Datadog, Inc.

Operador: Buen día y gracias por mantenerse en línea. Bienvenidos a la conferencia telefónica sobre resultados financieros del Primer Trimestre de 2026 de Datadog. [Instrucciones del operador] Se les informa que esta conferencia se está grabando. Ahora me gustaría ceder la palabra a Yuka Broderick, vicepresidenta senior de Relaciones con Inversionistas. Adelante. Yuka Broderick: Gracias, Lisa. Buenos días a todos y gracias por acompañarnos para revisar los resultados financieros del primer trimestre de 2026 de Datadog, que anunciamos en nuestro comunicado de prensa emitido esta mañana. Hoy nos acompañan en la llamada Olivier Pomel, cofundador y CEO de Datadog; y David Obstler, CFO de Datadog. Durante esta llamada, haremos declaraciones prospectivas, incluidas declaraciones relacionadas con nuestro desempeño financiero futuro, nuestras perspectivas para el segundo trimestre y el año fiscal 2026, y las notas y supuestos relacionados, nuestras capacidades de producto y nuestra capacidad para aprovechar oportunidades de mercado. Las palabras anticipa, cree, continúa, estima, espera, tiene la intención, se propone, y expresiones similares están destinadas a identificar declaraciones prospectivas y señales similares de expectativas futuras. Estas declaraciones reflejan nuestras visiones en la actualidad y están sujetas a una variedad de riesgos e incertidumbres que podrían hacer que los resultados reales difieran materialmente. Para analizar los riesgos materiales y otros factores importantes que podrían afectar nuestros resultados reales, por favor consulten nuestro Formulario 10-K correspondiente al año finalizado el 31 de diciembre de 2025. Se pondrá a disposición información adicional en nuestro próximo Formulario 10-Q para el trimestre fiscal que finaliza el 31 de marzo de 2026, y en otros informes ante la SEC. Esta información también está disponible en la sección de Relaciones con Inversionistas de nuestro sitio web, junto con una repetición de esta llamada. Analizaremos medidas financieras no-GAAP, que se concilian con sus medidas financieras GAAP más directamente comparables en las tablas de nuestro comunicado de resultados, que está disponible en investors.data.hq.com. Dicho esto, me gustaría ceder la llamada a Olivier. Olivier Pomel: Gracias, Yuka, y gracias a todos por acompañarnos para revisar un comienzo muy sólido de 2026. Comencemos con los impulsores de negocio de este trimestre. Me complace mucho decir que nuestros equipos ejecutaron muy bien y lograron un crecimiento de ingresos del 32% interanual, acelerando desde el 29% del trimestre anterior y el 25% en el trimestre del año pasado. Mostramos una aceleración amplia y generalizada del crecimiento de ingresos en todas las cohortes, incluidas tanto nuestros clientes de IA como los no relacionados con IA. La cohorte de clientes nativos de IA continúa creciendo y diversificándose rápidamente tanto en el número de clientes que atendemos como en la escala de esos clientes. En este trimestre, incluyendo nuevos acuerdos de terreno con 2 de los equipos de investigación de IA más grandes del mundo, ayudándoles a mejorar y optimizar sus flujos de trabajo de entrenamiento. Hablaré más sobre eso en un momento. Aún más impresionante fue el crecimiento de nuestros clientes que no son de IA. El crecimiento de los ingresos de clientes no-IA volvió a acelerarse en este trimestre hasta mediados del 20% interanual, frente al 23% del trimestre pasado y el 19% del trimestre del año anterior. Creemos que esto es una señal de una migración a la nube sólida y continua, una mayor adopción de nuestros productos, y que los clientes están acelerando todo tipo de usos de IA. Por último, la rotación ha permanecido baja, con la retención bruta de ingresos estable en los 90 y pico, lo que destaca el carácter misión-crítico de nuestra plataforma para nuestros clientes. En cuanto a nuestro desempeño financiero del primer trimestre y métricas clave. Los ingresos fueron de 9,1 mil millones de dólares, un aumento del 32% interanual y por encima del extremo alto de nuestro rango de guía. Cerramos el primer trimestre con aproximadamente 33.200 clientes, frente a alrededor de 3.500 un año antes. También terminamos con aproximadamente 4.550 clientes con un ARR de 100.000 dólares o más, frente a alrededor de 3.770 un año antes. Estos clientes generaron aproximadamente el 90% de nuestro ARR. Y generamos flujo de caja libre de 289 millones de dólares, con un margen de flujo de caja libre del 29%. Pasando a la adopción de producto. Nuestra estrategia de plataforma sigue resonando en el mercado. Por ejemplo, el 56% de nuestros clientes ahora utiliza 4 o más productos, frente al 51% hace un año.El 35% de nuestros clientes usó 6 o más productos, lo que supone un aumento frente al 28% del año anterior, y el 20% de nuestros clientes utiliza 8 o más productos, frente al 13% del año anterior. Así que estamos conociendo a más clientes y aportando valor en más productos. Y nuestro negocio sigue creciendo. Nuestro ARR total ahora supera los 4.000 millones de dólares, y nuestros ingresos trimestrales superaron los 1.000 millones de dólares por primera vez. Este es un gran logro para todos nosotros en Datadog y es el resultado de años de inversión en construir e innovar para nuestros clientes. Pero todavía estamos empezando. De nuestros 26 productos, 5 superan los 100 millones de dólares en ARR y otros 3 están entre 50 y 100 millones de dólares en ARR. Estamos trabajando duro para impulsar y aportar más crecimiento en esos productos. Y esto deja 18 otros productos, que están más temprano en sus ciclos de vida. Creemos que cada uno tiene potencial para crecer hasta más de 100 millones de dólares con el tiempo. Pasemos a I+D. Nuestros ingenieros habilitados con las últimas herramientas de codificación con IA están construyendo rápidamente para ayudar a nuestros clientes a implementar sus aplicaciones con confianza y de forma segura. Así que permítanme hablar de algunos de los lanzamientos de productos de este trimestre. Empecemos con IA. Como recordatorio, estamos hablando de nuestros esfuerzos de IA en 2 grupos: IA para Datadog y Datadog para IA. Entonces primero, IA para Datadog. Estos son productos y capacidades de IA que hacen que la plataforma de Datadog sea mejor y más útil para nuestros clientes. En marzo, lanzamos nuestro servidor MCP para disponibilidad general. Con el servidor MCP, los desarrolladores acceden a datos de producción en vivo para depurar sus aplicaciones directamente en su agente de codificación con IA o en su IDE. Entregamos este agente de seguridad de IA, que clasifica de forma autónoma las señales de Datadog Cloud SIEM, realiza investigaciones en profundidad sobre posibles amenazas y ofrece recomendaciones accionables. Hemos visto que el agente de seguridad de Bits AI reduce investigaciones que podrían tardar horas hasta tan solo 30 segundos. También enviamos Bit Assistant ahora en vista previa, que ayuda a los clientes a buscar y actuar en Datadog usando lenguaje natural [indiscernible] . Pasemos a Datadog para IA. Esto incluye capacidades de Datadog que aportan Observabilidad y seguridad de extremo a extremo a través de la pila de IA. Lanzamos la monitorización de GPU, que permite a los equipos entender la utilización del parque de GPU, la eficiencia de las cargas de trabajo, el comportamiento térmico y de energía y el rendimiento de la interconexión. Esto impulsa un mayor ROI de GPU y la fiabilidad operativa. Nuestros clientes siguen avanzando con sus actividades de IA, y podemos verlo en su uso de la plataforma de datos. Ahora tenemos más de 6.500 clientes enviando datos para 1 o más de las integraciones de IA. Aunque esto solo representa el 20% del total de clientes, ellos aportan aproximadamente el 80% de nuestro ARR. Y el uso de IA por parte de nuestros clientes dentro de esa plataforma sigue creciendo rápidamente. Las investigaciones del agente SRE se han más que duplicado de diciembre a marzo. El número de spans enviados a nuestro producto de Obeservability para LLM casi se triplicó trimestre a trimestre. El número de llamadas del servidor MCP de Datadog se cuadruplicó trimestre a trimestre y el número de mensajes de beef assistant aumentó por un factor de 1 en ese periodo. Si bien estamos construyendo de forma agresiva weed, también seguimos ampliando la plataforma de Datadog para responder a las necesidades cada vez más complejas de nuestros clientes. Hablemos de algunos de estos esfuerzos. El mes pasado lanzamos experimentos para disponibilidad general. Los experimentos funcionan en conjunto con nuestro producto de feature flagging y combinan métodos estadísticos de primera clase con una barrera de seguridad de obeservability en tiempo real entre alternativas, para que las empresas puedan probar el impacto, elegir entre alterbatives rápidamente y publicar con confianza. Además, nuestros clientes ahora se benefician de recomendaciones de APM analizando los datos de telemetría del monitoreo del rendimiento de aplicaciones, recomendaciones de monitoreo de lecturas, recomendaciones de profiler y de monitoreo de bases de datos. APM identifica automáticamente problemas de rendimiento y fiabilidad y, lo más importante, explica H2. Y anunciamos nuestros planes para lanzar nuestro próximo centro de datos en el Reino Unido.Vemos una gran oportunidad para atender a nuestros clientes británicos a medida que la adopción de la nube se acelera en industrias reguladas. Por último, nos complace haber recibido la certificación federal de alto nivel por parte del gobierno federal de EE. UU. Con esta certificación, ahora podemos avanzar con clientes de agencias federales que requieren FedRAMP High para gestionar cargas de trabajo sensibles. Mientras tanto, seguimos ampliando nuestra oferta de productos, los equipos de go-to-market y las asociaciones de canal para clientes del sector público, tanto en EE. UU. como a nivel internacional. Así que nuestros equipos volvieron a estar trabajando arduamente. Y esperamos compartir muchos productos nuevos y futuros anuncios en nuestra conferencia DASH el 9 y 10 de junio en la ciudad de Nueva York. Ahora pasemos a ventas y marketing y destaquemos algunos de los acuerdos que cerramos este trimestre. Primero, cerramos 2 acuerdos grandes: uno de siete cifras y otro de ocho cifras anualizado con las divisiones de investigación de IA en 2 de las mayores empresas tecnológicas del mundo. Estas organizaciones están construyendo y entrenando los modelos de IA más avanzados del mundo. Para ellas es fundamental reducir la fricción de ingeniería y aumentar la velocidad de ventas. Pero la fragmentación interna y el protocolo dificultan identificar y resolver problemas y reducir la productividad de ingeniería e investigación. Al usar Datadog, ambas compañías están acelerando su ciclo de innovación en sus cargas de trabajo de entrenamiento de IA a gran escala. Esto incluye optimizar sus flujos de trabajo con monitoreo de GPU en grandes GPUs de alto rendimiento. A continuación, firmamos una ampliación anualizada de siete cifras para un acuerdo anualizado de ocho cifras con una destacada plataforma de reclutamiento en línea. Este cliente se centra en centralizar en Datadog para reducir la complejidad, impulsar la velocidad del desarrollador y mejorar la eficiencia. Con esta ampliación, reemplazarán una herramienta independiente por Datadog LLM Observability para correlacionar señales de LLM con datos de APM y experiencia del usuario. Este cliente crecerá hasta 16 productos de Datadog, incluidos Datadog y CP server. Después, firmamos una ampliación anualizada de siete cifras para un acuerdo anualizado de ocho cifras con un banco Fortune 500. Con esta ampliación, este cliente migrará el resto de los datos de logs a Datadog, reemplazando por completo a su proveedor heredado de logs. Lo más notable es que nuestros Flex logs les brindan un control granular de los costos mientras cumplen requisitos estrictos de cumplimiento. Este cliente usa 10 productos de Datadog, incluidos Bits AI [indiscernible] para acelerar la respuesta a incidentes con IA. A continuación, firmamos una expansión analizada anualizada de siete cifras con un destacado fondo global de cobertura. Este cliente opera miles de dispositivos host y de red en sus instalaciones. A esa escala, su pila de monitoreo de código abierto se ha vuelto operativamente inviable y no sostenible, afectando a los gestores de cartera y a los analistas de inversiones. Con esta expansión, reemplazarán toda su capa de observabilidad en sus instalaciones por el monitoreo de infraestructura de Datadog y el monitoreo de dispositivos de red, y tendrán visibilidad unificada en su entorno en la nube y en sus instalaciones. Este cliente ampliará hasta 11 productos de Datadog. Después, cerramos un acuerdo anualizado de seis cifras con una compañía de seguros Fortune 500. La pila fragmentada de observabilidad de esta empresa provocó largas interrupciones, con incidentes atendidos primero por sus clientes en lugar de por su conjunto de herramientas. Al usar Datadog y consolidar 3 herramientas heredadas de APM, esperan pasar de respuestas reactivas a una detección proactiva de incidentes. Adoptarán 10 productos de Datadog para empezar, incluyendo los tres pilares en LLM adorability. A continuación, firmamos una expansión anualizada de siete años con uno de los grupos de viajes más grandes del mundo en APAC. Este cliente usaba Datadog en una unidad de negocio, pero en otras dos, gestionaban varias herramientas y carecían de información accionable. Al consolidar 6 herramientas heredadas de monitoreo de código abierto y de monitoreo en la nube, los clientes ahorran dinero y mejoran la resiliencia y el rendimiento de la plataforma. Este compromiso plurianual posiciona a Datadog como proveedor estratégico de observabilidad. Y por último, cerramos un acuerdo anualizado de seis cifras con una destacada empresa fintech latinoamericana.Este cliente atiende a decenas de millones de usuarios en flujos financieros críticos. Su crecimiento acelerado superó la configuración fragmentada de monitoreo del front-end y las interrupciones los expusieron a riesgos financieros, operativos y de reputación. Al adoptar nuestra plataforma de monitoreo de la experiencia digital, que incluye RUM, Synthetics y analíticas de producto, ahora tienen visibilidad total de la actividad de nuestros usuarios con el control de costos, lo cual, anteriormente, ellos también realizaban. Este cliente comenzará con 5 productos de Datadog. Y eso es todo en cuanto a nuestras victorias. Felicitaciones de nuevo a toda nuestra organización de go-to-market por la mejora de Q1. Antes de pasarlo a David para una revisión financiera, quiero decir unas palabras sobre nuestra perspectiva a más largo plazo. Nos complace la forma en que empezamos 2026, ya que apoyamos a nuestros clientes en la inflexión en el uso de la IA y el desarrollo de aplicaciones, y mientras se apoyan en nuestras innovaciones de IA, incluyendo Bits AI SRE Agent, Bits AI Security analyst Bits Assistant, el servidor de IT de Datadog, el monitoreo de GPU y muchas más. No hay cambios en nuestra visión general de que la transformación digital y la migración a la nube son impulsores seculares de crecimiento a largo plazo para nuestro negocio. Pero ahora contamos con un impulsor de crecimiento secular adicional con la IA, ya que ayudamos a nuestros clientes a ofrecer más valor con esta nueva tecnología transformadora. Ahora más que nunca, sentimos que estamos idealmente posicionados para ayudar a clientes de todo tamaño y de todos los sectores, así como a todo tipo de usuarios, ya sean humanos o agentes de IA, para que puedan transformarse, innovar y generar valor a través de la adopción de la IA y la nube. Y con eso, se lo paso a nuestro CFO, David. David Obstler: Gracias, Olivier. Este fue un trimestre muy sólido para Datadog. Nuestros ingresos de Q1 fueron de 1.01 mil millones de dólares, un 32% más interanual. Nuestro crecimiento de ingresos secuencial del 6% trimestre contra trimestre es el más alto para un Q1 y desde 2022. Y el incremento de ingresos de 53 millones de dólares trimestre contra trimestre fue el más alto jamás para un Q1. Esto incluyó el trimestre más fuerte de crecimiento secuencial del uso de clientes existentes desde el primer trimestre de 2022. También logramos un récord histórico en ARR agregado de forma secuencial al trimestre. El crecimiento del ARR se aceleró en cada mes de Q1, y vemos la continuación de estas tendencias de crecimiento saludables en abril. También logramos un sólido desempeño en reservas para nuevas marcas. Las reservas anualizadas de nuevas logos establecieron un nuevo récord histórico con una diferencia significativa y más del doble frente al trimestre del año anterior. Estos incluyeron victorias en observabilidad e incluyeron algunos de nuestros productos más nuevos, como security, data observability y Flex logs. Y el tamaño de acuerdo promedio de nuevos logos también estableció un récord y más del doble año tras año, mientras seguimos cerrando acuerdos más grandes. El crecimiento de los ingresos se aceleró con nuestra amplia base de clientes, excluyendo a los nativos de IA, hacia cifras de mediados de los 20 por ciento año contra año, frente al 23% del trimestre pasado y el 19% del trimestre del año anterior. Vimos un crecimiento sólido en toda nuestra base de clientes, con fortaleza generalizada en el tamaño de los clientes, los niveles de gasto y las industrias. Mientras tanto, el crecimiento de nuestros clientes nativos de IA continúa superando significativamente al resto del negocio. Este grupo sigue diversificándose y creciendo, incluyendo 22 clientes que gastan más de 1 millón de dólares anualmente, y cinco que gastan más de 10 millones de dólares anualmente. Este grupo incluye a las principales empresas en modelos fundacionales, herramientas cogen y soluciones de IA específicas por vertical. A continuación, con respecto a nuestras métricas de retención. Nuestro porcentaje de retención neta de ingresos de los últimos 12 meses estuvo en niveles bajos de 120%, frente a aproximadamente 120 el trimestre pasado, y nuestro porcentaje de retención bruta de ingresos de los últimos 12 meses se mantiene en los niveles medios a altos de 90. Ahora pasemos a nuestros resultados financieros. Las facturaciones fueron de 1.03 mil millones de dólares, un 37% más interanual, y las obligaciones de desempeño restantes, o RPO, fueron de 3.48 mil millones de dólares, un 51% más interanual, con el RPO actual creciendo en niveles medios de los 40 por ciento año contra año. La duración del RPO aumentó año contra año a medida que en Q1 aumentó la proporción de acuerdos multianuales. Como recordatorio, seguimos creyendo que los ingresos son un mejor indicador de las tendencias de nuestro negocio que las facturaciones y el RPO, dadas su variabilidad. Ahora repasemos algunos de los resultados clave del estado de resultados. A menos que se indique lo contrario, todas las métricas no-GAAP; hemos proporcionado una conciliación de GAAP a estados financieros no-GAAP en nuestro comunicado de resultados. Primero, la utilidad bruta del Q1 fue de $807 millones, con un margen bruto de 80.2%. Esto se compara con un margen bruto de 81.4% el trimestre pasado y 80.3% en el trimestre del año anterior. Como hemos analizado en el pasado, nuestro margen bruto varía de un trimestre a otro con inversiones en innovaciones para nuestros clientes, compensadas por iniciativas de eficiencia. Nuestro OpEx del Q1 creció 31% año contra año frente a 29% el trimestre pasado y 29% en el trimestre del año anterior. Como recordatorio, seguimos aumentando nuestras inversiones para perseguir nuestras oportunidades de crecimiento a largo plazo, y este crecimiento del OpEx es una indicación de nuestra ejecución de los planes de contratación. El ingreso operativo del Q1 fue de $223 millones o un margen operativo del 22%, frente a 24% el trimestre pasado y 22% en el trimestre del año anterior. Pasemos al balance y a los estados de flujo de efectivo. Cerramos el trimestre con $4.8 mil millones en efectivo, equivalentes de efectivo y valores negociables. Nuestro flujo de efectivo de las operaciones fue de $335 millones en el trimestre. Después de considerar los gastos de capital y el software capitalizado, el flujo de efectivo libre fue de $289 millones y el margen de flujo de efectivo libre fue del 29%. Y ahora, nuestro panorama para el segundo trimestre y para el año fiscal 2026. Primero, nuestra filosofía de guía en general se mantiene sin cambios. Como recordatorio, basamos nuestra guía en las tendencias observadas en los meses recientes y aplicamos conservadurismo a estas tendencias de crecimiento. Además, como en el trimestre pasado, aplicamos un grado mayor de conservadurismo a nuestro mayor cliente. Así, para el segundo trimestre, esperamos que los ingresos estén en el rango de $1.07 mil millones a $1.08 mil millones, lo que representa un crecimiento del 29% al 31% año contra año. Esta guía implica un crecimiento secuencial de ingresos de $64 millones a $74 millones, o del 6% al 7%, debido al fuerte crecimiento de ingresos en el Q1 y hasta abril. Se espera que el ingreso operativo no-GAAP esté en el rango de $225 millones a $235 millones, lo que implica un margen operativo del 21% al 22%. Como recordatorio, en el Q2, celebraremos nuestra conferencia de usuarios de DASH, la cual estimamos que costará alrededor de $15 millones, monto que hemos reflejado en nuestra guía de ingreso operativo. Se espera que la utilidad neta por acción no-GAAP esté en $0.57 a $0.59 por acción, con base en aproximadamente 369 millones de acciones ordinarias diluidas ponderadas en promedio en circulación. Y para el año fiscal 2026, esperamos que los ingresos estén en el rango de $4.3 mil millones a $4.34 mil millones, lo que representa un crecimiento del 25% al 27% año contra año. Se espera que el ingreso operativo no-GAAP esté en el rango de $940 millones a $980 millones, lo que implica un margen operativo del 22% al 23%. Y se espera que la utilidad neta por acción no-GAAP esté en el rango de $2.36 a $2.44 -- $2.36 a $2.44 por acción, con base en aproximadamente 372 millones de acciones ordinarias diluidas ponderadas en promedio en circulación. Por último, algunas notas adicionales sobre la guía. Esperamos que el interés neto y otros ingresos para el año fiscal 2026 sean aproximadamente de $170 millones. Esperamos que los impuestos en efectivo para 2026 sean aproximadamente de $30 millones a $40 millones. Seguimos aplicando una tasa impositiva no-GAAP del 21% para 2026 y en adelante. Y esperamos que los gastos de capital y el software capitalizado, en conjunto, sean del 4% al 5% de los ingresos en el año fiscal 2026. Para resumir, estamos muy satisfechos con nuestra ejecución en el Q1. Estamos bien posicionados para ayudar a nuestros clientes actuales y potenciales con sus trayectorias de migración a la nube, transformación digital y adopción de IA. Y quiero agradecer a todo el equipo global de Datadog por sus esfuerzos. Con eso, abriremos la llamada para preguntas. Operador, empecemos con la sección de preguntas y respuestas. Gracias. Operador: [Instrucciones del operador] Nuestra primera pregunta de hoy proviene de la línea de Mark Murphy de JPMorgan. Mark Murphy: Felicitaciones por un desempeño excelente. Olivier, ¿hay alguna forma de conceptualizar el crecimiento en el volumen bruto y puro de código que se está produciendo en el mundo hoy debido a la adopción de generadores de código como Quad code y Codex y cursor, porque parece que están desarrollando la capacidad de abordar proyectos completos y algunos de los gráficos están mostrando que estas capacidades están explotando exponencialmente hacia arriba, en línea recta? Me pregunto qué parte de ese código está pasando a producción y, por tanto, impulsando la actividad de Datadog. Olivier Pomel: Bueno, definitivamente creemos y vemos que se están creando muchas más aplicaciones. Habrá mucha más complejidad en producción. Vemos que algo de eso ya está ocurriendo hoy. Algunas de esas nuevas aplicaciones están entrando en producción, están encontrando usuarios. Vemos algunas señales de eso en cada capa de nuestra plataforma. Citamos algunos datos sobre el aumento de los volúmenes de datos. Vemos productos de IA que definitivamente reflejan eso. Así que vemos un punto de inflexión en el consumo por parte de los clientes. Vemos un movimiento hacia producción que es muy real, y lo vemos tanto en empresas nativas de IA como en empresas que no son de IA. Mark Murphy: De acuerdo. Y como un seguimiento rápido relacionado. Si hacemos clic hacia abajo una capa, me pregunto cómo podrían ustedes ver el aumento de la heterogeneidad del entorno a nivel de silicio, porque: al mirar el Amazonas con Trinium y Graviton y Google con TVs, Microsoft ha lanzado el myosilicon. Parece que eso está empezando a explotar. En nuestra comprensión, intentar monitorear el entorno mixto es mucho más difícil que si solo tuvieras una flota uniforme de chips Intel y AMD, y seguimos escuchando que las herramientas tradicionales de monitoreo realmente fallan con el silicio personalizado, y que Datadog lo maneja bien. Y luego toda esta nueva telemetría, incluida la memoria de alto ancho de banda y ese tipo de cosas. ¿Podrían hablar de si esta tendencia les está dando algún viento de cola? Olivier Pomel: Sí. Es decir, la idea general del mercado más amplio que es interesante aquí es que, si es sobre entrenamiento, antes entrenar era algo que solo 2 o 3 empresas hacían, o quizá 4, 5 a gran escala. Y parece que el entrenamiento podría democratizarse bastante más, y muchas empresas entrenarán modelos de forma regular. Entonces se convierte en una categoría más viable para los proveedores de servicios: venderle a proveedores como nosotros básicamente. Creo que la heterogeneidad del silicio es definitivamente una tendencia que juega a nuestro favor. Cuanto más heterogéneo, más necesitas que alguien más tenga sentido de todo para ti y lo integre, y también integrar lo que no es de GPU con el resto de la infraestructura, y la aplicación, y los usuarios, y los desarrolladores, prácticamente todo lo que hacemos. Solo—cuando piensas en quién tiene realmente hoy un entorno heterogéneo—todavía es un número muy pequeño de empresas. Google apenas empezó a vender sus TPUs al exterior. Así que creo que todavía es un número pequeño de empresas, pero vemos una oportunidad creciente allí. Curiosamente, el año pasado, cuando informamos resultados, dijimos que principalmente nos interesan las cargas de inferencia y que el entrenamiento aún no es un mercado real para nosotros. Ahora, en realidad, vemos que el entrenamiento se está convirtiendo en un mercado. Empezamos a dar soporte a clientes que en realidad son hiperescaladores que tienen toda una gama de tecnologías propias, y que nos usan específicamente en sus laboratorios de superinteligencia para ayudarlos a monitorear sus cargas de trabajo, acelerar las ejecuciones de entrenamiento y monitorear también las GPU. Así que vemos esto como un punto de validación de que va a haber un encaje para nosotros. Mark Murphy: Eso es asombroso de pensar que hay toda una necesidad que mencionar, si pueden pasar de la inferencia al lado del entrenamiento. Y me fijé en la referencia en las declaraciones preparadas sobre cómo lograron aterrizar un par de esos laboratorios muy grandes. Felicitaciones por todo. Operator: Y nuestra próxima pregunta vendrá de la línea de Sanjit Singh de Morgan Stanley. Sanjit Singh: Quiero separarme con David con esta guía para empezar el año; probablemente sea lo mejor que hemos visto en varios años. David, y dejamos claras bastante bien las suposiciones subyacentes. Solo quería hacer una comprobación de cordura sobre ese tipo de panorama macro general: sí, tenemos algunas tensiones geopolíticas y ese tipo de cosas cuando pensamos en ello. Tu negocio de base en Oriente Medio y cualquier impacto, por ejemplo, en tu negocio de comercio electrónico o de retail, donde podría haber impactos en el consumo discrecional. Quiero entender cómo estás pensando esas partes del negocio. Y luego tuve un seguimiento para Oli. David Obstler: Sí. Tuvimos un trimestre muy fuerte en todos los frentes. Fue un trimestre de tipo multiindustria y multigeografía, y las pymes (SMB) fueron especialmente fuertes. Y eso—la fuente de nuestras previsiones y de nuestras subidas—está en el centro de ese tipo de desempeño. Todavía no hemos visto un efecto particular en los negocios de consumo ni en los de comercio electrónico. Básicamente, seguimos viendo una continuación de tendencias en esos negocios: viajes y cosas similares. Eso es muy parecido a lo que ocurre en la otra industria. Así que todavía no lo hemos visto. Obviamente lo vigilamos y miramos las analíticas, pero no lo hemos visto. En términos de nuestras previsiones generales, las tendencias que tenemos en orgánico, el descuento en general, y creo que mencionamos el tratamiento específico de nuestro cliente más grande. Sanjit Singh: Eso está muy claro. Y luego, Olivier, para ti. Creo que—cuando hablamos con inversores sobre el debate en esta categoría a más largo plazo, se trata de cómo se ve la categoría cuando los agentes hacen la triajeación y la investigación, versus cuando intervienen ingenieros humanos y equipos SRE humanos. Entonces—¿cuál es tu visión de cómo evoluciona eso para Datadog, tanto desde el punto de vista del producto y de la experiencia, desde la perspectiva de la UI, pero también si habrá modalidades inmunes en cuanto a la fijación de precios cuando los agentes consuman la plataforma de Datadog en un grado mayor que los ingenieros hoy? Olivier Pomel: Sí. Miren, creo que una cosa que diría es que es difícil saber dónde estaremos en 4 o 5 años. Si me hubieras dicho hace 2 años que la mayoría de los ingenieros volverían a programar en la consola, no lo habría creído. Y aun así, esa es una de las modalidades ganadoras hoy. En cuanto a nosotros, no nos importa si la mayor parte del uso es de humanos o si la mayor parte del uso son agentes. Nuestro modelo de negocio se presta a hacerlo bastante bien: es un modelo basado en el uso; no importa realmente de dónde provenga ese uso, desde esa perspectiva. Lo que vemos en las tendencias ahora mismo es que vemos tanto un aumento estratosférico del uso de agentes. Tenemos muchísimo uso en nuestro servidor MCP. Vemos que los clientes están invirtiendo para automatizar mucho con su propio agente usando nuestra combinación de agentes. Pero también vemos un aumento del uso de la interfaz web por parte de humanos. Así que, en este momento, esas dos cosas trabajan de la mano y seguimos desarrollando y potenciando esos frentes. Operador: La siguiente pregunta viene de la línea de Raimo Lenschow de Barclays. Raimo Lenschow: Una para Olivier y otra para David. Olivier, si te escucho en tus comentarios preparados, hay mucha consolidación que la gente intenta hacer con herramientas de código abierto y luego se da cuenta de que necesitaba ir a ustedes y volver. Por otro lado, en la industria todavía hay mucho ruido alrededor de ese nivel. ¿Cómo lo ves en la vida real? Para mí, parece que la opción de flexibilidad es algo muy candente. Y luego hay diferentes categorías donde usas ciertos elementos—ciertos proveedores y algunos de código abierto—¿puedes hablar de lo que ves en la vida real allí? Olivier Pomel: Quiero decir, en la vida real, la mayoría de las empresas tiene código abierto en alguna medida en algún lugar. Cuando se trata de tener una plataforma que unifica todo, que atiende y lo que sea, y que resuelve más problemas por ti, normalmente es eso lo que usan nuestros clientes.Y el movimiento que vemos prácticamente en todas partes: estos clientes tienen 4 o 6, 7, 15 y 25 cosas diferentes, y diferentes “bolsillos” dentro de la organización, y diferentes unidades de negocio, y es una masa enorme. Y acuden a nosotros; ellos pueden unificar todo eso. Obtienen mejores resultados porque todos los datos están en un solo lugar; los flujos de trabajo se pueden automatizar desde el principio hasta el final. [indescifrable] puede lograr visibilidad de extremo a extremo; no tienen puntos ciegos. Y además ahorran dinero porque no tienen todos esos “bolsillos” de ineficiencia por todas partes. Así que es una victoria para todos. Lo que también es interesante en particular este trimestre es que también aterrizamos algunas partes grandes de los hiperescaladores. Y los hiperescaladores típicamente tienen una cultura de construir todo por sí mismos. Y ciertamente tienen el balance y el capital humano para respaldar parte de ese desarrollo. Como si alguna vez hubiera un conjunto de empresas para las que tendría sentido hacerlo ellas mismas, y nosotros lo hacemos con esas empresas. Y sin embargo, vemos que tienen el mismo problema. Cuando se trata de ir tan rápido como puedan, ser tan eficientes como puedan con sus recursos, como ellos acuden a nosotros para reemplazar algunas de las cosas que estamos usando antes. David Obstler: Dos cosas, 2 métricas para fijarse en eso para que se vean los puntos que Oli, está haciendo: si observas la adopción de nuestra plataforma, y ves tanto el crecimiento de las diferentes categorías como la extensión de las categorías a un montón de productos, eso te muestra que la consolidación en la plataforma de Datadog ha continuado, y hay una tendencia muy fuerte. Y una parte de eso son las soluciones de movimiento, como mencionó Oli, que son tanto de código abierto, pero también las soluciones de punto competitivo sobre la plataforma. Eso ha sido un impulsor significativo del crecimiento de los ingresos durante algún tiempo, y esa tendencia continuó, ciertamente, en el primer trimestre. Raimo Lenschow: Está bien. Perfecto. Y luego, David, para ti: el año pasado invertimos mucho en go-to-market, especialmente en la capacidad de ventas. Si piensas ahora en la categoría no relacionada con la IA que lo está haciendo mejor, ¿cuánto de eso es como la gente como las migraciones a la nube de nuevo? O sea, eso sería como una tendencia de la industria, y cuánto de eso es como que ustedes realmente estén más posicionados de forma más amplia? David Obstler: Sí. Es una serie de cosas; incluyendo una es la expansión de la plataforma, la consolidación, el exitoso aumento de la capacidad de ventas, que, si bien no pone en riesgo la productividad, ha resultado en un aumento del ARR y también en un buen entorno. Y creo que es lo que dijimos la última vez: hay varios factores. Y ciertamente, lo que estamos demostrando aquí es que las inversiones que hemos hecho en go-to-market y que seguimos haciendo están dando sus frutos, y estamos tomando la decisión correcta. Oli, ¿algo que añadir? Olivier Pomel: Sí. Y mira, al final del día, claramente hay algunos vientos favorables del mercado con la adopción de la IA y, pero también, estamos superando a todos nuestros competidores a escala, y estamos ganando participación. Y eso se relaciona con la plataforma estructural con la que nos expandimos con nuevos productos: cómo estos productos maduran y empiezan a ganar en sus categorías respectivas, y también con la manera en que hemos logrado crecer la capacidad de SES. David Obstler: Ciertamente, la tendencia de involucramiento con la IA ha ayudado. Estamos intentando hacer una separación de eso. Así que — y la inversión en IA probablemente también está ayudando en general. Pero cuando lo quitas de verdad, todavía — ves una aceleración muy marcada aquí. Y eso se debe a los factores que mencioné y de los que habló Oli. Operador: Nuestra siguiente pregunta viene de la línea de Gabriela Borges de Goldman Sachs. Gabriela Borges: Olivier, me parecen tan interesantes tus comentarios sobre entrenamiento versus inferencia. Quizá solo concretar para nosotros: ¿por qué crees que la oportunidad de entrenamiento está ocurriendo ahora o se está invirtiendo ahora? Y luego tenía una [indescifrable] para ti, para David: ¿cómo deberíamos pensar en la tasa de “attach” entre el entrenamiento y la inferencia de la observabilidad?¿Hay alguna forma de comparar el gasto en observabilidad como porcentaje del gasto en inferencia? ¿Ese número cambia con los nuevos datos que están viendo también en el sitio de entrenamiento? Olivier Pomel: En el lado del entrenamiento, el entrenamiento era algo muy nuevo hace un par de años. Era algo que solo hacían muy pocas empresas, y de alguna manera era muy artesanal; no era una carga de trabajo de producción. Era algo que los investigadores estaban construyendo, y que era muy puntual y continuo de formas específicas. Y ahora se está convirtiendo en producción. Se está convirtiendo en algo que muchas más empresas están haciendo. Se está escalando por órdenes de magnitud, y se está convirtiendo en algo que tiene que estar todo el tiempo; cada minuto que se pierde es o bien cada semana que les das a todos los que están entrenando alrededor, se la entregas a la competencia. Y como resultado, se vuelve mucho más interesante para un mercado como el de una empresa como la nuestra. Vemos algunas señales de eso. Otra vez, no teníamos mucho de eso. No vimos mucho el año pasado. Ahora, de repente, empezamos a ver bastante actividad allí y demanda, y luego tenemos éxito al concretar con clientes grandes con esos productos. David Obstler: Sí. Creo que yendo atrás a las métricas de las que habló Oli en términos de attach, dijimos que 6.500 clientes usan nuestras integraciones y que el 20% de los clientes y el 80% del ARR. Así que hay attach. Creo que para el entrenamiento son días más tempranos. Eso parece que va a ser un contribuyente. Pero yo diría que eso es temprano, y en este punto miraría el attach más grande como evidencia de inferencia, aunque también algo de entrenamiento. Operator: Nuestra siguiente pregunta proviene de la línea de Karl Keirstead, de UBS. Karl Keirstead: De acuerdo. Genial. Quisiera comenzar con Olivier y David, felicitarlos a ustedes y al equipo por alcanzar ese hito de 1.000 millones de dólares, bien hecho. David, tal vez la pregunta sea para ti y enfocarnos específicamente en la guía de 2T. Incluso si superaran con modestia esa guía, será por un orden de magnitud, el mayor aumento secuencial en dólares que yo creo que haya en la historia de la compañía. Y solo quería desglosar qué les da esa confianza. Y, en particular, ¿hay algo interesante que destacar, David, sobre la rampa de un par de los laboratorios de investigación más grandes? Uno de ellos se renovó con ustedes en el cuarto trimestre, otro acaba de aterrizar. Presumo que están rampando bien en 2T, pero me encantaría cualquier detalle. David Obstler: Sí. Déjame desglosarlo de un par de maneras. Como sabes, nuestro modelo es de ingresos recurrentes. Entonces, el indicador más grande a corto plazo del próximo trimestre es el crecimiento del ARR en el trimestre anterior. Y cuando dijimos que teníamos un récord. Entonces, esencialmente, en la base de esto está el avance del ARR que ya hemos firmado. El incremento de ARR fue muy amplio y no estuvo muy concentrado. Entonces, aunque señalamos algunas adiciones muy significativas, diría que la del primer trimestre, ese incremento de ARR estuvo realmente diversificado, provenía de muchos lugares diferentes. Entonces: — y creo que Oli intervendrá aquí, pero la confianza que tenemos es que tú tienes razón; esencialmente tomamos lo que ya tenemos. Descontamos las tendencias de crecimiento que hemos visto. Y eso produce exactamente lo que tú dijiste: que, cualesquiera que sean tus supuestos para superar, es un desempeño secuencial realmente impresionante debido a lo que pasó en el 1T y a la tasa de acumulación del negocio de Datadog. Oli, ¿quieres añadir algo? Olivier Pomel: Sí. Quiero decir, si quieres profundizar en lo que David acaba de decir, los aumentos que tenemos son amplios. O sea, miren, cuando miras por qué tuvimos un gran 1T, también conseguimos clientes en el 4T. Lo habíamos comentado hace un trimestre. Pero incluso si quitas al cliente al que llegamos en el 4T, que fue el que más ingresos aportó en el 1T, todavía tuvimos un trimestre récord en términos de incremento de ARR. Así que esto realmente se basa en una base amplia. Y aterrizamos algunos clientes adicionales en el 1T que todavía no contribuyen ingresos, pero esperamos que sean contribuyentes importantes en el futuro.Entonces, cuando juntas todo eso, nos sentimos muy seguros de cara al 2T, de ahí los números que habéis visto. Operadora: Y nuestra próxima pregunta llegará desde la línea de Fatima Boolani de Citi. Fatima Boolani: Oli, quería volver atrás sobre una pregunta que se hizo antes con respecto a los volúmenes de telemetría, esencialmente en modo parabólico, y a que estás accediendo a una demanda completamente nueva en el ámbito de la formación y la monitorización y la observación del entorno del modelo de entrenamiento dentro de algunos de los laboratorios fronterizos más grandes del mundo. Y así quería preguntarte por los cambios estructurales en la intensidad de capital del negocio. Quiero decir, tus niveles de CapEx siguen siendo bastante respetables y bastante moderados. Así que quería entender mejor qué tipo de esfuerzos de ingeniería extrínsecos o intrínsecos estás realizando para mantener un marco de CapEx muy eficiente a pesar de que parece que eso aumentaría debido al torrente de telemetría que estamos viendo en la plataforma. Y luego, como asunto relacionado, hemos visto un aumento de los requisitos de datos soberanos y de residencia de datos que van cobrando impulso a medida que los modelos de IA avanzan hacia el terreno de la seguridad nacional y cosas de ese estilo. Así que solo me preguntaba si podrías hablar de alguna forma sobre el impulso de ingeniería interno que estás aprovechando para mantener un control muy ajustado sobre la intensidad de capital y, francamente, sobre tus márgenes brutos. Olivier Pomel: Sí. Quiero decir, mira, las inversiones que estamos haciendo ahora mismo: tú… ejecutamos la mayor parte de nuestras cargas de trabajo en la nube, lo que significa que verás todo eso en OpEx, no en CapEx. Por eso tenemos un CapEx bajo. Si cambia, os lo diremos; por ejemplo, si por algún motivo decidimos hacer ciertos tipos de inversiones y parte de ellas con más anticipación o más en CapEx, os lo diremos, pero ese no es el caso hoy. Definitivamente estamos intensificando nuestras inversiones, en particular en I+D y en la escala de los modelos; entrenamos nosotros mismos y cosas así. Pero ahora mismo, no hay nada que realmente puedas ver en los números que mueva alguna aguja; pero si eso cambia, también os lo diremos. No esperamos ningún cambio en [indescernible]. Eso es del lado del CapEx. Somos negocios muy distintos en ese sentido del laboratorio de IA. Sobre el tema de la residencia de datos y la soberanía de la IA y cosas así. Definitivamente vemos más impulso para eso, más demanda en la base de clientes. Y para nosotros, eso significa inversión en áreas: una es desplegar en más geografías y contar con más certificaciones para vender al sector público y al nivel más alto del sector público. Así que hoy mencionamos el centro de datos en el Reino Unido, por ejemplo, y nuestra certificación [indescernible]; no nos detenemos ahí en términos de la certificación; vamos tras venderle al gobierno. Esa es un área de inversión. Otra área de inversión es llevarte a productos en la nube, y donde podamos ejecutar efectivamente en la infraestructura de nuestros clientes. Y así anunciamos algunos productos allí; y tenemos una inversión fuerte en ese aspecto. Así podemos apoyar a los clientes que quieren operar de una manera ligeramente separada del resto de la base de clientes. Operadora: Y nuestra próxima pregunta proviene de la línea de Curt de Evercore. Analista desconocido: Felicitaciones, buen inicio. Oli, me preguntaba si podrías compartir algunas ideas sobre la idea de la seguridad para los agentes. Creo que uno de los grandes problemas, en términos de llevar agentes a producción, es precisamente el aspecto de seguridad. ¿Y cómo ves que Datadog encaje en esa oportunidad? Y luego, una rápida para David: Felicitaciones por haber alcanzado un hito con FedRAMP. ¿Están en su lugar las relaciones con socios para aprovechar esto? Me doy cuenta de que será una oportunidad a largo plazo, pero solo me intriga qué tan bien establecido están allí para empezar a ver posibles reservas en ese ámbito. Olivier Pomel: Sí. Sobre la seguridad de los agentes, interferimos con eso de 2 maneras. Así que, en primer lugar, los agentes lo construirán por nosotros, porque estamos construyendo mucha automatización dentro de nuestros productos para nuestros clientes y agentes que identifican automáticamente, pero que también resuelven problemas sin que tengas que hacer nada. Y es que—hay mucho de eso que tiene que ver con entender qué permisos aplicar, qué tipo de barreras de seguridad aplicar, qué tipo de interfaz con los humanos y cómo hacer que sea confiable y visible de la manera correcta. Y, así, en realidad, es bastante la totalidad de las superficies del producto durante el trabajo con datos. La automatización en sí ya puede funcionar. Así que debes esperar oír más al respecto en nuestra conferencia. Sin duda, esta es una gran área de inversión para nosotros. En lo relativo a la seguridad de nuestros agentes. Mira, creemos en las medidas de seguridad que necesitas integrar; no puedes tener soluciones puntuales que analicen un solo fragmento del panorama general de seguridad. Necesitas verlo todo en conjunto. Y esa es una de las áreas que también estamos cubriendo con nuestros esfuerzos de seguridad. Así que eso forma parte de la acción de toda la plataforma. David Obstler: Sobre el FedRAMP, hemos estado trabajando tanto en las distintas certificaciones como, al mismo tiempo, invirtiendo en la función de go-to-market, tanto en lo que respecta a los representantes como a los socios de canal durante varios años. Ciertamente, queda más inversión por hacer, pero invertimos por delante de las certificaciones porque, en este sector, construir el pipeline, etc., lleva tiempo. Y ciertamente, las relaciones con los socios de canal son una parte muy importante de esto. Y hemos estado invirtiendo, pero también tenemos que seguir invirtiendo. Operador: Nuestra próxima pregunta llega desde la línea de Patrick Colville de Scotiabank. Patrick Edwin Colville: Supongo que, Olivier y David, ustedes son muy deliberados en su mensajería en las declaraciones preparadas. Y supongo que quiero comprobar el tipo de redacción de uno de los comentarios. Creo, David, que tenías un mayor grado de conservadurismo con el cliente más grande. ¿Creí oí que era así? ¿Y el mayor grado de conservadurismo se refiere frente a los otros grupos de clientes? ¿O se refiere a su filosofía de guía frente a su orientación en trimestres anteriores con respecto a este cliente? David Obstler: Es para ambas cosas. Es la misma guía que usamos y lo estamos dejando muy claro. Para todos los negocios, excepto para los clientes más grandes, siempre hemos tomado en cuenta los impulsores y hemos aplicado descuentos. Nosotros—para este cliente en particular, aplicamos un mayor grado de conservadurismo que en el otro segmento de la base de clientes, y le aplicamos más descuento. Y, creo, en los comentarios y tal como lo interpretas correctamente, hemos sido muy explícitos y tienes razón. Olivier Pomel: No le daría tanto peso a una palabra específica. Deliberamos, pero no tanto. De manera similar, tanto David como yo tenemos hoy una voz algo oxidada, pero hay un hombre. David Obstler: Pero recordaré a todos que no cambiamos. Así que, si la pregunta también, creo que tú la planteaste, es si cambiamos. O si es una metodología diferente tanto del cliente en general como del cliente grande: la guía del trimestre pasado o el anterior. La respuesta es no. Es la misma metodología y es la que hemos tenido. Así que no hay cambio, pero eso es lo que hemos estado haciendo siempre. Patrick Edwin Colville: De acuerdo. Y Olivier, ¿puedo preguntar sobre sus comentarios acerca de los hiperescaladores? Porque me pareció particularmente interesante. Y la razón es que no creo que los mencionaras antes, y son tan prevalentes en el stack tecnológico moderno. A su punto, ellos podrían hacerlo por sí mismos. Entonces, supongo que, ¿cómo los están usando Datadog? ¿Es para una observabilidad más tradicional? ¿O es para estas áreas más nuevas como el monitoreo de GPU, que Datadog ha realizado tan bien últimamente? Olivier Pomel: Bueno, en realidad es para ambas. Cuando observas, en general, a los grandes clientes de IA, usan Datadog del modo en que otras empresas usan en gran medida un conjunto bastante amplio de nuestros productos para cubrir el circuito completo de responsabilidad. Lo que es nuevo es que ahora tenemos un producto para monitorizar la GPU.Es un producto muy nuevo. Y vemos que los hiperescaladores que vienen a nosotros, en particular, para cargas de trabajo de capacitación, están muy interesados en eso. Así que, una vez más, es demasiado pronto en el ciclo de vida del producto y en el ciclo de vida del cliente para que estos clientes específicos logren una victoria definitiva allí, pero lo vemos como una señal muy alentadora de hacia dónde podría ir el mercado en el futuro. Creemos que esto podría ser un indicio de lo que las próximas 10, 100, 500 empresas que van a comenzar a capacitar cargas de trabajo querrán hacer. Tenemos algunas señales que van más allá de los clientes que firmamos este trimestre y que apuntan en esa dirección. Operator: Y nuestra siguiente pregunta proviene de la línea de Peter Weed de Bernstein Research. Peter Weed: Y haré eco de otros sobre el impulso. Es genial ver Una de, creo, las grandes victorias de las que hablaste fue lograr que un par de los laboratorios de IA de los hiperescaladores llegaran. Aunque, por otro lado, creo que en el pasado has dicho que los hiperescaladores normalmente construyen observabilidad en casa. Entonces, ¿qué es realmente lo que hace que las cargas de trabajo de IA sean más atractivas para que usen Datadog? ¿Y qué podría darte confianza de que Datadog podría ser más persistente con ellos en este tipo de cargas de trabajo? Eso sería una señal de cómo podrían usar Datadog otros clientes en relación con la IA, diferenciada de las cosas que podrían incorporar internamente en otros ámbitos? Olivier Pomel: Para todos nuestros clientes en diciembre, es alto riesgo, alta complejidad y no es parte del núcleo. Tienen que estar en la mayor medida de lo que los diferencia. Van a tener margen para llegar tarde, y es un trabajo realmente difícil hacerlo. Así que eso es en lo que construimos todo nuestro negocio, y también es muy cierto para — a nivel más alto para las empresas más grandes. Peter Weed: Sí. No, solo iba a decir eso. Pero supongo que el punto es que has enfatizado que esos clientes más grandes han podido incorporarlo internamente en algunas otras cosas. ¿Hay algo único sobre la IA que les impide hacerlo aquí? Olivier Pomel: Bueno, creo que la urgencia de sus esfuerzos de desarrollo centra las minas. Eso es lo que diría. Yo diría que te obliga a determinar qué es lo esencial y qué no es esencial, y qué es — con quién quieres llegar — a lo que necesitas hacer para maximizar tus posibilidades de éxito. Y, nuevamente, es el mismo razonamiento que tienen todos nuestros clientes todo el tiempo. Creo que la ecuación para los hiperescaladores a menudo ha sido decir algo diferente porque tienen, llamémoslo, acceso ilimitado al personal. Y establecen sus propios horizontes de tiempo para los desarrollos que querían hacer. Creo que la situación es un poco diferente con las ARRs, quizá. Operator: La línea de Gregg Moskowitz de Mizuho. Gregg Moskowitz: Y añadiré mis felicitaciones por un trimestre excelente. Solo una para mí. Oli, sé que todavía no es GA, pero me intriga si tienes algún comentario inicial sobre tu nueva oferta de cloud prem. Como señalaste antes, ofrecer la capacidad de potato para ejecutarse en la infraestructura del cliente. ¿Podría ser esto otra oportunidad más de crecimiento incremental para Datadog? ¿Cuáles son tus expectativas para esto? Olivier Pomel: Bueno, definitivamente, creemos que — creo que hubo una pregunta antes sobre la residencia de datos y el hecho de dejar el entorno de los clientes. Ahí vemos una gran oportunidad. Es una posibilidad que una parte importante del mercado tome este camino en el futuro. Hoy, no es la parte más grande del mercado, pero definitivamente vemos un potencial para eso. Así que estamos invirtiendo mucho en ese tipo de producto. Estamos intentando ver tracción interesante por parte de clientes allí. Entonces pensamos que esto puede ser otro impulsor de crecimiento de manera diferente. También pensamos que puede ayudarnos a entrar en cargas de trabajo extremadamente grandes donde los clientes no habrían considerado antes una oferta SaaS, donde podemos estar en la contienda. Eso es muy emocionante. Está bien. Y creo que esa fue nuestra última pregunta. Así que quiero agradecerles a todos por asistir a la llamada.Y te recuerdo que nuestra conferencia es dentro de poco más de un mes, y espero ver a muchos de ustedes allí. Así que gracias a todos. Operador: Esto concluye el programa de hoy. Pueden desconectarse todos.