Waarom observability belangrijker wordt dan ooit
Terwijl de aandacht vaak uitgaat naar steeds krachtigere AI-modellen, speelt zich achter de schermen een minstens zo belangrijke revolutie af. Grote AI-labs investeren namelijk massaal in observability: het continu monitoren, analyseren en begrijpen van alles wat een AI-systeem doet.
Volgens Olivier Pomel, medeoprichter en CEO van Datadog, is juist dat vermogen om AI-systemen voortdurend te volgen en te verbeteren één van de belangrijkste redenen waarom de huidige generatie AI-oplossingen steeds betrouwbaarder wordt.
Van klein idee naar wereldwijd technologiebedrijf
Datadog begon ooit als een relatief eenvoudige oplossing voor systeembeheer in een tijd waarin cloud computing nog in de kinderschoenen stond.
De oprichters zagen echter iets wat veel anderen nog niet opmerkten: zodra bedrijven hun infrastructuur naar de cloud verplaatsen, ontstaat er een enorme behoefte aan inzicht in complexe systemen.
Niet alleen servers moesten worden bewaakt, maar complete applicaties, databases, netwerken en uiteindelijk ook AI-modellen. Die vroege visie bleek achteraf precies op tijd te komen.
De cloud veranderde alles
De explosieve groei van cloudplatformen maakte traditionele monitoring vrijwel onmogelijk. Software draaide niet langer op één server, maar verspreid over duizenden virtuele machines, containers en microservices.
Daar ontstond observability: niet simpelweg controleren of een server online is, maar volledig begrijpen waarom een applicatie zich op een bepaalde manier gedraagt.
Vandaag vormt dat dezelfde uitdaging voor AI.
AI-agents nemen zelfstandig beslissingen, gebruiken meerdere databronnen en voeren steeds complexere taken uit. Zonder diep inzicht wordt het vrijwel onmogelijk om fouten op te sporen of prestaties te verbeteren.
Supporttickets blijven goud waard
Ondanks een organisatie van ruim 8.000 medewerkers blijft Pomel persoonlijk supporttickets lezen.
Dat lijkt misschien ouderwets, maar volgens hem is er geen betere manier om eerlijk inzicht te krijgen in de problemen waar klanten daadwerkelijk tegenaan lopen. Rapportages en dashboards vertellen vaak wat managers willen zien. Supporttickets laten zien wat gebruikers écht ervaren.
Juist die directe feedback voorkomt dat een snelgroeiend bedrijf het contact met zijn klanten verliest.
Cultuur ontstaat niet op papier
Veel bedrijven investeren veel tijd in uitgebreide cultuurdocumenten.
Pomel kiest voor een andere aanpak. Volgens hem ontstaat bedrijfscultuur vooral door dagelijkse beslissingen, gedrag en voorbeeldfunctie. Nieuwe medewerkers leren veel sneller van collega's dan van interne documenten.
Een cultuur leeft alleen wanneer ze zichtbaar wordt in het dagelijks werk.
Productontwikkeling begint bij echte problemen
Datadog beschikt inmiddels over meer dan twintig verschillende producten.
Toch ontstaat een nieuw product zelden vanuit een brainstormsessie. De organisatie kijkt eerst naar terugkerende problemen die klanten ervaren. Pas wanneer meerdere klanten dezelfde uitdaging hebben, ontstaat een nieuwe productrichting.
Die pragmatische aanpak voorkomt dat ontwikkelteams oplossingen bouwen waar uiteindelijk nauwelijks vraag naar bestaat.
AI verandert observability fundamenteel
Volgens Pomel zal AI observability niet vervangen, maar juist belangrijker maken.
Traditionele software volgt vooraf geschreven instructies. AI-systemen werken anders. Ze genereren antwoorden, maken afwegingen en nemen steeds vaker autonome beslissingen. Juist daardoor ontstaat behoefte aan nieuwe vormen van monitoring.
Bedrijven willen weten:
- waarom een AI-agent een bepaalde beslissing nam;
- welke informatie daarvoor werd gebruikt;
- waar eventuele fouten ontstonden;
- hoe prestaties in de loop van de tijd veranderen.
Observability verschuift daarmee van infrastructuur naar intelligent gedrag.
AI-agents vragen om nieuwe hulpmiddelen
De volgende generatie software bestaat volgens Pomel uit steeds meer samenwerkende AI-agents.
Die communiceren met databases, API's, bedrijfsapplicaties en andere AI-systemen. Daardoor wordt het steeds moeilijker om fouten handmatig te analyseren. Slimmere observability-platformen moeten daarom zelf afwijkingen herkennen, oorzaken analyseren en zelfs voorstellen doen voor verbeteringen.
Dat verandert monitoring van een passieve controlefunctie naar een actieve AI-assistent voor ontwikkelaars.
Verdwijnt programmeren?
Een opvallende uitspraak tijdens het gesprek was de voorspelling dat binnen enkele kwartalen veel traditionele programmeeractiviteiten drastisch zullen veranderen.
Niet omdat softwareontwikkeling verdwijnt, maar omdat AI steeds grotere delen van het programmeerwerk automatisch kan uitvoeren. Ontwikkelaars zullen zich daardoor minder richten op het schrijven van regels code en meer op architectuur, kwaliteitscontrole, beveiliging en het begeleiden van AI-systemen.
De rol van software-engineer verschuift daarmee van uitvoerder naar regisseur.
De moeilijkste taak van iedere ondernemer
Opvallend genoeg ging een belangrijk deel van het gesprek niet over technologie.
Volgens Pomel blijft het aannemen én afscheid nemen van medewerkers één van de moeilijkste beslissingen voor iedere ondernemer. Veel bedrijven handelen daarin te langzaam. Een verkeerde aanwerving kost tijd. Te lang wachten met moeilijke personeelsbeslissingen kost uiteindelijk vaak nog meer energie voor het hele team.
Snelheid blijkt niet alleen belangrijk bij productontwikkeling, maar ook bij leiderschap.
Europa of de Verenigde Staten?
Voor Europese startups blijft de vraag actueel of internationale groei vanuit Europa mogelijk is.
Pomel benadrukt dat uitstekende technologie overal kan ontstaan. Toch biedt de Amerikaanse markt nog altijd voordelen op het gebied van investeringen, schaalbaarheid en toegang tot grote klanten.
Tegelijkertijd groeit het Europese startup-ecosysteem snel en ontstaan steeds meer bedrijven die wereldwijd succesvol zijn zonder direct naar Silicon Valley te verhuizen.
Conclusie
Het gesprek maakt duidelijk dat de volgende AI-revolutie niet alleen draait om krachtigere taalmodellen of grotere hoeveelheden data. Minstens zo belangrijk wordt het vermogen om AI-systemen transparant, betrouwbaar en controleerbaar te maken.
Observability ontwikkelt zich daarbij tot een onmisbare bouwsteen van moderne software. Organisaties die begrijpen hoe AI zich gedraagt, sneller leren van gebruikersfeedback en voortdurend kunnen bijsturen, bouwen niet alleen betere producten, maar winnen ook het vertrouwen van hun klanten.
In een wereld waarin AI steeds autonomer wordt, blijkt uiteindelijk niet de slimste AI de grootste winnaar, maar de AI die het best kan worden begrepen, gemonitord en verbeterd.
