A Palo Alto Networks AI-natív megfigyelési platformot indított
A Palo Alto Networks bemutatta a Cortex XCOR nevű, AI-natív megfigyelési platformot, amely a vállalat szerint automatikus gyökérokelemzést és válaszlépéseket kínál. A rendszer központi eleme az XCOR Operator, amely speciális AI-ügynököket irányít az incidensek kivizsgálására és más üzemeltetési feladatokra.
- A Palo Alto Networks bemutatta a Cortex XCOR AI-natív megfigyelési platformot.
- Az XCOR Operator speciális AI-ügynököket irányít az üzemeltetési feladatokban.
- Az AI SRE átlagosan három percen belül javasolhat válaszlépéseket riasztás után.
- A vállalat szerint az összetett éles esetek 75 százalékában sikerül azonosítani a gyökérokot.
- A platform adatoptimalizálást és fogyasztásalapú költségkezelést is kínál.
Az AI-ügynökök a megfigyelési folyamat középpontjában
A Palo Alto Networks 2026. október 1-jén jelentette be a Cortex XCOR indulását. A platform célja, hogy a statikus irányítópultokra és kézi hibakeresésre épülő megfigyelést AI-alapú munkafolyamattá alakítsa.
Az XCOR Operator a teljes platformon elérhető AI-asszisztens, amely a felhasználói szándékot értelmezi, majd a háttérben működő, feladatspecifikus ügynökökhöz továbbítja a kéréseket. Ezek az ügynökök többek között incidensek kivizsgálására, riasztások és irányítópultok hangolására, valamint az adatforgalom optimalizálására szolgálnak.
A legösszetettebb szerepet az AI SRE ügynök tölti be. A vállalat szerint az ügynök automatikusan aktiválódik egy riasztás után, áttekinti a mögöttes problémákat, és átlagosan három percen belül javaslatot tesz a szükséges műveletekre és enyhítő lépésekre.
A Palo Alto Networks teljes veremre kiterjedő láthatóságot ígér
A Palo Alto Networks közlése szerint az AI SRE összetett éles környezetekben az esetek 75 százalékában sikeresen azonosítja a kiváltó okot. További 19 százalékban az elemzést hasznosnak ítélték. A vállalat összehasonlítása szerint a kézi válaszadás önmagában akár 20 percet is igénybe vehet a releváns problémák megtalálása, a kezdeti környezet összegyűjtése és a megfelelő ügyeletes mérnök felkutatása miatt.
Az automatizált elemzéshez az XCOR Fabric biztosítja a háttér-információkat. Ennek része egy valós időben frissülő tudásgráf, amely az infrastruktúrát, az alkalmazásokat és az üzleti logikát modellezi. A rendszer emellett felhasználja a korábbi incidensek során rögzített működési tapasztalatokat, a tapasztalt mérnökök által használt lekérdezések és irányítópultok mintáit, valamint a futtatási kézikönyvekből, dokumentációból és üzemeltetési fájlokból származó ismereteket.
A nemrég felvásárolt Embrace technológiájával a platformhoz a front-end felhasználói viselkedés monitorozása, az XCOR RUM, valamint a proaktív XCOR Synthetics is kapcsolódik. A RUM minden webes és mobil munkamenetet teljes részletességgel, mintavételezés nélkül rögzít, a szintetikus tesztelés pedig globális felhasználói forgalmat szimulálva keresheti a produkcióba kerülés előtti hibákat.
A költségkezelés is a platform része
A bejelentés szerint a felhőalapú és AI-natív rendszerek nagy mennyiségű telemetriai adatot termelnek, ezért a megfigyelés költségeinek kordában tartása továbbra is fontos feladat. A Palo Alto Networks állítása szerint a Chronosphere technológiájára építve az ügyfelek átlagosan 89 százalékkal optimalizálhatják az adatokat a láthatóság csökkentése nélkül. A vállalat példaként az OpenAI-t, a DoorDash-t és a Compassot említi.
Az XCOR platformon bővített, fogyasztásalapú árazási modellek és részletes fogyasztási keretek is megjelennek. Ezek a keretek a közlemény szerint idővel automatikusan igazodnak a használati mintákhoz.
A Palo Alto Networks a Cortex XCOR-t azoknak az üzemeltetési csapatoknak szánja, amelyeknek az AI által gyorsított szoftverfejlesztés mellett kell kezelniük a produkciós hibákat és az egyre nagyobb telemetriai mennyiséget. A platform a vállalat elképzelése szerint a kézi kivizsgálás egy részét autonóm ügynökökre bízza, miközben a döntésekhez szükséges alkalmazási és infrastruktúra-környezetet is egy helyen biztosítja.
Palo Alto Networks: Observability’s AI Moment
