Splunk מרחיבה את יכולות ה-Observability כדי לשמור עין על ה-AI

בכנס השנתי של Splunk בבוסטון, החברה הדגישה כי ל-AI יש כיום תפקיד כפול באופרציות ארגוניות: גם מנוע להאצת פתרון תקלות וגם יעד לניטור מוקפד. ההכרזה כוללת יכולות agentic חדשות שמזהות גורמי שורש ומציעות תיקון, לצד לוחות מחוונים שמנטרים ביצועים, אמינות ועלויות של סוכני AI ומודלים.

בצד של AI for observability, Splunk משלבת סוכני AI לתוך Splunk Observability Cloud ו-Splunk AppDynamics, המנתחים אירועים בזמן אמת, מסכמים הקשרים וממליצים על פעולה. Event iQ ב-Splunk IT Service Intelligence (ITSI) מאגד הצפות התראות לקבוצות בעלות משמעות, ו-ITSI Episode Summarization מספק תקצירים תמציתיים על טרנדים, השפעה פוטנציאלית וגורמי שורש — במטרה לקצר מעבר מזיהוי לפתרון.

מימי שלש, יועצת Observability ב-Splunk, תיארה כיצד תרחישים כמו “rage clicking” באתרי e-commerce, שבעבר חייבו שעות חקירה ידנית ורב-צוותית כדי לאתר למשל מפתח API פגום בשירות תשלומים, הופכים כעת לאיתור אוטומטי מיידי, כולל הצעת rollback לגרסה התקולה. לדבריה, התוצאה היא חיסכון תפעולי, שמירה על הכנסות וחוויית עבודה טובה יותר למהנדסים.

שלש הצביעה גם על “tool sprawl” כאתגר מרכזי: ריבוי כלים נקודתיים יוצר סיילוים ועיוורון. יכולות agentic וניסוח בשפה טבעית מפחיתים את התלות בשפות שאילתות ייעודיות (SPL, SignalFlow), ומנגישים אנליטיקה מתקדמת גם לצוותים בתחילת מסע ה-observability.

בצד של observability for AI, Splunk מרחיבה את הניטור לערימת ה-AI עצמה: החל מתשתיות ו-GPU ועד איכות ועלות של מודלים וסוכנים. AI Agent Monitoring נותן שקיפות לאיכות מול עלות של LLMs וסוכני AI כדי לוודא ערך עסקי, ו-AI Infrastructure Monitoring מזהה צווארי בקבוק וקפיצות צריכה כדי לבלום עלויות עוד לפני שהן מתנפחות. שלש סיפרה על לקוח פיננסי שחווה חשבון GPU בן שבע ספרות בעקבות אוטומציה עם סוכני AI — מקרה שלדבריה היה נמנע עם ניטור מוקדם על ביצועים ועלויות.

חאו יאנג, סמנכ"ל AI ב-Splunk, הדגיש כי ארגונים אינם יכולים להסתמך על “קופסאות שחורות”. Observability מקנה שכבת אמון: יכולת לתקף עלויות, להתחקות אחר החלטות ולהבטיח ביצועים — תנאי בסיסי להטמעת AI בקנה מידה.

קרדיט צילום: K illustrator/Shutterstock