Oleh Tim Redaksi | 4 Maret 2026
Selector, startup observabilitas berbasis kecerdasan buatan (AI), hari ini mengumumkan keberhasilan meraih pendanaan Seri B senilai USD 32 juta. Pendanaan ini akan digunakan untuk mempercepat ekspansi global dan mengembangkan teknologi AI yang lebih advanced untuk eliminasi downtime di infrastruktur teknologi enterprise.
Round pendanaan ini dipimpin oleh venture capital terkemuka dari Silicon Valley dengan partisipasi dari existing investors termasuk Sequoia Capital Southeast Asia dan East Ventures. Menurut sumber yang dekat dengan transaksi, valuasi Selector setelah round ini mencapai status “centicorn” dengan valuasi lebih dari USD 150 juta.
Masalah Kritikal Downtime di Industri Teknologi
Downtime infrastruktur IT merupakan salah satu masalah paling kritikal yang dihadapi perusahaan teknologi modern. Menurut penelitian Gartner tahun 2025, biaya rata-rata downtime mencapai USD 9,000 per menit untuk perusahaan enterprise. Untuk perusahaan teknologi skala besar seperti e-commerce, fintech, atau SaaS provider, angka ini bisa mencapai ratusan ribu dolar per menit.
Dampak downtime tidak hanya finansial tetapi juga reputasional. Survey terhadap 500 CIO di Asia Tenggara menunjukkan bahwa 78% konsumen akan kehilangan kepercayaan terhadap brand setelah mengalami downtime lebih dari 3 kali dalam setahun. 45% konsumen menyatakan akan beralih ke kompetitor setelah downtime yang parah.
“Downtime bukan lagi sekadar masalah teknis, tapi sudah menjadi masalah bisnis yang kritikal,” ujar CEO Selector dalam konferensi pers. “Kami membangun Selector karena kami sendiri mengalami pain point ini ketika membangun startup sebelumnya.”
Teknologi Observabilitas Berbasis AI yang Revolutionary
Platform observabilitas Selector menggunakan kecerdasan buatan dan machine learning untuk menganalisis data infrastruktur IT secara real-time. Sistem ini dapat memproses hingga 10 miliar event per detik dari berbagai sumber data termasuk logs, metrics, traces, dan user experience data.
Teknologi core Selector terdiri dari tiga komponen utama. Pertama, automated anomaly detection yang menggunakan unsupervised learning untuk mendeteksi penyimpangan dari baseline normal tanpa perlu threshold manual. Kedua, root cause analysis engine yang menggunakan graph-based AI untuk trace dependency antar service dan identify sumber masalah dalam hitungan detik.
Ketiga, predictive alerting system yang menggunakan time-series forecasting untuk predict potensi masalah sebelum terjadi. Sistem ini dapat memberikan warning 15-30 menit sebelum downtime terjadi, memberikan waktu bagi tim engineering untuk take preventive action.
Menurut CTO Selector, teknologi AI yang mereka kembangkan mampu mengurangi false positive alert hingga 95% dibandingkan traditional monitoring tools. Ini sangat penting karena alert fatigue merupakan masalah serius yang dihadapi SRE dan DevOps teams.
Arsitektur Platform dan Integrasi
Selector dirancang dengan arsitektur cloud-native yang dapat di-deploy di berbagai environment termasuk public cloud (AWS, GCP, Azure), private cloud, on-premise data center, atau hybrid multi-cloud setup. Platform ini built on top of Kubernetes dan menggunakan microservices architecture untuk scalability.
Data ingestion pipeline Selector menggunakan Apache Kafka untuk handle high-volume streaming data. Data kemudian diproses oleh stream processing engine berbasis Apache Flink untuk real-time analysis. Untuk storage, Selector menggunakan kombinasi of time-series database (InfluxDB) untuk metrics dan distributed search engine (Elasticsearch) untuk logs.
Integrasi dengan tools populer merupakan prioritas utama. Selector menawarkan native integration dengan Slack untuk notification, PagerDuty untuk incident management, Jira untuk ticketing, GitHub untuk version control, dan ratusan tools lainnya melalui REST API yang comprehensive.
Ekspansi Global dan Rencana Penggunaan Dana
Dengan pendanaan USD 32 juta ini, Selector memiliki runway untuk 24-30 bulan operasional agresif. CEO Selector mengungkapkan bahwa dana akan dialokasikan ke tiga area utama: product development (40%), sales and marketing (35%), dan operational expansion (25%).
Untuk product development, Selector akan hiring 30 additional engineers fokus pada AI/ML research, platform scalability, dan new features seperti automated remediation dan capacity planning. Perusahaan juga akan membuka AI research lab di Jakarta dan Singapore.
Ekspansi geografis merupakan prioritas strategis. Selector akan membuka kantor regional di San Francisco (Q2 2026), London (Q3 2026), dan Singapore (Q2 2026). Target perusahaan adalah memiliki presence di 3 major tech hubs dalam 12 bulan ke depan.
Untuk sales and marketing, Selector akan membangun enterprise sales team di setiap region. Target perusahaan adalah menutup 50 enterprise deals dalam 12 bulan ke depan dengan average contract value USD 100,000-500,000 per tahun.
Tim Pendiri dan Latar Belakang
Selector didirikan pada tahun 2024 oleh tiga co-founders dengan background engineering yang kuat. CEO sebelumnya merupakan VP of Engineering di unicorn e-commerce Southeast Asia di mana ia mengelola infrastruktur yang serve 100+ million users. CTO adalah former staff engineer di Google Cloud dengan expertise in distributed systems dan AI/ML.
COO Selector memiliki background operational excellence dari Amazon Web Services di mana ia memimpin team yang manage reliability untuk region Asia Pacific. Ketiga founders bertemu ketika mereka sama-sama menghadapi masalah downtime yang paralysing di perusahaan sebelumnya.
“Kami mengalami sendiri pain point ini. Kami kehilangan USD 2 juta dalam 4 jam downtime di Black Friday 2023. Dari situ kami sadar bahwa dunia butuh solusi observabilitas yang lebih intelligent,” kenang CEO Selector.
Customer Success Stories dan Traction
Selector saat ini memiliki 150+ paying customers across Southeast Asia dengan gross revenue retention rate 125%. Customer mencakup berbagai vertical termasuk fintech (40%), e-commerce (25%), SaaS (20%), gaming (10%), dan logistics (5%).
Salah satu customer enterprise, fintech unicorn dari Indonesia, melaporkan pengurangan downtime 94% setelah implementasi Selector. Mean time to detection (MTTD) turun dari 45 menit menjadi 3 menit. Mean time to resolution (MTTR) turun dari 4 jam menjadi 45 menit.
E-commerce company dari Thailand menghindari potensi loss USD 2.5 juta selama 11.11 sale event berkat early detection dari Selector. Sistem memdetect anomaly pada database latency 20 menit sebelum peak traffic dan tim engineering bisa scale up resources proactively.
Menurut VP of Engineering dari salah satu customer, “Selector bukan sekadar monitoring tool, tapi benar-benar AI-powered assistant yang membantu tim kami make faster and better decisions. ROI-nya jelas terlihat dalam quarter pertama.”
Competitive Landscape dan Differentiation
Pasar observabilitas global diperkirakan mencapai USD 8.5 miliar pada 2027 dengan CAGR 15%. Competitor utama termasuk Datadog, New Relic, Dynatrace, dan Splunk yang semuanya valued di atas USD 10 miliar.
Namun Selector memiliki beberapa differentiation key. Pertama, AI-first approach di mana semua features built on top of ML models dari day one, bukan bolted-on seperti competitor legacy. Kedua, pricing model yang lebih transparent dan predictable tanpa surprise charges.
Ketiga, focus pada emerging markets khususnya Southeast Asia di mana Selector understand local context dan compliance requirements seperti data residency laws di Indonesia dan Thailand. Keempat, customer support yang lebih responsive dengan SLA 15-minute response time untuk critical issues.
Roadmap Produk dan Innovation Pipeline
Selector memiliki product roadmap yang aggressive untuk 18 bulan ke depan. Q2 2026 akan meluncurkan automated remediation feature di mana sistem dapat automatically take corrective action untuk common issues seperti restart service, scale resources, atau failover ke backup system.
Q3 2026 akan meluncurkan capacity planning module yang menggunakan predictive analytics untuk recommend optimal resource allocation. Ini akan membantu customer optimize cloud spending yang sering kali menjadi significant cost center.
Q4 2026 akan meluncurkan collaborative incident management platform yang integrate chat, video, runbooks, dan post-mortem analysis dalam single interface. Fitur ini dirancang untuk improve coordination selama incident response.
Referensi
- techcrunch.com – AI Observability Startup Selector Raises USD 32M Series B for Downtime Elimination
- venturebeat.com – How AI is Transforming IT Operations and Predictive Incident Prevention in 2026
