fr.wedoany.com Rapport : Grafana Labs a publié plusieurs nouvelles capacités d'intelligence artificielle lors de son événement AI Week, organisé du 27 au 31 juillet, notamment de nouvelles façons d'interagir avec les données de télémétrie, d'enquêter sur les incidents et de surveiller le comportement des agents d'IA en environnement de production. Mat Ryer, directeur senior de l'IA chez l'entreprise, a déclaré que cette publication visait à présenter des outils déjà éprouvés auprès des clients, plutôt que des fonctionnalités conçues pour tirer parti de l'engouement du marché pour l'IA.
Ryer a indiqué que l'entreprise avait pris un départ tardif dans le domaine de l'IA, ce qui lui a permis d'observer l'efficacité des solutions existantes sur le marché. Il a mentionné que de nombreux produits actuels comportent une part d'imagination, et que l'entreprise n'est pas intéressée par le battage médiatique autour de l'IA, souhaitant s'assurer de disposer, avant toute publication, de fonctionnalités concrètes et réelles capables d'apporter un changement tangible pour les clients.
Plus tôt cette semaine, Grafana Labs a annoncé la disponibilité générale de son outil Workspace. Cet outil propose une interface construite autour d'agents conversationnels, remplaçant les tableaux de bord construits manuellement. L'utilisateur commence par une conversation, pose des questions en langage naturel, et l'agent répond en se basant sur les données de télémétrie.
L'entreprise a également officialisé son outil en ligne de commande gcx ainsi que ses serveurs MCP cloud et open source, qui ne disposaient auparavant que de versions préliminaires aux fonctionnalités limitées. Ces outils intègrent les capacités d'agents de Grafana dans les agents de programmation, permettant ainsi que les modifications de code planifiées reposent sur des données de télémétrie réelles en production, plutôt que d'être développées dans un environnement isolé des données de télémétrie. La disponibilité générale signifie que les API sous-jacentes sont désormais figées et bénéficient d'un engagement de rétrocompatibilité qui n'existait pas auparavant.
La fonctionnalité Assistant Investigations de Grafana Labs est désormais disponible en version générale, tout comme Assistant Automations, tandis qu'une troisième capacité, Watcher agents, est passée en aperçu public. La fonctionnalité Investigations déploie plusieurs agents spécialisés qui examinent les alertes en suivant des pistes et en testant des explications possibles, avant qu'un examen humain ne soit effectué. Ce processus génère une série d'hypothèses et tente de les réfuter, avec un élément contradictoire : les agents remettent intrinsèquement en question leurs propres conclusions afin d'accroître la confiance dans leurs résultats.
La fonctionnalité Automations permet aux équipes de planifier des rapports en langage naturel, tels que des résumés hebdomadaires des thèmes d'incidents, envoyés directement vers Slack ou Microsoft Teams. Les Watcher agents, quant à eux, surveillent en continu les situations difficiles à définir par des métriques fixes ou des seuils, et agissent de manière autonome une fois que les utilisateurs ont testé et confirmé leur comportement.
Jeudi, Grafana Labs a annoncé la disponibilité générale de sa capacité Agent Observability. Cette fonctionnalité permet aux équipes de connaître la latence et les coûts des agents d'IA, ainsi que le contenu substantiel de leurs conversations, notamment si des recommandations pertinentes sont formulées et si les bons outils sont utilisés. Le lendemain, l'entreprise étendra Grafana Assistant à Slack, Microsoft Teams, ainsi qu'aux applications mobiles et de bureau.
Le calendrier de l'AI Week a été conçu pour combler l'intervalle entre les deux conférences annuelles de Grafana Labs — GrafanaCon et ObservabilityCON, qui se tient en octobre à San Francisco. Ryer a souligné que la majeure partie des interactions clients autour de ces publications se déroule sur des canaux communautaires, tels que Reddit et les enregistrements de podcasts, et que l'entreprise encourage les clients à tester les outils avec leurs propres données de production plutôt que de s'appuyer sur des démonstrations. L'ensemble du processus vise à permettre aux équipes de vérifier si les résultats des agents sont dignes de confiance, plutôt que de s'y fier aveuglément. Ryer a indiqué que cela aide les utilisateurs à croire réellement que les agents exécutent les tâches prévues et que leurs résultats peuvent être fiables.
