Cortex XCOR: observabilidad con IA que investiga y recomienda

Palo Alto Networks ha presentado Cortex XCOR, una nueva plataforma de observabilidad impulsada por IA que promete transformar la forma en que los equipos de operaciones gestionan incidentes. En lugar de limitarse a mostrar dashboards, XCOR utiliza agentes de IA que investigan automáticamente la causa raíz y recomiendan acciones de mitigación. La noticia, publicada en The New Stack, destaca que esta tecnología podría liberar a los ingenieros de las tareas repetitivas y permitirles centrarse en trabajo estratégico.

La plataforma surge de la adquisición de Chronosphere por parte de Palo Alto Networks en enero, y ha sido desarrollada por el equipo de Chronosphere dentro de la compañía. Según Martin Mao, SVP y GM de observabilidad en Palo Alto Networks, el objetivo es claro: "No queremos seguir despertando a los ingenieros en mitad de la noche para que interpreten dashboards; de hecho, no queremos despertarlos en absoluto". XCOR apuesta por un modelo con humano en el bucle, pero permite ampliar los permisos de autonomía con el tiempo.

El fin del trabajo monótono con dashboards

Si herramientas como XCOR se generalizan, el rol del site reliability engineer (SRE) evolucionará más allá de la monitorización manual. Mao compara a los SRE con pilotos de avión: pueden confiar en el piloto automático en condiciones normales, pero necesitan un piloto experimentado cuando algo falla. Al automatizar la resolución de problemas, los SRE ganan tiempo para dedicarlo a trabajo arquitectónico más estratégico en lugar de apagar fuegos.

Un análisis de BairesDev citado en la noticia indica que el 42% de los desarrolladores afirma que la IA escribe al menos la mitad de su código, frente al 12% del año anterior. Este aumento en la velocidad de creación de código exige una supervisión centrada en la seguridad. XCOR Operator, un asistente de IA incluido en la oferta, ayuda a los equipos de operaciones a igualar ese ritmo con relevancia contextual.

De especificaciones predefinidas a modelos de razonamiento

Mao se mostró sorprendido por la capacidad de XCOR Operator para resolver problemas complejos más allá de sus expectativas iniciales. Esto le llevó a replantear el diseño de productos: en lugar de definir especificaciones rígidas, ahora se trata de dar a los modelos de razonamiento el acceso y las capacidades necesarias para que descubran por sí mismos los caminos hacia una solución.

En la actualidad, un usuario típico de una plataforma de observabilidad desempeña múltiples roles: investiga incidentes, ajusta alertas y dashboards, optimiza volúmenes de datos, etc. Con Cortex XCOR, cada uno de estos roles se refleja en agentes de IA especializados que completan flujos de trabajo de principio a fin.

Resultados y retos

Según el blog de Mao, el agente AI SRE se activa automáticamente cuando salta una alerta y razona de forma autónoma sobre los problemas subyacentes, recomendando acciones y mitigaciones en menos de tres minutos de media, con una tasa de éxito del 75% en el análisis de causa raíz en entornos de producción complejos. Además, en un 19% adicional de incidentes el análisis se consideró útil. En comparación, una respuesta manual puede tardar 20 minutos solo en localizar los problemas relevantes, recopilar el contexto inicial y encontrar al ingeniero de guardia adecuado.

"No queremos seguir despertando a los ingenieros en mitad de la noche para que interpreten dashboards; de hecho, no queremos despertarlos en absoluto".

Mao confirma que el tiempo de respuesta actual de menos de tres minutos es satisfactorio mientras los clientes se familiarizan con la experiencia. Por ahora, cuando ocurre un incidente, se avisa al ingeniero y, mientras este accede a la plataforma, XCOR ya ha completado la investigación. A medida que los usuarios ganen confianza y automaticen la remediación, Palo Alto Networks se centrará en reducir aún más el tiempo de respuesta. Mao señala que el coste es un factor importante, junto con la disminución del precio de los tokens.

El directivo también explica que el razonamiento automatizado no es posible sin una visibilidad y un contexto completos de extremo a extremo. La plataforma se apoya en la integración con Chronosphere para lograr esa visibilidad.

Implicaciones para las pymes y equipos de IT

Para una pyme o un equipo de IT con recursos limitados, la promesa de XCOR es atractiva: menos interrupciones nocturnas, investigaciones más rápidas y la posibilidad de que los ingenieros se centren en tareas de mayor valor. Sin embargo, la adopción de este tipo de soluciones requiere considerar varios aspectos:

• Coste y complejidad: Aunque no se mencionan precios, la plataforma está diseñada para entornos cloud-native complejos. Las pymes deben evaluar si su infraestructura justifica la inversión y si tienen el personal para integrarla.
• Confianza y autonomía: XCOR comienza con un modelo humano en el bucle. Es crucial establecer políticas claras sobre cuándo y cómo se amplían los permisos de autonomía.
• Datos y contexto: La efectividad de la IA depende de una visibilidad completa. Sin una telemetría adecuada, los agentes no podrán realizar análisis precisos.
• Formación: Los equipos necesitarán adaptarse a un nuevo flujo de trabajo donde la IA propone y el humano valida. Esto exige confianza en las recomendaciones y habilidades para supervisarlas.

En ForgeNEX recomendamos a las pymes abordar la observabilidad con IA de forma gradual. Empiecen por asegurar una instrumentación completa de sus aplicaciones y servicios, ya que sin datos de calidad ninguna IA podrá ayudar. Después, evalúen herramientas que automaticen tareas repetitivas, como la correlación de alertas o el análisis inicial de incidentes. La clave está en liberar tiempo para que el equipo se dedique a mejorar la arquitectura y la seguridad, áreas donde la experiencia humana sigue siendo insustituible.

La irrupción de agentes como XCOR no significa que los ingenieros sobren, sino que su rol se desplaza hacia la supervisión y la estrategia. Como en el ejemplo del piloto, siempre habrá situaciones imprevistas que requieran una mente humana. La diferencia es que, con las herramientas adecuadas, esas situaciones serán menos frecuentes y menos estresantes.

Fuente: The New Stack. Análisis y adaptación: ForgeNEX.