 제공한다.

일반적인 클라우드 애플리케이션은 결함 있는 코드, 네트워크 지연, 과부하된 인프라 또는 사용 불가능한 종속성 때문에 실패할 수 있다. AI 애플리케이션은 모델, 프롬프트, 벡터 데이터베이스, 에이전트, 외부 도구 전반에 걸쳐 추가적인 장애 지점을 만든다.

팀은 요청을 여러 모델 제공업체 사이에서 라우팅할 수도 있다. 이 선택은 유연성을 높이지만, 하나의 시스템에서 지연 시간, 용량, 품질, 비용을 추적하기는 더 어려워진다.

Datadog의 자체 2026년 조사에 따르면 관측된 조직의 69%가 최소 세 개의 모델을 사용했다. 회사는 또한 프로덕션 모델 요청의 약 5%가 실패했다고 보고했다.

회사의 AI 엔지니어링 데이터에 따르면, 그러한 실패의 거의 60%는 용량 제한과 관련이 있었다. Datadog는 프로덕션 환경에서 대규모 언어 모델을 실행하는 수천 개 고객의 익명화된 사용 데이터를 분석했다.

이러한 결과는 Datadog 플랫폼에서 나온 것이므로 전체 시장에 대한 중립적인 조사로 받아들여서는 안 된다. 그럼에도 이는 Datadog가 수익화할 수 있는 위치에 있는 운영 문제를 보여준다.

모델의 지능은 속도 제한, 과부하된 서비스 또는 실패한 도구 호출을 막아 주지 않는다. 주변 애플리케이션에 용량이나 가시성이 부족하면 유능한 에이전트도 여전히 망가진 고객 경험을 만들 수 있다.

AI 워크로드는 대량의 텔레메트리도 생성한다. 각 모델 요청에는 프롬프트, 응답, 시간 정보, 토큰 소비량, 검색된 컨텍스트, 안전성 검사 및 다른 서비스 호출이 포함될 수 있다.

이 데이터는 Datadog에 기회를 만든다. 회사는 모델 상호작용을 관측하는 동시에 이를 자사 플랫폼에 이미 저장된 인프라, 애플리케이션, 데이터베이스, 네트워크, 보안 정보와 연결할 수 있다.

이것이 Datadog의 AI 모멘텀을 뒷받침하는 메커니즘이다. Datadog는 기반 모델을 두고 OpenAI, Anthropic 또는 Google과 경쟁할 필요가 없다. 기업이 복잡한 프로덕션 시스템 전반에 이들 모델을 배포할 때 이익을 얻는다.

기회는 내부 개발로도 확장된다. 코딩 에이전트는 더 빠르게 소프트웨어를 만들고 수정할 수 있지만, 조직은 그 산출물이 안정성을 개선하는지 여전히 파악해야 한다.

Datadog의 Agent Console은 이러한 관리 문제를 다룬다. 이 제품은 어떤 팀이 코딩 에이전트를 사용하는지, 어떤 작업을 수행하는지, 그리고 그 활동이 지출과 어떻게 연결되는지를 보여주도록 설계됐다.

이는 Datadog를 AI 배포와 운영 책임성 사이에 위치시킨다. 기업이 자율 에이전트를 프로덕션 시스템처럼 취급한다면, 해당 에이전트가 무엇을 시도하고 변경했는지에 대한 기록이 필요하다.

Datadog는 과거 텔레메트리를 활용해 자체 에이전트에 더 많은 맥락을 제공할 수도 있다. 인시던트 에이전트는 현재 오류, 이전 배포, 서비스 종속성, 과거 복구 시도를 살펴볼 수 있을 때 더 유용해진다.

이는 잠재적인 데이터 우위를 만든다. 독립형 AI 어시스턴트는 알림을 요약할 수 있지만, 그 알림 뒤에 있는 운영 기록에 접근하지 못하면 가치는 제한된다.

Datadog는 이미 많은 고객의 이러한 기록을 수집하고 있다. 과제는 새로운 보안 또는 거버넌스 문제를 만들지 않으면서 접근 권한을 신뢰할 수 있는 조치로 전환하는 것이다.

따라서 회사의 AI 기회에는 두 가지 측면이 있다. Datadog는 고객의 AI 시스템을 모니터링할 수 있으며, 자체 모니터링 플랫폼 안에 AI 에이전트를 배치할 수도 있다.

두 경로 모두 같은 요건에 달려 있다. 고객은 더 많은 운영 데이터와 프로덕션 환경에 대한 더 큰 권한을 Datadog에 맡겨야 한다.

Datadog는 관측 가능성을 실행 계층으로 전환하려 한다

전략적 경쟁은 Datadog의 통합 실행 계층과 모니터링이 전문 도구들에 분산된 시장 사이에서 벌어지고 있다.

Datadog는 인프라 모니터링, 애플리케이션 성능, 로그, 사용자 경험, 네트워크 데이터, 보안 신호를 하나의 인터페이스로 가져오며 입지를 구축했다. 최신 제품은 이러한 통합 전략을 확장한다.

회사의 연례 보고서는 랜드 앤드 익스팬드 모델을 설명한다. 고객은 하나의 제품으로 시작해 사용량을 늘리고, 클라우드 사용 범위가 커짐에 따라 추가 모듈을 채택할 수 있다.

이 모델은 상당한 확장을 만들어 냈다. Datadog는 2025년 말 고객 수가 약 3만2,700곳으로, 1년 전 약 3만 곳과 비교해 증가했다고 밝혔다.

연말 기준 약 4,310개 고객이 최소 10만 달러의 연간 반복 매출을 창출했다. Datadog의 연례 보고서에 따르면, 이들 고객은 전체 연간 반복 매출의 90%를 차지했다.

같은 보고서는 최소 100만 달러의 연간 반복 매출을 창출한 고객이 603곳이라고 밝혔다. Datadog의 최근 12개월 기준 달러 기반 순매출 유지율은 약 120%였다.

순매출 유지율은 기존 고객 집단의 반복 매출을 1년 전 매출과 비교한다. 100%를 넘는 결과는 해당 집단 내 확장이 해지와 축소를 웃돌았음을 뜻한다.

AI 에이전트는 자율 운영이 연결된 데이터에 의존하기 때문에 이 모델을 강화할 수 있다. 복구 에이전트는 애플리케이션 오류는 보지만 인프라, 최근 코드 변경 또는 보안 이벤트를 살펴볼 수 없다면 가치가 제한된다.

Datadog는 DASH 2026에서 Bits AI를 이러한 경계를 넘나드는 에이전트 제품군으로 제시했다. 회사는 탐지, 인프라, 코드, 릴리스, 테스트, 데이터 분석을 위한 에이전트를 발표했다.

Bits Agent Builder는 고객이 특정 운영 워크플로를 위한 에이전트를 만들 수 있도록 한다. Datadog는 이 에이전트들이 고객이 정의한 통제 범위 안에서 인시던트를 해결하고, 보고서를 생성하며, 표준을 적용할 수 있다고 말한다.

DASH 제품 출시는 이 전략이 대시보드에 챗봇을 추가하는 것과 어떻게 다른지 보여준다. Datadog는 자사 플랫폼이 문제를 발견하는 모든 곳에 에이전트를 내장하려 한다.

가령 소프트웨어 릴리스가 데이터베이스 지연 시간을 높인 상황을 생각해 볼 수 있다. 전통적인 모니터링 도구는 엔지니어에게 경고를 보내고, 엔지니어는 이후 배포, 트레이스, 데이터베이스 메트릭을 확인한다.

실행 중심 플랫폼은 성능 저하를 해당 릴리스와 연결하고, 관련 증거를 수집하며, 롤백을 권고하고, 승인된 대응을 실행할 수 있다. 이는 인시던트 중 인계 과정을 줄인다.

그러나 이러한 가치는 통합 깊이에 달려 있다. 로그, 애플리케이션 모니터링, 보안, 인시던트 관리를 위해 별도 도구를 사용하는 고객은 하나의 에이전트에 충분한 맥락을 제공하지 못할 수 있다.

따라서 Datadog는 구매자들에게 더 많은 운영 업무를 자사 플랫폼으로 통합하도록 압박하고 있다. 동시에 경쟁사들도 통합 관측 가능성과 AI 지원 운영에 대한 자체 버전을 제시하고 있다.

Dynatrace는 오랫동안 자동 발견과 인과 분석을 강조해 왔다. Cisco는 Splunk의 관측 가능성 및 보안 데이터를 훨씬 더 큰 네트워킹 및 엔터프라이즈 소프트웨어 기반과 연결할 수 있다.

Grafana Labs와 Elastic은 유연한 데이터 아키텍처 또는 텔레메트리에 대한 더 큰 통제력을 원하는 조직에 어필한다. 관측 가능성 데이터를 생성하고 전송하기 위한 개방형 표준인 OpenTelemetry 역시 독점적 수집 방식에 대한 의존도를 낮춘다.

이러한 대안이 Datadog의 강점을 없애지는 않는다. 다만 AI 지원 운영을 경쟁 없는 시장으로 간주하지 못하게 한다.

승자는 가장 많은 에이전트를 발표하는 기업으로 결정되지 않을 것이다. 고객이 이미 신뢰하는 데이터와 신뢰할 수 있는 추천을 연결하는 플랫폼이 승패를 가를 것이다.

AI 모멘텀이 아직 입증하지 못한 것

Datadog는 자사 플랫폼 수요를 입증했지만, 자율 에이전트가 별도의 지속 가능한 성장 동력이 될지는 아직 보여주지 못했다.

첫 번째 불확실성은 도입의 깊이다. 제품은 정식 출시될 수 있지만 고객의 일상 운영에서 핵심적인 위치를 차지하지 못할 수도 있다.

Datadog는 플랫폼 전반에 걸쳐 많은 AI 기능을 출시했다. 투자자들은 여전히 실제로 이를 정기적으로 사용하는 고객이 얼마나 되는지, 그리고 그 사용이 계약 확대로 이어지는지에 관한 더 명확한 증거를 필요로 한다.

이 차이는 중요하다. 일부 AI 기능은 상당한 추가 매출을 만들지 못한 채 고객 유지에는 기여할 수 있기 때문이다. 기존 제품을 개선하면서도 고객의 총지출은 대체로 변하지 않을 수 있다.

두 번째 불확실성은 신뢰성에 관련된다. 인시던트 대응은 일반적인 업무용 어시스턴트와는 다른 기준 아래에서 이루어진다.

부정확한 요약은 시간을 낭비시킨다. 잘못된 프로덕션 작업은 서비스를 중단시키거나, 데이터를 노출하거나, 인시던트의 원인을 가릴 수 있다.

Datadog는 고객이 자동화된 작업에 가드레일을 설정할 수 있다고 말한다. 그러나 이 회사는 팀들이 실제 환경에서 에이전트를 시험한 뒤에도 이들에게 의미 있는 권한을 부여할 것임을 입증해야 한다.

사람의 승인은 위험을 통제할 수 있지만, 절약되는 시간도 줄일 수 있다. 완전한 자율성은 잠재적 가치를 높이는 동시에 잘못된 결정의 결과도 키운다.

세 번째 불확실성은 데이터 규모와 비용에 관한 것이다. AI 시스템은 더 많은 텔레메트리를 생성하지만, 고객이 모든 신호를 무기한 저장하려는 것은 아니다.

조직들은 이미 로그를 필터링하고, 보존 기간을 조정하며, 데이터를 더 저렴한 스토리지로 옮기고 있다. 프롬프트, 트레이스, 평가, 에이전트 작업이 수집량을 늘리기 때문에 AI 워크로드는 이러한 결정을 더욱 복잡하게 만들 수 있다.

이는 Datadog의 사용량 기반 확장 모델 안에 긴장을 만든다. 데이터 규모 증가는 매출을 뒷받침할 수 있지만, 예측하기 어려운 청구서는 고객을 샘플링이나 대체 스토리지로 이끌 수 있다.

네 번째 위험은 플랫폼 경쟁에서 나온다. 클라우드 제공업체들은 이미 인프라 데이터, 모델 서비스, 고객 관계를 통제하고 있다.

Amazon Web Services, Microsoft Azure, Google Cloud는 AI 애플리케이션이 실행되는 환경에 모니터링을 통합할 수 있다. 모델 제공업체들도 자체 트레이싱, 평가, 안전성 도구를 개선할 수 있다.

Datadog는 클라우드와 모델 전반에서 가치를 유지해야 한다. 고객이 여러 제공업체를 사용할 때 중립성은 도움이 되지만, 더 제한적인 배포에서는 번들형 대안도 충분해 보일 수 있다.

경쟁은 아래에서도 온다. 오픈소스와 오픈 표준 도구를 이용하면 엔지니어링 팀은 모든 신호를 하나의 상용 플랫폼에 넣지 않고도 맞춤형 옵저버빌리티 시스템을 구성할 수 있다.

이 경로에는 더 많은 내부 전문성이 필요하다. 그럼에도 통제력, 이식성 또는 특정 데이터 경제성을 우선하는 대형 조직을 끌어들일 수 있다.

다섯 번째 불확실성은 AI 기회 내의 집중도다. Datadog는 업계 최대 기업 일부를 포함한 AI 네이티브 기업들로부터 강한 수요가 있다고 언급해 왔다.

이들 고객은 빠르게 성장할 수 있지만, 사용량도 급격히 바뀔 수 있다. Datadog는 최대 고객의 전망에 추가적인 보수성을 적용하고 있음을 인정했다.

따라서 건전한 AI 투자 논리에는 두 가지 요소가 필요하다. AI 네이티브 기업은 계속 확장해야 하며, 전통적인 엔터프라이즈는 더 많은 AI 애플리케이션을 프로덕션으로 옮겨야 한다.

두 번째 그룹은 특히 중요하다. 엔터프라이즈 도입은 소수의 빠르게 성장하는 모델 및 인프라 기업을 넘어 수요를 넓힐 수 있다.

실적 발표는 이러한 확장이 실제로 일어나는지 분명히 해줄 것이다. 성장이 제한된 고객 집단에 비정상적으로 의존한 상태라면, 강한 총매출만으로는 모든 질문에 답할 수 없다.

투자자들은 제품 주장과 검증된 결과도 구분해야 한다. Datadog는 자사 에이전트가 중요한 워크플로를 자동화할 수 있다고 말하지만, 고객 도입과 성과 데이터가 더 강력한 검증 기준으로 남아 있다.

이런 회의적 기준은 전략을 부정하지 않는다. 전략을 신뢰할 수 있게 만드는 데 필요한 증거를 가려낼 뿐이다.

실적은 제품 확장과 고객 지출을 연결해야 한다

다음 보고서는 Datadog의 AI 발표를 고객 확장, 유지, 그리고 신뢰할 수 있는 성장 전망과 연결해야 한다.

첫 번째 신호는 Datadog가 제시한 범위와 비교한 2분기 매출이다. 해당 범위를 웃도는 성과는 1분기의 강세가 여름까지 이어졌다는 견해를 강화할 것이다.

그 성장의 구성은 헤드라인 수치만큼 중요하다. 투자자들은 AI 네이티브 고객, 기존 클라우드 워크로드, 대형 엔터프라이즈 계정의 사용량 변화에 귀를 기울여야 한다.

광범위한 성장은 Datadog가 두 개의 사이클에서 혜택을 받고 있다는 주장을 강화할 것이다. 클라우드 마이그레이션은 계속 활발하며, AI는 또 다른 운영 수요 층을 더하고 있다.

제한적인 성장은 회사를 소수의 대형 고객 사이에서 바뀌는 사용량에 더 노출시킬 것이다. 분기별 비교의 예측 가능성도 떨어뜨릴 것이다.

두 번째 신호는 대형 고객 수다. Datadog의 연간 반복 매출 10만 달러 고객군은 3월 말 약 4,550곳에 도달했다.

이 그룹의 지속적인 성장은 더 많은 고객이 제한적인 배포를 넘어 확장하고 있음을 보여줄 것이다. Datadog의 플랫폼 통합 전략도 뒷받침할 것이다.

100만 달러 고객에 관한 경영진의 설명은 맥락을 더할 것이다. 이들 계정은 여러 제품을 사용하고 여러 팀에 걸쳐 Datadog를 연결할 가능성이 더 높다.

세 번째 신호는 제품 도입이다. Datadog는 정기적으로 여러 제품을 사용하는 고객 비율을 보고하는데, 이는 플랫폼 전략이 깊어지고 있는지를 보여준다.

가장 유용한 업데이트는 일반적인 멀티 제품 도입과 AI 모니터링, Bits AI, 보안 또는 에이전트 워크플로에 의해 구체적으로 발생한 도입을 구분하는 것이다.

투자자들은 모든 제품의 개별 매출 수치를 기대해서는 안 된다. 대신 경영진이 어떤 기능이 확장과 신규 고객의 의사결정에 영향을 미치는지 설명하기를 기대해야 한다.

네 번째 신호는 유지율이다. 2025년 말 약 120%였던 Datadog의 순매출 유지율은 기존 고객이 전반적인 지출을 늘렸음을 보여줬다.

안정적이거나 개선되는 비율은 워크로드 성장과 제품 도입이 최적화 노력을 상회하고 있다는 근거가 될 것이다. 하락은 고객들이 더 선별적으로 변하고 있음을 시사할 것이다.

다섯 번째 신호는 연간 전망이다. Datadog는 1분기 이후 가이던스를 상향했으며, 이는 기대치가 이미 더 강한 성과를 반영하고 있음을 뜻한다.

추가 상향은 단기 수요에 대한 신뢰를 강화할 것이다. 전망이 유지되더라도, 특히 경영진이 보수적 접근을 유지한다면 여전히 합리적일 수 있다.

하향 또는 이례적으로 신중한 설명은 현재의 모멘텀에 의문을 제기할 것이다. 그러면 투자자들은 문제가 한 고객에게서 비롯됐는지, 더 광범위한 최적화 때문인지, 혹은 AI 배포가 더딘 탓인지 판단해야 한다.

예정된 보고서는 특히 중요하다. DASH 이후의 보고이기 때문에 경영진은 미래 출시만 언급하는 대신 새로운 에이전트 기능에 대한 초기 고객 반응을 논의할 수 있다.

초기 피드백이 장기적인 사업을 입증하지는 못한다. 하지만 고객이 자율 작업을 시험하고 있는지, 텔레메트리 수집을 확대하는지, 또는 제품을 선택적 실험으로 취급하는지를 보여줄 수 있다.

가장 좋은 증거는 도입과 재무적 확장을 결합하는 것이다. Bits AI를 추가하면서 로그, 애플리케이션 모니터링, 보안 또는 워크플로 자동화 사용을 늘리는 고객은 플랫폼 가치를 입증한다.

사용량 변화 없이 포함된 어시스턴트를 활성화하는 고객은 더 약한 증거를 제공한다. 두 활동 모두 유지율을 개선할 수 있지만, 재무적 의미는 다르다.

Datadog는 연구 지출이 이러한 제품을 어떻게 뒷받침하는지도 설명해야 한다. 회사는 DASH에서 매출의 약 30%를 연구개발에 꾸준히 투자한다고 밝혔다.

이러한 투자는 빠른 출시를 뒷받침하지만, 지속적인 실행 검증을 요구한다. 제품은 궁극적으로 매출 성장, 경쟁 차별화 또는 운영 효율성을 강화해야 한다.

8월 보고서가 전체 논쟁을 끝내지는 못할 것이다. 하지만 제품 야심과 고객 행동이 같은 방향으로 움직이고 있는지를 보여줄 수 있다.

랠리를 뒷받침할지를 결정할 세 가지 신호

매출의 폭, 에이전트 도입, 고객 확장이 Datadog의 AI 모멘텀이 뉴스 사이클 이후에도 지속될지를 결정할 것이다.

첫 번째 신호는 매출의 폭이다. Datadog는 AI 네이티브 고객의 수요와 함께 전통적인 엔터프라이즈에서의 지속적인 성장을 필요로 한다.

이러한 조합은 폭넓은 기술 전환을 위한 인프라로서 회사의 위치를 강화할 것이다. 또한 빠르게 변하는 소수 고객의 지출 의존도를 낮출 것이다.

경영진이 산업, 기업 규모, 워크로드 유형 전반의 강세를 강조한다면 AI 투자 논리는 더 지속 가능해진다. 설명이 하나의 주요 계정에 집중된다면 고객 집중은 여전히 지배적인 우려로 남는다.

두 번째 신호는 실제 에이전트 사용이다. Datadog는 조사 단계에서 자율적인 탐지와 조치로 이동했지만, 제품 발표는 시작 단계일 뿐이다.

시장은 고객이 이 에이전트들을 프로덕션에서 사용한다는 증거를 필요로 한다. 유용한 지표에는 활성 배포, 반복 워크플로, 고객 확장, 승인된 복구 조치가 포함된다.

Datadog는 사람이 어디에 계속 관여하는지도 설명해야 한다. 추천, 승인, 자율 실행 사이의 명확한 경계는 구매자가 운영 위험을 평가하는 데 도움이 될 것이다.

의미 있는 도입은 옵저버빌리티가 실행 계층이 되고 있다는 견해를 뒷받침할 것이다. 제한적인 테스트는 고객이 여전히 AI 에이전트를 주로 어시스턴트로 본다는 점을 시사할 것이다.

세 번째 신호는 대형 고객의 지속적인 확장이다. 고객이 초기 배포 이후 워크로드와 제품을 추가할 때 Datadog의 비즈니스 모델은 더 강해진다.

연간 반복 매출 10만 달러 고객군의 성장은 플랫폼 통합이 계속되고 있음을 보여줄 것이다. 안정적인 유지율은 고객이 새로운 AI 데이터를 다른 곳의 더 깊은 삭감으로 상쇄하지 않고 있음을 나타낼 것이다.

이러한 측정치는 Google News의 단기적인 관심보다 더 나은 검증 기준을 제공한다. 헤드라인은 실적 발표 전에 흥분을 포착할 수 있지만, 반복적인 고객 행동이 그 흥분에 재무적 뒷받침이 있는지를 결정한다.

개발자와 운영 팀에게도 같은 신호가 실용적인 질문에 답한다. Datadog는 신뢰할 수 있는 자동화 시스템이 되고 있는가, 아니면 여전히 주로 문제를 조사하는 장소인가?

AI 운영을 평가하는 팀은 Datadog가 권한, 감사 추적, 실패한 작업, 크로스툴 컨텍스트를 어떻게 처리하는지 지켜봐야 한다. 이러한 세부 사항은 발표되는 에이전트 수보다 더 중요할 것이다.

또한 인시던트와 운영 의사결정의 추론 과정을 보존해야 한다. 검색 가능한 엔지니어링 지식 기반은 설계 맥락, 런북, 이전 조사를 유지함으로써 텔레메트리를 보완할 수 있다.

엔터프라이즈 구매자는 더 폭넓은 선택에 직면한다. Datadog로 통합하면 에이전트가 더 연결된 데이터에 접근할 수 있고, 모듈형 스택은 더 큰 통제력과 이식성을 제공할 수 있다.

어느 경로도 운영 업무를 없애지는 않는다. 결정은 Datadog의 자동화가 더 깊은 플랫폼 의존성을 정당화할 만큼 충분한 조사와 조정을 줄이는지에 달려 있다.

Datadog는 신뢰할 만한 모멘텀 속에서 실적 발표를 맞는다. 최근의 강한 성장, 확대되는 대형 계정, 상당한 현금 창출, AI 운영을 위한 명확한 제품 전략을 갖추고 있다.

해결되지 않은 과제는 전환입니다. 이 회사는 고객들이 새로운 AI 기능을 지속적인 사용, 더 폭넓은 계약, 신뢰할 수 있는 프로덕션 워크플로로 이어가고 있음을 입증해야 합니다.

8월 6일 실적 발표에서는 다음 세 가지 신호를 순서대로 지켜봐야 합니다. 광범위한 매출 성장, 프로덕션 에이전트 도입, 대형 고객의 지속적인 확대입니다. 이 세 가지는 이번 상승세가 지속 가능한 운영상의 변화를 반영하는지, 아니면 기대가 증거보다 앞서가고 있는지를 보여줄 것입니다.