29 okt. 2026
Het AI-moment voor observability
Al meer dan tien jaar houdt Palo Alto Networks zich bezig met de uitdagingen rondom observability, zelfs van vóór het moment dat deze term algemeen werd gebruikt. Van interne monitoring voor EC2 bij AWS tot het observability-platform voor Uber: het doel was altijd hetzelfde. Een oplossing creëren die niet alleen inzicht geeft via dashboards, maar ook automatisch problemen kan identificeren en kan helpen deze op te lossen.
De schaalbaarheid en kosten van cloud-native architecturen vormden daarbij lange tijd een belangrijke uitdaging. Met Chronosphere werd een basis gelegd om observability-data op grote schaal efficiënter te beheren.
Nu AI zich in hoog tempo ontwikkelt, ontstaat een nieuwe mogelijkheid. Zes maanden na de toetreding tot Palo Alto Networks wordt Cortex XCOR gelanceerd: een AI-native observability-platform dat automatisch de oorzaak van problemen kan achterhalen.
Observability opnieuw vormgeven voor de moderne SDLC
De ontwikkeling van generatieve AI heeft de afgelopen jaren grote stappen gezet. De eerste Large Language Models (LLM's) konden binnen observability vooral ondersteunen bij taken zoals het samenvatten van logs en het vertalen van queries. Inmiddels zijn modellen veel beter in staat om zelfstandig complexe problemen te analyseren.
Die ontwikkeling komt op een belangrijk moment. AI versnelt softwareontwikkeling, waardoor ook het aantal en tempo van code-releases toenemen. Volgens het door Palo Alto Networks aangehaalde onderzoek geeft 42% van de ontwikkelaars aan dat AI inmiddels minstens de helft van hun code schrijft, tegenover 12% een jaar eerder.
Voor development- en SRE-teams betekent dit dat het steeds belangrijker wordt om problemen snel te kunnen identificeren en de hoofdoorzaak ervan te vinden. Observability moet daarom meegroeien met de snelheid van AI-gedreven softwareontwikkeling.
Maak kennis met Cortex XCOR
Cortex XCOR is ontwikkeld om observability te verschuiven van statische dashboards en handmatige probleemoplossing naar een AI-first aanpak waarin zowel routinematige als complexe onderzoeken kunnen worden geautomatiseerd.
Centraal staat de XCOR Operator, een geïntegreerde AI-assistent die de intentie van de gebruiker begrijpt en toegang biedt tot gespecialiseerde AI-agents. Deze agents zijn gericht op verschillende werkzaamheden, zoals het onderzoeken van incidenten, optimaliseren van datavolumes en afstemmen van alerts en dashboards.
Een belangrijke rol is weggelegd voor AI SRE. Zodra een alert wordt geactiveerd, onderzoekt deze AI-agent zelfstandig het onderliggende probleem en doet aanbevelingen voor mogelijke oplossingen. Volgens Palo Alto Networks gebeurt dit gemiddeld binnen drie minuten. In complexe productieomgevingen behaalt de AI SRE een succespercentage van 75% bij het achterhalen van de hoofdoorzaak. Bij nog eens 19% van de incidenten werd de analyse als nuttig beoordeeld.
Volledig inzicht in de technologieomgeving
Voor geautomatiseerde analyse is een zo volledig mogelijke context nodig. Met de recente overname van Embrace combineert XCOR Real User Monitoring (XCOR RUM) en XCOR Synthetics met observability voor de backend en infrastructuur. Zo ontstaat één full-stack observability-platform.
XCOR Fabric voorziet de AI-agents daarbij van realtime context uit verschillende bronnen:
Knowledge Graph: een actueel model van infrastructuur, applicaties en bedrijfslogica.
Operational Memory: kennis en historische context uit eerdere incidentonderzoeken.
User Behavior: inzicht in de queries en dashboards die engineers tijdens probleemoplossing gebruiken.
Human Knowledge: informatie uit onder andere runbooks, documentatie en operationele bestanden.
Door deze informatie samen te brengen, kan XCOR sneller oorzaken analyseren en mogelijke herstelmaatregelen aanbevelen.
Observability optimaliseren en kosten beheersen
Naast automatisering speelt kostenbeheersing een belangrijke rol. Moderne cloud- en AI-native architecturen produceren grote hoeveelheden telemetriedata, waardoor de kosten van observability snel kunnen oplopen.
Volgens Palo Alto Networks helpt de technologie klanten hun datavolume gemiddeld met 89% te optimaliseren zonder daarbij zichtbaarheid op te offeren. XCOR combineert dit met verbruiksgebaseerde prijsmodellen en budgetten die zich automatisch aanpassen aan gebruikspatronen.
Met Cortex XCOR wil Palo Alto Networks observability daarmee verder brengen dan dashboards en handmatige troubleshooting. AI wordt ingezet om incidenten zelfstandig te onderzoeken, oorzaken te identificeren en herstelmaatregelen voor te stellen.
Dit is het AI-moment voor observability.
Wil je meer informatie over Palo Alto Networks of wens je een offerte? Neem dan contact op met Exclusive Networks.
Laatste blogs
Bekijk alle blogsAanbevolen
Blogs
Het AI-moment voor observability
Aanbevolen
Blogs
FortiAIGate beschermt en versnelt veilige AI-implementaties
Aanbevolen
Blogs
Wat is Unified SASE en waarom is het onmisbaar voor moderne organisaties?
Aanbevolen
Blogs
Datasoevereiniteit begint bij grip: niet alleen op databases, maar óók op data zelf
Aanbevolen
Blogs
Future-proof Secure Data Center and Networking Solutions – Nokia Seminar 16 april
Aanbevolen
Blogs
