Grafana Cloud mở rộng AI điều tra incident, kỹ sư vẫn kiểm soát
Tại ObservabilityCON 2026, Grafana Labs công bố các cập nhật cho Grafana Cloud: Assistant Investigations, Assistant Watchers, Knowledge Graph và Adaptive Telemetry. Mục tiêu là kết nối ngữ cảnh điều tra, tăng khả năng quan sát và kiểm soát chi phí telemetry.
Thu thập ngữ cảnh thủ công — từ dashboard, logs, traces đến dependency và owner — có thể làm chậm quá trình điều tra incident. Đây là khoảng trống mà Grafana Labs muốn thu hẹp với các cập nhật Grafana Cloud công bố tại ObservabilityCON 2026.
Hãng gọi định hướng này là open agentic observability cloud: nền tảng vận hành nơi AI agent hỗ trợ điều tra và quản lý vấn đề kỹ thuật, trong khi con người vẫn kiểm soát quyết định.
Với DevOps, SRE và platform engineer, các cập nhật đáng chú ý xoay quanh bốn mảng: AI điều tra incident, theo dõi chủ động, lớp ngữ cảnh hệ thống và kiểm soát chi phí telemetry.
| Thành phần | Vai trò Grafana mô tả |
|---|---|
| Assistant Investigations | Thực hiện điều tra dài và sâu hơn; có thể khởi động từ alert hoặc incident |
| Assistant Watchers | Liên tục theo dõi điều kiện được chỉ định và cảnh báo đội ngũ khi cần chú ý |
| Knowledge Graph | Liên kết thành phần hệ thống, quan hệ giữa chúng và tín hiệu sức khỏe |
| Adaptive Telemetry | Kiểm soát chi phí telemetry dựa trên giá trị dữ liệu cần lưu giữ |
Assistant Investigations: AI hỗ trợ điều tra từ alert
Trung tâm của cập nhật là Grafana Assistant cùng Assistant Investigations. Theo Grafana, tính năng này đã được phát hành rộng rãi (GA) từ cuối tháng 7.
Assistant Investigations có thể thực hiện các cuộc điều tra dài và sâu hơn, đồng thời có thể được khởi động tự động từ alert hoặc incident. Mục tiêu là đưa thêm tác vụ vận hành vào một nơi để đội ngũ có thể xử lý vấn đề nhanh hơn.
Grafana cũng giới thiệu Assistant Watchers, được mô tả là đã phát hành rộng rãi tại ObservabilityCON 2026. Watchers có thể liên tục theo dõi các điều kiện được chỉ định và thông báo cho đội ngũ khi cần được chú ý.
Điểm cần lưu ý là Grafana đặt AI vào vai trò hỗ trợ vận hành: theo dõi, thu thập ngữ cảnh, điều tra và đề xuất hướng khắc phục. Người vận hành vẫn là bên đánh giá kết quả và quyết định hành động tiếp theo.
Một luồng điều tra ít phân mảnh hơn
Grafana mô tả mục tiêu là kết nối dashboard monitoring, điều tra incident, thu thập context và đề xuất cách khắc phục trong một workflow, thay vì để thông tin phải đi qua nhiều công cụ và đầu mối.
Có thể diễn giải cách tiếp cận này qua một luồng gồm năm bước dưới đây. Đây không phải workflow chính thức được Grafana công bố, mà là cách hình dung từ các khả năng hãng mô tả:
Alert hoặc incident xuất hiện.
Assistant Investigations được khởi động từ tín hiệu đó, có thể theo cách tự động.
Hệ thống tập hợp ngữ cảnh liên quan cho quá trình điều tra.
Engineer xem xét investigation và đối chiếu với dữ liệu quan sát được.
Đội vận hành quyết định biện pháp xử lý theo quy trình nội bộ.
Tài liệu được cung cấp không mô tả chi tiết giao diện, cú pháp cấu hình Assistant Watchers hay cơ chế tự tạo thay đổi cho Kubernetes, CI/CD hoặc Terraform. Vì vậy, chưa thể suy ra rằng các tính năng này đồng nghĩa với việc AI tự sửa hạ tầng hoặc tự triển khai thay đổi lên production.
Knowledge Graph mở rộng ngữ cảnh full-stack
Một tín hiệu đơn lẻ thường không đủ để trả lời các câu hỏi trong incident: thành phần lỗi thuộc service nào, liên quan dependency nào, ai đang on-call và liệu vấn đề tương tự từng xảy ra hay chưa.
Grafana Cloud đang mở rộng Knowledge Graph, được hãng mô tả là lớp runtime context liên kết thành phần hệ thống, mối quan hệ giữa chúng và các tín hiệu về tình trạng hoạt động.
Phạm vi Knowledge Graph được mở rộng để bao phủ thêm:
hạ tầng;
ứng dụng;
tín hiệu phía người dùng.
Grafana cũng cho biết lớp ngữ cảnh này sẽ bổ sung thông tin vận hành như service catalog, đội on-call và bài học từ các incident trước đó.
Với platform team, giá trị nằm ở việc nối các tín hiệu kỹ thuật với thông tin vận hành: service nào bị ảnh hưởng, ai sở hữu service đó và tác động có thể đi tới đâu trong hệ thống.
Adaptive Telemetry: giữ dữ liệu hữu ích, kiểm soát chi phí
Grafana cũng giới thiệu Adaptive Telemetry trong bối cảnh hệ thống AI có thể tạo telemetry cho từng model call, tool invocation và agent step.
Thay vì chỉ rút ngắn thời gian lưu trữ hoặc áp dụng sampling cơ bản trên diện rộng, Adaptive Telemetry được định vị là cách điều chỉnh chi phí theo giá trị của dữ liệu được giữ lại. Mục tiêu là bảo toàn dữ liệu hữu ích cho điều tra incident, đồng thời kiểm soát mức chi tiêu quan sát.
Grafana nêu Rapid7 là một ví dụ: sau khi chuyển sang Grafana Cloud và sử dụng Adaptive Telemetry, công ty này giảm chi phí metrics, đồng thời có thêm khả năng đầu tư cho logs và traces và cải thiện visibility. Đây là thông tin do Grafana công bố; tài liệu được cung cấp không kèm đánh giá độc lập.
Điều đội SRE nên theo dõi
Các công bố này tập trung vào việc giảm công sức lặp lại khi điều tra và kết nối dữ liệu vận hành. Khi đánh giá trong thực tế, đội ngũ có thể tập trung vào các câu hỏi như:
Investigation có giảm thao tác tìm kiếm và đối chiếu thủ công không?
Context có giúp xác định service owner và dependency rõ hơn không?
Dữ liệu được giữ lại có đủ để điều tra mà vẫn phù hợp với chi phí không?
Giá trị của cách tiếp cận này sẽ phụ thuộc vào chất lượng telemetry, ownership và ngữ cảnh vận hành mà tổ chức đã xây dựng sẵn.