LogicMonitor AI corta 98% dos alertas e revoluciona redes

Tecnologia

LogicMonitor apresenta inovação em IA que diminui drasticamente alertas e otimiza a gestão de redes híbridas.

Leia também: NVIDIA lança RTX Spark em 16/10 e revoluciona PCs com IA local

A LogicMonitor usou o Elevate, em Chicago, nesta semana, para defender que inteligência artificial, automação governada e integração de dados já começam a transformar a forma como empresas monitoram redes e infraestruturas híbridas. Casos como o da GlobalFoundries, que relata redução de 98% no ruído de alertas com o Edwin AI, foram apresentados como prova de que a observabilidade guiada por IA pode destravar ganhos concretos em velocidade de resposta e custos operacionais.

IA entra no centro da observabilidade corporativa

Ao longo do evento, executivos e clientes mostraram como o LogicMonitor AI está sendo usado para ir além do monitoramento tradicional de rede e servidor, conectando telemetria, contexto operacional e automação em fluxos de trabalho já existentes. A plataforma combina recursos como Edwin AI, OpenTelemetry, mapeamento de dependências de aplicações, integração com a Catchpoint e automação governada, com o objetivo de reduzir incidentes, priorizar o que importa e aproximar TI de um modelo mais autônomo.

Para o analista Paul Nashawaty, practice lead e principal analyst na theCUBE Research, a mudança de fase é clara. “Observability is becoming an important foundation for both human decision-making as well as autonomous workflows”, afirmou. Ele destacou que o valor surge quando desempenho, disponibilidade, uso de recursos e custos são vistos em conjunto, permitindo que as equipes entendam os trade-offs por trás de cada decisão operacional.

Steven Dickens, CEO da HyperFRAME Research, avaliou que a estratégia da LogicMonitor se apoia em pilares como contexto unificado, ação governada por IA e construção de confiança. “Customer adoption, effective governance and execution will ultimately determine whether LogicMonitor can turn its AI roadmap into measurable operational value”, disse, ressaltando que a tecnologia por si só não garante resultados.

Entenda o contexto

Ambientes híbridos, que misturam data centers próprios, múltiplas nuvens e aplicações distribuídas, multiplicaram a quantidade de dados e alertas que chegam às equipes de TI. Sem automação e correlação inteligente, o excesso de sinais torna mais difícil localizar a causa raiz de falhas, manter a disponibilidade dos serviços e controlar custos.

Ferramentas como o LogicMonitor network monitoring evoluem para plataformas de observabilidade capazes de cruzar eventos de infraestrutura com métricas de experiência digital, logs de aplicações e dados de negócios. Com a camada de IA, a promessa é filtrar ruídos, antecipar problemas e acionar fluxos de correção automaticamente, mantendo governança e trilhas de auditoria.

Da automação de baixo risco à TI autônoma

Karthik Sj, chief artificial intelligence officer da LogicMonitor, e Garth Fort, chief product officer, defenderam uma transição gradual em direção à TI autônoma. “A progressive approach that starts with trusted, low-risk automation can help organizations expand AI capabilities across increasingly complex environments”, disse Karthik, ao explicar que a adoção começa por tarefas repetitivas e de menor risco, como enriquecimento de alertas e correlações, antes de avançar para remediações automáticas.

Segundo a dupla, os últimos avanços do Edwin AI incluem investigações multiagentes – em que diferentes agentes de IA exploram hipóteses em paralelo – e integrações mais profundas com fluxos de trabalho já usados pelos clientes, como ferramentas de ITSM e gestão de mudanças. A conexão com a Catchpoint amplia a visibilidade sobre desempenho de aplicações e experiência do usuário, enquanto controles de governança ajudam a definir limites de atuação e supervisão humana sobre os agentes autônomos.

No setor de manufatura avançada, o caso da GlobalFoundries foi apresentado como vitrine dessa abordagem. A empresa modernizou sua observabilidade para detectar problemas de infraestrutura antes que impactem a produção, combinando Edwin AI, consolidação de ferramentas, mapeamento de dependências de aplicações legadas e integração com plataformas de gerenciamento de incidentes. O resultado, segundo a companhia, é uma implantação acelerada e queda de 98% no volume de alertas que chegavam às equipes, liberando tempo para focar nos riscos realmente críticos.

Mudança organizacional e confiança na IA

Além da tecnologia, o Elevate insistiu na necessidade de mudança cultural para que a IA entregue valor. Alyene Schneidewind, chief performance officer da LogicMonitor, usou a própria empresa como exemplo. “We achieved 95% employee adoption of ChatGPT within four months and saw employees create more than 2,000 custom GPTs during the first year”, contou.

A partir dessa base, a companhia passou a redesenhar fluxos de trabalho e medir impacto em resultados. Um dos exemplos é um assistente de vendas em IA que, segundo Alyene, economiza cerca de meio dia de trabalho por semana para cada funcionário que o utiliza, ao automatizar tarefas de preparação de reuniões, pesquisa e registro de informações. O processo, porém, exigiu governança, colaboração entre áreas e novos modelos de capacitação para garantir uso responsável das ferramentas.

Os executivos reforçaram que confiança na IA não se constrói de forma abstrata, mas com transparência sobre o que os agentes podem ou não fazer, métricas claras de desempenho, revisões periódicas e espaço para intervenção humana quando necessário. Sem esse arcabouço, alertaram, a tendência é que as equipes mantenham fluxos manuais em paralelo, diluindo o retorno sobre o investimento.

Serviços gerenciados migram do suporte reativo ao proativo

Outro destaque em Chicago foi a mudança no papel dos provedores de serviços gerenciados diante da automação. John Grosshans, presidente de operações de campo da LogicMonitor, e Tim Wheeler, chief artificial intelligence officer da Bell Techlogix, descreveram como assistentes de IA estão sendo incorporados ao dia a dia de NOCs e centros de suporte.

Bell Techlogix vem usando agentes inteligentes para agilizar a triagem de incidentes, automatizar documentação e reduzir tempos de resolução. Com isso, engenheiros passam menos tempo em tarefas repetitivas e podem se dedicar a atividades de maior valor estratégico, como otimização de ambientes e planejamento de capacidade.

“AI-powered observability and autonomous workflows are helping organizations move beyond reactive support toward more proactive service delivery”, resumiu Grosshans. A lógica é que, ao correlacionar eventos de rede, servidores, aplicações e experiência do usuário, a IA consegue sinalizar tendências de degradação antes que se tornem falhas visíveis ao cliente final.

Casos apresentados no evento mostraram provedores relatando melhorias na eficiência da engenharia, maior retenção de clientes e ganhos em acordos de nível de serviço, com incidentes críticos detectados e encaminhados pela IA em minutos, após horas ou até dezenas de horas de investigação manual.

Desafios de governança e próximos passos

Apesar do tom otimista, os participantes do Elevate insistiram que a jornada para operações realmente autônomas ainda enfrenta obstáculos. Adoção pelo cliente, governança robusta e disciplina de execução apareceram como pontos de atenção recorrentes nas discussões, sobretudo em setores altamente regulados.

Para analistas e executivos, os próximos passos passam por ampliar a automação confiável, integrar diferentes agentes de IA e conectar ainda mais dados de negócios aos sinais de infraestrutura. A meta é que decisões de remediação e otimização passem a considerar impacto financeiro, risco e experiência do usuário, e não apenas métricas técnicas.

Na prática, isso deve pressionar empresas a consolidar ferramentas, padronizar processos e investir em competências de dados e IA dentro das equipes de TI e das áreas de negócio. A expectativa de quem participou do evento em Chicago é que, com essa base, a observabilidade orientada por IA avance de projetos pontuais para operações em larga escala, com TI mais proativa, custos menores e tempos de resposta cada vez mais curtos – desde que a confiança na automação acompanhe o ritmo da tecnologia.

Fonte: matéria original