AI-alapú megfigyelési platformot indított a Palo Alto Networks

A Palo Alto Networks bemutatta a Cortex XCOR AI-alapú megfigyelési platformot, amely a vállalat szerint automatikusan képes az incidensek okának feltárására és a helyreállítási lépések ajánlására. A rendszer központi eleme az XCOR Operator, amely több, feladatspecifikus AI-ügynök munkáját hangolja össze.
- A Palo Alto Networks bemutatta a Cortex XCOR AI-alapú megfigyelési platformot.
- Az XCOR Operator feladatspecifikus AI-ügynökök munkáját hangolja össze.
- Az AI SRE átlagosan három percnél rövidebb idő alatt adhat incidenskezelési ajánlást.
- A vállalat szerint az elemzés 75 százalékos sikerességet ért el összetett éles környezetekben.
- Az XCOR átlagosan 89 százalékos adatmennyiség-optimalizálást kínálhat a Palo Alto Networks szerint.
A statikus irányítópultokat váltaná le az XCOR
A 2026. október 1-jén közzétett bejelentés szerint a Cortex XCOR célja, hogy a megfigyelést a statikus irányítópultok és a kézi hibakeresés felől egy AI-központú működés felé mozdítsa el. A Palo Alto Networks szerint a platform az egyszerűbb és az összetettebb vizsgálatokat is automatizálja.
A rendszerbe beépített XCOR Operator természetes nyelvű felületként működik, és értelmezi a felhasználó szándékát. A háttérben különböző, feladatra optimalizált AI-ügynökök dolgoznak. Ezek az incidensek kivizsgálása mellett például a riasztások és irányítópultok hangolását, valamint az adatforgalom optimalizálását is kezelhetik.
A fejlesztést Martin Mao, a bejegyzés szerzője az AI-modellek érvelési képességeinek fejlődésével hozza összefüggésbe. Szerinte a korábbi modellek elsősorban naplók összefoglalására vagy lekérdezések lefordítására voltak alkalmasak, míg az újabb rendszerek összetettebb problémák végigvezetésére is képesek.
Az AI SRE automatikusan vizsgálhatja az incidenseket
A Cortex XCOR legösszetettebb feladatokra szánt eleme az AI SRE ügynök. A Palo Alto Networks szerint ez az ügynök riasztás aktiválásakor automatikusan megvizsgálja a mögöttes problémákat, feltárja a lehetséges gyökérokot, és helyreállítási vagy enyhítési lépéseket javasol.
A vállalat állítása alapján az AI SRE átlagosan három percnél rövidebb idő alatt ad ajánlásokat. Összetett éles környezetekben a gyökérok-elemzés sikerességi aránya 75 százalék volt, az incidensek további 19 százalékánál pedig hasznosnak ítélték az elemzést. A Palo Alto Networks összehasonlítása szerint a kézi folyamat önmagában akár 20 percet is igénybe vehet a releváns problémák megtalálásához, a kezdeti környezet összegyűjtéséhez és a megfelelő ügyeletes mérnök felkutatásához.
Az automatizált elemzéshez az XCOR Fabric biztosítja a kontextust. Ennek része egy valós idejű tudásgráf az infrastruktúráról, az alkalmazásokról és az üzleti logikáról, valamint a korábbi incidensek során szerzett működési tapasztalatok, a mérnökök lekérdezési és irányítópult-használati mintái, továbbá a runbookokból, dokumentációból és üzemeltetési fájlokból származó információk.
Teljes veremű láthatóság és költségszabályozás
A Palo Alto Networks a Cortex XCOR-ral a frontendet, a backendet és az infrastruktúrát is egy platformon kezeli. A vállalat a közelmúltbeli Embrace-felvásárlás után az XCOR RUM valós felhasználói megfigyelést és az XCOR Synthetics proaktív tesztelését is összekapcsolja a backend- és infrastruktúra-megfigyeléssel.
Az XCOR RUM minden webes és mobil munkamenetet teljes részletességgel, mintavételezés nélkül rögzít, és a hibákat, illetve a lassú betöltéseket a munkamenetek idővonalához köti. A szintetikus tesztelés globális felhasználói forgalmat szimulál, így a vállalat szerint még élesítés előtt észlelhetők a regressziók.
A bejelentés a megfigyelési adatok költségét is kiemeli. A Palo Alto Networks szerint a Chronosphere technológiájára épülő megoldások átlagosan 89 százalékkal optimalizálják az adatmennyiséget a láthatóság feladása nélkül. Az XCOR emellett fogyasztásalapú árazási modelleket és részletes fogyasztási kereteket kínál, amelyek a vállalat szerint idővel automatikusan alkalmazkodnak a használati mintákhoz.
A Cortex XCOR így azoknak az üzemeltetési és fejlesztési csapatoknak készül, amelyeknek az AI által gyorsított szoftverfejlesztés mellett kell kezelniük a növekvő hibakeresési terhelést és a telemetria költségeit. A Palo Alto Networks szerint a platform az automatikus gyökérok-elemzéssel és a javasolt helyreállítással közelebb hozza az önálló incidenskezelést.
Palo Alto Networks: Observability’s AI Moment


