Moderne systemen genereren meer telemetrie en data dan ooit tevoren, maar die toename heeft teams niet sneller of productiever gemaakt. Integendeel, het tegenovergestelde gebeurt. Gefragmenteerde telemetrie en stijgende opslagkosten met als gevolg vertraagde inzichten maken het steeds moeilijker om te begrijpen wat er gebeurt en om op het juiste moment actie te ondernemen. Naarmate systemen dynamischer en sneller worden, krijgen teams steeds vaker te maken met versnipperde telemetrie. Het kost meer tijd om te achterhalen wat er mis is gegaan en nog meer tijd om het probleem op te lossen. Tegelijkertijd blijven de kosten voor het opslaan en verwerken van al deze telemetrie en data stijgen.
Steeds meer organisaties realiseren zich dat een andere aanpak nodig is. In plaats van achteraf analyses uit te voeren, zoeken zij naar manieren om vanaf het begin intelligentie in hun systemen te integreren. Hierdoor wordt de telemetrie waarop zij vertrouwen relevanter en kan deze sneller en eenvoudiger worden vertaald naar concrete acties.
De werkelijke kosten van slechte telemetrie en datakwaliteit
Het probleem is niet dat organisaties te weinig telemetrie of data verzamelen, maar dat zij onvoldoende beschikken over kwalitatief hoogwaardige signalen. Nu AI steeds verder wordt geïntegreerd in softwareontwikkeling en operationele processen, neemt het belang van betrouwbare observability-telemetrie toe. Wanneer telemetrie zonder filtering wordt verzameld, raken teams al snel meer tijd kwijt aan het beheren van gegevens dan aan het benutten van de inzichten die daaruit voortkomen.
Een deel van de uitdaging wordt veroorzaakt door gefragmenteerde telemetrie. Omdat verschillende tools en agents signalen op uiteenlopende manieren vastleggen, moeten teams tijdens incidenten eerst gegevens samenbrengen en interpreteren. Dit vertraagt de respons terwijl de impact op de organisatie toeneemt.
Daarna volgt het financiële aspect. Het verwerken en opslaan van grote hoeveelheden telemetrie en data is kostbaar en die kosten blijven stijgen. Organisaties besteden een aanzienlijk deel van hun middelen aan het verwerken en opslaan van gegevens die vooral ruis toevoegen in plaats van waardevolle inzichten opleveren. Dit is geen technologisch probleem, het is een kwestie van het verbeteren van telemetrie- en datakwaliteit. Hoe langer dit wordt genegeerd, hoe groter het probleem wordt.
Intelligentie eerder in het proces integreren
Door intelligentie eerder in de keten te integreren, kan telemetrie worden gefilterd, verrijkt en gerouteerd voordat deze downstream-systemen bereikt. Steeds meer organisaties zetten deze aanpak in om fragmentatie te voorkomen en oplopende kosten te verminderen. Door relevante telemetrie in realtime te verwerken en alleen waardevolle signalen door te sturen, nemen datavolumes af, dalen de kosten en verbetert de kwaliteit van de beschikbare inzichten.
Deze aanpak wordt op grote schaal steeds beter haalbaar dankzij open standaarden zoals OpenTelemetry. Daarmee kunnen organisaties telemetrie op een consistente manier verzamelen en verwerken over verschillende omgevingen heen, zonder afhankelijk te zijn van één leverancier of toolset. Vooral in complexe, gedistribueerde IT-landschappen zorgt dit ervoor dat organisaties data uit uiteenlopende cloud-, beveiligings- en opslagplatformen kunnen combineren. Tegelijkertijd ontstaat een toekomstbestendige basis die kan meegroeien met veranderende IT-omgevingen.
Wat dit betekent voor AI-gestuurde systemen en besluiten
AI-systemen zijn slechts zo effectief als de telemetrie en data waarop zij vertrouwen. Om betrouwbare inzichten te genereren en processen te automatiseren, zijn zij afhankelijk van nauwkeurige en contextrijke signalen. Onvolledige of vervuilde telemetrie leidt niet alleen tot vertragingen, maar ook tot minder betrouwbare inzichten. Naarmate AI een grotere rol speelt in geautomatiseerde besluitvorming, wordt de kwaliteit van telemetrie daarom steeds belangrijker.
Een ander aspect dat vaak over het hoofd wordt gezien, is vertrouwen. Teams die verantwoordelijk zijn voor geautomatiseerde systemen moeten kunnen uitleggen wat er is gebeurd en waarom deze systemen bepaalde beslissingen nemen op het gebied van prestaties of beveiliging. Wanneer de informatie waarop die keuzes zijn gebaseerd inconsistent is, wordt dat bijzonder moeilijk.
Dit speelt bovendien veel breder dan alleen binnen technische teams. Van senior management en bestuurders wordt steeds vaker verwacht dat zij AI-gedreven beslissingen ondersteunen. Dat gesprek verloopt aanzienlijk eenvoudiger wanneer de telemetrie en data achter de inzichten geloofwaardig en betrouwbaar zijn.
Ook de operationele voordelen zijn duidelijk zichtbaar. Teams kunnen sneller werken wanneer zij niet voortdurend worstelen met inconsistente telemetrie en data. Zij besteden minder tijd aan handmatig onderzoek, signaleren problemen eerder en kunnen met meer vertrouwen automatiseren. Een sterke basis van telemetrie en data, gecombineerd met een uniform en contextgestuurd platform, verbetert niet alleen de dagelijkse operatie, maar vergroot op termijn ook het succes van de AI-mogelijkheden waarin organisaties investeren.
Beginnen bij de basis
Om sneller te kunnen innoveren en meer waarde te leveren aan klanten, moeten organisaties beschikken over de juiste telemetrie, op het juiste moment. Het goede nieuws is dat hiervoor geen volledige herstart nodig is; het gaat om het maken van de juiste keuzes vroeg in de levenscyclus.
Door intelligentie eerder in die levenscyclus te integreren, kunnen teams ervoor zorgen dat de telemetrie die naar hun observabilityplatforms stroomt vanaf het begin schaalbaar is. De organisaties die uiteindelijk winnen, zijn niet degenen met de meeste telemetrie, maar degenen met de beste telemetrie; gevormd bij de bron en klaar om direct tot actie aan te zetten.
Lees ook: Dynatrace Intelligence brengt Autonomous Operations stap dichterbij