Transform 2025: Waarom observability cruciaal is voor AI-agentecosystemen

De revolutionaire opkomst van autonome software staat voor de deur. Tijdens Transform 2025 spraken Ashan Willy, CEO van New Relic, en Sam Witteveen, CEO en medeoprichter van Red Dragon AI, over hoe zij agentische systemen instrumenteren voor meetbare ROI en de infrastructuurroutekaart uitstippelen om agentische AI te maximaliseren.

New Relic biedt klanten observability door in real-time applicatie-, log- en infrastructuurtelemetrie vast te leggen en te correleren. Observability gaat verder dan monitoring; het gaat erom teams te voorzien van de context en inzichten die nodig zijn om complexe systemen te begrijpen, problemen op te lossen en te optimaliseren, zelfs in het licht van onverwachte problemen. Tegenwoordig is dit een aanzienlijk complexere onderneming, nu generatieve en agentische AI in het spel zijn. De observability van het bedrijf omvat nu het monitoren van alles, van Nvidia NIM, DeepSeek, tot ChatGPT — het gebruik van hun AI-monitoring is met ongeveer 30% gestegen ten opzichte van het voorgaande kwartaal, wat de versnelde adoptie weerspiegelt.

“Een ander aspect dat we zien, is een enorme diversiteit aan modellen,” zei Willy. “Bedrijven begonnen met GPT, maar ze beginnen nu een heel scala aan modellen te gebruiken. We hebben een stijging van ongeveer 92% gezien in de variëteit aan modellen die worden gebruikt. En we beginnen te zien dat bedrijven meer modellen adopteren. De vraag is, hoe meet je de effectiviteit?”

Observability in een agentische wereld

Met andere woorden, hoe evolueert observability? Dat is een grote vraag. De gebruikscases variëren enorm tussen industrieën, en de functionaliteit is fundamenteel verschillend voor elk individueel bedrijf, afhankelijk van grootte en doelstellingen. Een financiële instelling kan zich richten op het maximaliseren van EBITDA-marges, terwijl een productgericht bedrijf de snelheid naar de markt meet, samen met kwaliteitscontrole.

Toen New Relic in 2008 werd opgericht, lag het zwaartepunt van observability op applicatiemonitoring voor SaaS, mobiel en uiteindelijk cloudinfrastructuur. De opkomst van AI en agentische AI brengt observability terug naar applicaties, terwijl agents, micro-agents en nano-agents draaien en AI-geschreven code produceren.

AI voor observability

Naarmate het aantal diensten en microservices toeneemt, vooral voor digitaal native organisaties, wordt de cognitieve belasting voor elke mens die verantwoordelijk is voor observability-taken overweldigend. Natuurlijk kan AI daarbij helpen, zegt Willy.

“De manier waarop het gaat werken is dat je genoeg informatie hebt zodat je in een coöperatieve modus kunt werken,” legde hij uit. “De belofte van agents in observability is om een deel van die automatische workloads te realiseren. Dat zal het toegankelijker maken voor meer mensen.”

Enkele platformagentische observability

Een enkel platform voor observability maakt gebruik van de agentische wereld. Agents automatiseren workflows, maar ze vormen ook diepe integraties in het hele ecosysteem, over alle verschillende tools die een organisatie in gebruik heeft, zoals Harness, GitHub, ServiceNow enzovoort. Met agentische AI kunnen ontwikkelaars worden gewaarschuwd over wat er gebeurt met codefouten overal in het ecosysteem en deze onmiddellijk verhelpen, zonder hun ontwikkelplatform te verlaten.

Met andere woorden, als er een probleem is met code die is gedeployed in GitHub, kan een observability-platform dat door agents wordt aangedreven, dit detecteren, bepalen hoe het kan worden opgelost, en vervolgens de engineer waarschuwen — of het proces volledig automatiseren.

“Onze agent bekijkt in wezen elk stuk informatie dat we op ons platform hebben,” zei Willy. “Dat kan alles zijn van hoe de applicatie presteert, hoe de onderliggende Azure- of AWS-structuur presteert — alles wat we relevant achten voor die code-deployment. We noemen het agentische vaardigheden. We vertrouwen niet op een derde partij om API's enzovoort te begrijpen.”

In GitHub bijvoorbeeld, laten ze een ontwikkelaar weten wanneer de code goed draait, waar fouten worden afgehandeld, of zelfs wanneer een software rollback nodig is, en automatiseren vervolgens die rollback, met goedkeuring van de ontwikkelaar.

Vertaald met ChatGPT gpt-4o-mini