O lançamento do ChatGPT pela OpenAI em 2021 desencadeou uma onda de interesse empresarial no desenvolvimento de modelos e aplicativos de IA. A IA generativa tem o potencial de transformar empresas ao permitir que funcionários não técnicos trabalhem com dados por meio do verdadeiro processamento de linguagem natural, além de tornar especialistas técnicos mais eficientes ao automatizar tarefas repetitivas.
Para se beneficiar da IA generativa, os desenvolvedores precisam combinar os recursos de modelos públicos de grandes linguagens (LLMs), como ChatGPT e Google Gemini, ou modelos de linguagem menores desenvolvidos internamente com os dados proprietários de suas organizações. Isso permite que os desenvolvedores treinem modelos e aplicativos de IA que entendam suas organizações, respondendo a consultas sobre operações e assumindo tarefas como descoberta de dados e observabilidade de dados, anteriormente realizadas por engenheiros de dados e outros especialistas.
Inovações na Observabilidade de LLMs
Em resposta ao crescente interesse na IA generativa, o Grafana Labs desenvolveu um recurso que permite aos clientes rastrear o desempenho de LLMs, incluindo latência e custo. Esta ferramenta usa ferramentas de código aberto para observar LLMs e envia suas descobertas para o Grafana Cloud, onde elas podem ser visualizadas usando os recursos de observabilidade de IA do fornecedor.
Além disso, à medida que as empresas desenvolvem mais ferramentas de IA e aprendizado de máquina, o Grafana Labs trabalhou com a Nvidia para desenvolver uma ferramenta para observar experimentos de aprendizado de máquina, rastreando certas métricas de modelo e desenvolvendo recursos de monitoramento de GPU para ajudar os desenvolvedores a entenderem melhor suas cargas de trabalho.
Novos Recursos de Monitoramento e Análise
Novos recursos significativos revelados pelo Grafana Labs incluem Adaptive Logs e novos recursos de análise de causa raiz resultantes da aquisição da Asserts.ai pelo fornecedor em novembro de 2023.
Adaptive Logs
Os Logs Adaptáveis são uma ferramenta automatizada agora disponível para o público em geral que visa reduzir os custos de observabilidade identificando padrões de arquivos de log e criando recomendações personalizadas para que os usuários possam reter padrões importantes de arquivos de log e eliminar os desnecessários.
“O custo de ingestão, processamento e armazenamento de dados de telemetria é um dos maiores pontos problemáticos na observabilidade hoje”, disse Volk. “É emocionante ver o Grafana atacar esse desafio de frente, podando dados de telemetria com base em seu valor preditivo.”
Análise de Causa Raiz
Usando a tecnologia herdada com a aquisição da Asserts.ai, o Grafana Labs revelou um conjunto de ferramentas baseadas em IA e aprendizado de máquina que automatizam a detecção de anomalias em aplicativos e sistemas de infraestrutura e fornecem recomendações de solução de problemas.
“Esta … é uma capacidade essencial que ajuda as organizações a reduzir os custos operacionais ao focar no que realmente importa”, disse Volk. “Ao filtrar o ruído e trazer à tona insights acionáveis, os engenheiros podem resolver incidentes mais rapidamente, reduzindo o tempo de inatividade e melhorando a confiabilidade.”
Explore Apps: Simplificando a Observabilidade
Tom Wilkie, diretor de tecnologia da Grafana Labs, destacou os Explore Apps como uma adição importante à plataforma da Grafana Labs.
Interfaces de Usuário Pré-criadas
Os aplicativos Explore são interfaces de usuário pré-criadas que permitem aos usuários consultar dados sem precisar conhecer linguagens de consulta como PromQL, LogQL ou TraceQL.
Com o objetivo coletivo dos novos recursos de simplificar o uso da plataforma de observabilidade do Grafana Labs e ajudar novos usuários a começar a usá-la de forma rápida e fácil, os Explore Apps abordam diretamente a facilidade de uso.
Os primeiros Explore Apps foram Explore Metrics e Explore Logs. Agora, o Grafana Labs está adicionando Explore Traces e Explore Profiles, ambos em pré-visualização pública.
“Nossos aplicativos Explore são projetados para tornar a exploração e análise de dados mais acessíveis e fáceis de usar”, disse Wilkie. “Essas ferramentas ajudam os alunos juniores [site reliability engineers] e os desenvolvedores têm o mesmo desempenho de alguém com décadas de experiência. Acho que isso vai ajudar muitas equipes a resolver problemas mais rápido e, no geral, se tornarem mais eficientes.”
Outros Recursos Adicionais
Novos recursos adicionais do Grafana Labs — entre outros — incluem o seguinte:
- Cloud Provider Observability, agora disponível para o público em geral, para permitir que os usuários monitorem o uso da AWS, Google Cloud e Microsoft Azure.
- K6 Studio, uma ferramenta de criação de testes de baixo código/sem código que elimina a necessidade de scripts manuais em JavaScript para criar testes.
- Salas de incidentes para capturar e fornecer transcrições de chamadas em tempo real que incluem dados relacionados a incidentes quando ferramentas ou serviços não fornecem o resultado designado.
Embora o objetivo de muitos dos novos recursos seja simplificar a consulta e a análise de dados de observabilidade, o ímpeto para desenvolvê-los veio do feedback dos clientes em conjunto com as observações de mercado do Grafana Labs, de acordo com Wilkie.
Uma observação importante foi uma ênfase maior no controle de custos. Por exemplo, os Adaptive Logs estão entre as ferramentas que o fornecedor desenvolveu para ajudar os clientes a gerenciar seus gastos com TI.
“Sabemos que as empresas não podem simplesmente se livrar de sua pilha de observabilidade, por isso estamos tornando-a mais econômica para elas sem perder nenhuma funcionalidade”, disse Wilkie.
Planos Futuros do Grafana Labs
Assim como muitos dos novos recursos do Grafana Labs se concentram em tornar sua plataforma mais fácil de usar, o roteiro de curto prazo do fornecedor está focado em simplificar ainda mais a plataforma para atrair um público mais amplo de usuários, de acordo com Wilkie.
Após sua fundação em 2014, a Grafana Labs focou em painéis de código aberto que permitiam aos usuários visualizar dados de observabilidade de quase 200 fontes. Quatro anos depois, o fornecedor adicionou Loki, Tempo e Mimir à sua plataforma para oferecer recursos de observabilidade mais completos.
Agora, o objetivo do Grafana Labs é adicionar recursos como observabilidade de infraestrutura, testes de confiabilidade, gerenciamento de resposta a incidentes e observabilidade de aplicativos.
“Agora, estamos no Ato III, focados em levar nossas tecnologias de observabilidade para um público mainstream”, disse Wilkie. “É aí que vocês continuarão a ver muita inovação nossa nos próximos seis a 12 meses.”
Enquanto isso, Volk sugeriu que o Grafana Labs adicionasse mais recursos baseados em funções para permitir que usuários como desenvolvedores, administradores e especialistas em segurança colaborem enquanto detectam e resolvem problemas.
Além disso, o fornecedor poderia adicionar mais recursos de aprendizado de máquina para automatizar mais o processo de observabilidade, ele continuou.
“O Grafana precisa continuar a se esforçar para fornecer recursos específicos de função para detectar, otimizar e, eventualmente, abordar problemas automaticamente”, disse Volk. “A plataforma precisa… acumular e reter as lições aprendidas com a solução desses problemas como base para futuras resoluções automatizadas de problemas.”
Perguntas Frequentes
1. O que é IA generativa e como ela pode beneficiar as empresas?
A IA generativa é uma forma de inteligência artificial que pode criar conteúdo, como texto, imagens e áudio, com base em dados de entrada. Ela pode beneficiar as empresas ao permitir que funcionários não técnicos trabalhem com dados por meio do processamento de linguagem natural e ao automatizar tarefas repetitivas, tornando especialistas técnicos mais eficientes.
2. Quais são os novos recursos de observabilidade da Grafana Labs?
Os novos recursos de observabilidade da Grafana Labs incluem Adaptive Logs, que identificam padrões de arquivos de log e criam recomendações personalizadas para reduzir custos, e ferramentas baseadas em IA e aprendizado de máquina que automatizam a detecção de anomalias e fornecem recomendações de solução de problemas.
3. Como os Explore Apps do Grafana Labs facilitam a análise de dados?
Os Explore Apps do Grafana Labs são interfaces de usuário pré-criadas que permitem aos usuários consultar dados sem precisar conhecer linguagens de consulta complexas. Isso simplifica a exploração e análise de dados, tornando-as mais acessíveis para todos os níveis de usuários.
4. Quais são os planos futuros do Grafana Labs para sua plataforma?
O Grafana Labs planeja simplificar ainda mais sua plataforma para atrair um público mais amplo de usuários. Eles estão focados em adicionar recursos como observabilidade de infraestrutura, testes de confiabilidade, gerenciamento de resposta a incidentes e observabilidade de aplicativos.
5. Como a IA e o aprendizado de máquina podem automatizar o processo de observabilidade?
A IA e o aprendizado de máquina podem automatizar o processo de observabilidade ao detectar anomalias em aplicativos e sistemas de infraestrutura, fornecendo recomendações de solução de problemas e otimizando a gestão de custos de TI. Isso permite que as empresas se concentrem no que realmente importa e resolvam incidentes mais rapidamente.
Conclusão
A IA generativa e as novas ferramentas de observabilidade estão transformando a maneira como as empresas operam, permitindo que funcionários não técnicos trabalhem com dados e automatizando tarefas repetitivas. O Grafana Labs está na vanguarda dessas inovações, oferecendo recursos como Adaptive Logs, análise de causa raiz e Explore Apps para simplificar a análise de dados e reduzir custos. Com um foco contínuo em inovação e simplificação, o Grafana Labs está posicionado para atrair um público mais amplo e tornar a observabilidade de IA mais acessível e eficiente.
Saiba Mais! 
