L'observability non è più solo qualcosa che fa comodo agli staff IT nella gestione di infrastrutture sempre più complesse, in particolare perché sempre più distribuite tra on-premise e multicloud. "L'observability - spiega Rick McConnell, CEO di Dynatrace, dall'evento Innovate di Barcellona - oggi è un elemento fondamentale a supporto delle strategie di business delle imprese di qualsiasi settore".

Il driver di questa evoluzione è, prevedibilmente, la digitalizzazione: ora che i processi aziendali sono sempre più digitali e automatizzati, il funzionamento corretto dei sistemi e dei servizi IT ha un impatto diretto, concreto e rilevante sul business delle imprese, ormai in tutti i settori e non più solo in quelli tipici di Dynatrace, come il Finance. Solo per fare esempio vicino a noi, infatti, tra i grandi clienti italiani di Dynatrace ci sono Enel, Inail o Aeroporti di Roma.

Dynatrace è cresciuta e si è evoluta seguendo, e spesso anticipando, questa trasformazione delle imprese e delle loro necessità. La raccolta dei dati operativi e la loro analisi continua e costante non serve più solo a mantenere in forma i sistemi IT e a capire rapidamente, in caso si verifichi qualche problema, cosa è successo e dove intervenire. Questi aspetti restano ancora importanti per l'observability, che però nella direttrice di sviluppo di Dynatrace si integra strettamente con la cybersecurity e con la business analytics.Rick McConnell, CEO di DynatraceFonte: ImpresaCity

Questa direttrice di sviluppo si intravede chiaramente nelle novità che Dynatrace ha portato sul mercato, sempre più frequentemente, nell'ultimo anno e mezzo. Tra cui soprattutto il lancio di Grail come data lakehouse in grado di gestire le enormi quantità di dati tipiche delle piattaforme di observability e di eseguire su di esse query con risultati istantanei. O come il progressivo potenziamento di Davis AI Engine, che per Dynatrace oggi è un esempio di AI "ipermodale" perché unisce funzioni di intelligenza artificiale causale, predittiva e oggi anche - immancabilmente - generativa.

L'ampliamento del raggio d'azione di Dynatrace è stato particolarmente evidente con il lancio di AppEngine come piattaforma low-code che permette agli utenti di creare app customizzate che consultano ed elaborano i dati di Grail, andando oltre le analisi mirate già previste da Dynatrace. Il nuovo AutomationEngine, poi, ha potenziato la parte di automazione, mentre Security Analytics ha focalizzato meglio le funzioni delle piattaforme Dynatrace sulla cybersecurity proattiva. Manca ancora una componente specifica per il networking, che probabilmente arriverà a breve.

Un nuovo mercato

L'observability, quindi, è profondamente mutata rispetto a qualche tempo fa "Oggi è un mercato da cinquanta miliardi di dollari - spiega McConnell - e ci sono sempre più trend che aumentano la sua importanza nelle imprese". Come la volontà che queste hanno di produrre sempre più applicazioni e con rilasci sempre più frequenti: "Creare applicazioni sta diventando più semplice e più veloce, e con l'AI generativa questo sarà ancora più evidente. Ma questa maggiore facilità porta anche nuovi problemi e nuove complessità", sottolinea McConnell.Bernd Greifeneder, Chief Technology Officer e fondatore di DynatraceFonte: ImpresaCity

"Serve l'AI giusta per il compito giusto - spiega in questo senso Bernd Greifeneder, Chief Technology Officer e fondatore di Dynatrace - e molte aziende vanno aiutate a capirlo bene. I Large Language Model come ChatGPT sono uno strumento perfetto per l'interazione con gli utenti e per la comprensione del loro 'intent', ma vanno affiancati da altre AI che li completino perché siano davvero utili in generale. Questa è la strada che stiamo percorrendo".

Qui gioca un ruolo chiave la concezione "hypermodal" dell'AI per Dynatrace. In un tipico scenario d'uso, l'AI basata su LLM permette ad un utente di spiegare le informazioni che cerca in linguaggio naturale, ma poi le piattaforme Dynatrace impiegano funzioni di AI causale per definire le analisi da eseguire e, di nuovo, la componente generativa per creare il codice delle query da eseguire su Grail e per generare una dashboard personalizzata che ne mostri i risultati.

Il valore dell'AI per Dynatrace sta soprattutto in un aumento della produttività delle piattaforme, aumento che deriva in particolare dall'utilizzo dell'AI come supporto all'automazione. I dati raccolti dalle piattaforme di observability sono molti, completi e affidabili, il che rende a loro volta affidabili i risultati degli algoritmi di AI, che da sempre valgono quanto i dati che li alimentano. Un'AI affidabile "muove" le componenti di automazione, che da tempo sono indispensabili in qualsiasi ambiente IT, da ogni punto di vista: gestione, sviluppo, cybersecurity, user experience e via dicendo.

La catena del software sicuro

Sviluppo software e cybersecurity sono due ambiti specifici, e interconnessi, in cui Dynatrace si sta impegnando con decisione. "Il delivery del software - spiega Greifeneder - oggi è importante quanto sviluppo stesso, per ragioni di operatività, business e sicurezza. E per implementare software velocemente e in maniera sicura servono sia una architettura solida di software delivery, sia una observability trasversale a tutti i passi della supply chain del software".

È anche opportuno che le aziende lavorino in maniera più cross-dipartimentale, un approccio che DevOps ha sdoganato nelle imprese ma che adesso richiede qualche passo in avanti ulteriore. Ad esempio definendo un "platform engineering team" che comprenda tutta la parte DevSecOps, i site reliability engineer e i software architect. "Questa evoluzione non è certo banale ma Dynatrace può renderla molto più semplice", sottolinea il CTO, grazie alla visione integrata dell'infrastruttura che porta l'observability.

La stessa considerazione vale in campo cybersecurity, dove piattaforme e persone lavorano troppo spesso in maniera scollegata. Dynatrace punta a una vera e propria "data driven security" in cui observability e sicurezza convergono perché avere una visione completa e aggiornata in tempo reale di come si comportano sistemi, applicazioni e servizi permette di fare cybersecurity in maniera proattiva e analitica.

"Possiamo 'immunizzare' ogni servizio dall'interno, perché sappiamo precisamente come funziona e quindi bloccare proattivamente ogni funzionamento anomalo, anche per attacchi che ancora non si conoscono", sottolinea Greifeneder. Questa visione trasversale evita le inefficienze dei tool separati e distinti e di elevare il livello delle componenti di automazione. Che, rimarca il CTO, "nella cybersecurity è ancora a uno stadio molto arretrato, il che rappresenta una vera e propria opportunità di rivoluzionare il mercato".

Analytics ad ampio spettro

Il fil rouge che unisce tutti gli sviluppi di Dynatrace è rappresentato dalla componente analytics, che con la nascita di Grail ha fatto decisi passi in avanti. "È il percorso - racconta Greifeneder - che sta seguendo Dynatrace: aiutiamo le aziende ad automatizzare gli analytics per qualsiasi tipo di dato. E a usare questi dati per l'automazione, non solo per risolvere i problemi ma soprattutto per prevenirli. In questo uno speciale valore aggiunto è che i dati sono sempre collegati al loro contesto, perché tutte le informazioni e i data point sono accessibili in Grail".

Il veloce passaggio da dati a informazioni è un vantaggio anche nel rapporto tra Dynatrace e le aziende utenti, attuali o potenziali. L'observability in sé può essere ancora percepita come un tema tecnico, ma la capacità di trasformare i dati operativi in informazioni contestualizzate per qualsiasi aspetto, dalla cybersecurity alla sostenibilità, è percepita chiaramente anche dalle figure più di business. Che sono, oggi, quelle più sensibili a un obiettivo-messaggio che Dynatrace ribadisce spesso. "Vogliamo portare ordine dal caos", rimarca McConnell, e il caos (tecnologico, economico, finanziario, strategico...) è quello che il management delle aziende teme di più.