A Dynatrace anunciou a conclusão da aquisição da Arize em uma transação avaliada em 915 milhões de dólares, após anunciar sua intenção de realizar o negócio em meados de agosto. A operação combina a experiência da Dynatrace no monitoramento do desempenho de aplicações, da infraestrutura e da segurança com as capacidades da Arize de rastrear e avaliar o comportamento de modelos e agentes de inteligência artificial e corrigir seus problemas.
A transação responde a um problema que as ferramentas tradicionais de monitoramento, por si só, não revelam: os serviços e a infraestrutura podem funcionar corretamente, enquanto o agente fornece uma resposta errada, chama a ferramenta inadequada ou não consegue concluir a tarefa. Por isso, as equipes de desenvolvimento e operações precisam conectar o que acontece dentro do modelo e do agente ao que ocorre nas interfaces de programação e nos serviços dos quais eles dependem.
Duas camadas de visibilidade operacional
A Dynatrace foi fundada na Áustria em 2005 e evoluiu do monitoramento do desempenho de aplicações para o monitoramento abrangente e a segurança. Desde 2017, a empresa também investe no Davis, seu assistente baseado em inteligência artificial, que posteriormente evoluiu para um mecanismo de análise de causa raiz, além de recursos preditivos e generativos e agentes de SRE para investigar e resolver incidentes.
A Arize, que saiu do modo sigiloso em 2020, começou como uma startup de monitoramento de modelos de aprendizado de máquina em produção. Depois, ampliou seu escopo com a disseminação dos grandes modelos de linguagem e dos agentes, passando a incluir o rastreamento de seu comportamento, a realização de avaliações e a identificação de falhas que podem não aparecer no monitoramento tradicional de aplicações.
Na prática, a Dynatrace normalmente atende equipes de confiabilidade de sites e plataformas, enquanto a Arize se concentra em engenheiros de inteligência artificial e desenvolvedores. Após a integração das plataformas, será possível investigar a falha de um agente por meio das duas camadas: a lógica do modelo e o uso das ferramentas, de um lado, e os serviços e as interfaces de programação subjacentes, de outro.
Da leitura dos dados à tomada de ação
Aparna Dhinakaran, cofundadora e diretora de produtos da Arize, considera que o volume de dados de rastreamento torna a análise manual impraticável. Em vez de pedir aos engenheiros que revisem bilhões de rastros, os agentes podem analisar dados de telemetria e procurar padrões recorrentes e possíveis causas.
A Arize afirma que a ferramenta Signal revisa rastros de produção, identifica problemas recorrentes e sugere correções. Ela também pode abrir solicitações de mesclagem por meio da análise dos rastros do assistente Alyx; segundo Dhinakaran, a Arize aceita cerca de 65% a 70% das solicitações de mesclagem sugeridas pela ferramenta. Nesse modelo, o engenheiro deixa de procurar manualmente nos rastros e passa a revisar as alterações propostas.
O que muda na prática?
O principal valor da transação está em reduzir a lacuna entre criar aplicações de inteligência artificial e operá-las de forma confiável em produção. Desenvolvedores e equipes de plataforma poderão conectar a resposta ou a decisão do agente à cadeia de serviços que ele utilizou, em vez de lidar com cada camada por meio de uma ferramenta separada.
Mas essa tendência não elimina a necessidade de controles. A fonte esclarece que a visão de longo prazo é a de um software capaz de fazer sua própria manutenção e melhorar a si mesmo, com os humanos mantendo a revisão final. Além disso, a taxa de aceitação das solicitações de mesclagem mencionada diz respeito à experiência da Arize e a uma ferramenta específica, e não comprova que a correção autônoma seja adequada para todo ambiente de produção. As questões relacionadas a permissões, à segurança das alterações e aos limites das ações que o agente pode executar continuam sendo fatores decisivos antes de transformar a análise automatizada em uma modificação direta nos sistemas.