Bernd Greifeneder, fundador y CTO de Dynatrace, dio a conocer seis tendencias en observabilidad para 2026.

Predicción 1: La IA agéntica marca una nueva era de complejidad en los sistemas

La IA agéntica está introduciendo un nuevo nivel de interacción en los sistemas. Es más poderosa, pero exponencialmente más difícil de gestionar. A medida que los agentes coordinan tareas, intercambian contexto y desencadenan acciones posteriores, incluso los entornos digitales bien diseñados pueden caer en una espiral de comportamientos impredecibles. La mayoría de las organizaciones no están preparadas para este cambio. Sin una observabilidad sólida y una gobernanza coherente, estos sistemas serán cada vez más difíciles de comprender y controlar.

Piense en cada agente de IA actuando de forma autónoma basándose en instrucciones y aportaciones no solo de humanos, sino también de numerosos agentes propios y ajenos. Una sola interacción con un cliente puede desencadenar cientos de conversaciones en segundo plano entre los agentes, cada uno de los cuales toma su propia iniciativa. Las funciones cambian en función de la situación, y algunos agentes pueden dar instrucciones a otros.

Las organizaciones que adopten la IA agéntica sin un contexto unificado y unas barreras de protección claras se enfrentarán a un aumento de los costos, a un comportamiento impredecible y a un mayor riesgo. El reto ya no consiste en mejorar los modelos individuales, sino en gestionar la red de interacciones autónomas que se desarrollan en tiempo real. En esta siguiente fase, la observabilidad ya no es una función de apoyo, sino que se convierte en la base de ecosistemas agénticos seguros, escalables y gobernables.

Predicción 2: El camino hacia la autonomía comienza con una madurez operativa probada

Las empresas darán pasos significativos hacia las operaciones autónomas. La IA no puede actuar de forma independiente hasta que los sistemas, la automatización y los procesos sean estables, observables y bien comprendidos. Los sistemas agénticos están llegando, pero primero hay que sentar unas bases sólidas. Las primeras etapas de la automatización son esenciales, ya que sacan a la luz las deficiencias en el acceso a los datos, el rendimiento de los servicios y las señales contextuales de las que depende la IA. Solo cuando esos componentes sean fiables y estén disponibles en tiempo real se consolidarán las operaciones supervisadas y autónomas.

La mayoría de las empresas seguirán una progresión: comenzarán con operaciones preventivas, en las que la IA detecta y aborda los problemas rutinarios antes de que causen impacto. A continuación, implementarán la automatización guiada, en la que la IA propone acciones y los humanos supervisan cada paso o decisión de la IA. Solo después de ganarse la confianza mediante resultados repetibles y auditables surgirá la autonomía total, con la IA operando dentro de unos límites y escalando solo cuando sea necesario.

El camino hacia operaciones totalmente autónomas será gradual. Las organizaciones que inviertan ahora en flujos de trabajo preventivos y automatización basada en recomendaciones estarán en la mejor posición para introducir capacidades autónomas de forma segura y responsable.

Predicción 3: La resiliencia se convierte en el nuevo punto de referencia para la excelencia operativa

La resiliencia se convertirá en la medida determinante del rendimiento digital. A medida que los sistemas se vuelven más distribuidos e interconectados, las pequeñas fallas pueden propagarse rápidamente por las aplicaciones, las regiones de la nube, los sistemas de pago y los servicios de terceros. Los líderes no tratarán la confiabilidad, la disponibilidad, la seguridad y la observabilidad como prácticas separadas. Las considerarán como un único requisito: la capacidad de un sistema para absorber las interrupciones, recuperarse rápidamente y mantener una experiencia de cliente coherente en situaciones de estrés.

Los ecosistemas digitales se han vuelto frágiles y lo rápido de las fallas técnicas se convierten en trastornos para los clientes y pérdidas financieras. Un solo problema en el servicio puede propagarse por todos los sistemas y canales conectados, lo que demuestra lo estrechamente vinculadas que están las operaciones modernas.

Este entorno requiere un enfoque unificado de la resiliencia. Las organizaciones necesitan una visibilidad compartida sobre cómo se comportan los servicios, cómo se propagan las fallas y cómo afecta la recuperación a la experiencia del cliente. La resiliencia se medirá por cómo responden los sistemas bajo estrés, no solo por cómo funcionan cuando los servicios digitales funcionan según lo previsto.

Predicción 4: La confiabilidad se convierte en la base del progreso de la IA

 Las organizaciones darán prioridad a la creación de bases que hagan que los sistemas de IA sean consistentemente confiables. La siguiente fase del progreso de la IA dependerá tanto de una base determinista y señales fácticas como del poder generativo de los modelos estocásticos. Las empresas están reconociendo que la creatividad por sí sola no es suficiente. Una IA confiable requiere tanto entradas estructuradas como mecanismos que garanticen que los resultados sigan siendo fiables.

Los sistemas agénticos añaden una nueva capa de complejidad. A medida que los agentes coordinan tareas, intercambian contexto e inician acciones posteriores, incluso un pequeño malentendido puede propagarse por todo el sistema. Una mayor capacidad amplifica este efecto, ya que un agente potente puede acelerar los resultados, pero también acelerar los errores. La base determinista y la observabilidad de extremo a extremo evitan esa imprecisión al garantizar que los agentes actúen sobre las mismas señales fácticas y sigan siendo responsables ante el operador humano.

Las organizaciones que desean resultados de IA transparentes y confiables darán prioridad a las barreras de seguridad deterministas, lo que permitirá a los sistemas agénticos comportarse de forma segura, actuar de manera predecible y colaborar con claridad.

Predicción 5: La colaboración entre humanos y máquinas como motor de crecimiento

El próximo año, el crecimiento de la IA agéntica dará lugar a un nuevo modelo operativo en el que los humanos definirán los objetivos y la IA se encargará de ejecutarlos. A medida que los sistemas adquieran más contexto y sean capaces de coordinar sus acciones, el papel de los humanos pasará de realizar tareas a marcar la dirección, dar instrucciones y garantizar la supervisión. Las organizaciones confiarán en la IA para analizar relaciones, identificar riesgos e iniciar acciones seguras, mientras que los humanos seguirán siendo responsables de los resultados y del juicio entre dominios.

Cuando a la IA agéntica proporcionen objetivos claros, buenas herramientas, instrucciones y el contexto adecuado, ofrecerá resultados a una velocidad que los equipos difícilmente pueden igualar de forma manual. Sin embargo, seguirá necesitando orientación. Los humanos definirán el objetivo, interpretarán las compensaciones y tomarán decisiones cuando la intención no esté clara o los resultados sean ambiguos. Si algo sale mal, la responsabilidad recaerá en el operador humano, no en el sistema. Este modelo operativo ayudará a los equipos a gestionar la complejidad de forma más predecible. La IA se encargará de las tareas repetitivas o urgentes, y los humanos se centrarán en las decisiones estratégicas y en la comprensión a nivel de sistema.

Predicción 6: Convergencia de los equipos de IA y nube

La IA dejará de funcionar como una disciplina aislada y se convertirá en un componente habitual del suministro de software nativo de la nube. Los equipos integrarán la IA en los servicios digitales del mismo modo que integran las bases de datos u otros sistemas centrales. Como resultado, la ingeniería de IA, la ingeniería de nube, la SRE y la seguridad convergerán en un modelo operativo compartido con procesos comunes, SLO compartidos y una responsabilidad unificada para todo el ciclo de vida de los servicios habilitados por IA.

Este cambio refleja el comportamiento actual del software moderno. Las funciones de IA influyen en costos, latencia, comportamiento y el cumplimiento normativo, y estos efectos abarcan todo el stack.  La observabilidad integral se vuelve esencial porque lo que importa es el resultado completo para el usuario. Las indicaciones que reciben los agentes, las acciones que realizan, las llamadas a la base de datos que activan y los costos en los que incurren contribuyen a la experiencia general del usuario. La observabilidad debe seguir todas estas señales en conjunto y tratar los componentes de IA, la lógica de las aplicaciones y la infraestructura en la nube como un único sistema interconectado.

Las organizaciones que adopten este modelo tratarán la IA como un componente de software de primera clase. Los equipos centrales definirán los casos de uso, establecerán stacks comunes y garantizarán el cumplimiento, mientras que los equipos de producto integrarán la IA directamente en sus procesos de entrega. Esta convergencia práctica permitirá a las empresas operar servicios basados en IA con la misma disciplina y previsibilidad que cualquier otro sistema nativo de la nube.