AI-workloads zetten logmanagement onder druk

Dit blijkt uit het State of Log Management 2026-rapport van Dynatrace. Door de toename in logs en gefragmenteerde tools wordt het voor teams moeilijker om problemen te detecteren, AI-systemen te beveiligen en tijdig inzicht te verkrijgen. Organisaties zijn genoodzaakt handmatige, tijdrovende workflows toe te passen wanneer ze inzichten uit verschillende systemen vergelijken. Dit vertraagt het besluitvormingsproces, waardoor AI-initiatieven langzamer van pilotfase naar productie gaan. Zo’n 80% van de respondenten geeft aan dat het omzetten van telemetrie naar bruikbare inzichten een negatieve impact heeft op de klantervaring en AI-initiatieven vertraagt.

Stijgende kosten

Organisaties geven jaarlijks gemiddeld bijna 2,5 miljoen dollar uit aan logoplossingen, inclusief het verzamelen, beheren, opslaan, indexeren, herstellen en opvragen van logs. Toch zijn logs essentieel voor het begrijpen en beveiligen van AI-systemen. Om de stijgende kosten en beperkingen van traditionele methoden te beheersen, beperken veel organisaties de hoeveelheid telemetrie die ze verzamelen of bewaren. Bijna de helft van de organisaties verwijdert logs of verzamelt ze helemaal niet, waardoor gemiddeld 86% van de loggegevens niet wordt verwerkt, opgeslagen of geanalyseerd. Omgevingen die afhankelijk zijn van gefragmenteerde of logcentrische benaderingen ondervinden hiervan de meeste hinder.

Het rapport benadrukt de noodzaak van een fundamenteel nieuwe benadering van logbeheer, waarbij logs dienen als betrouwbare basis, gecombineerd met gedistribueerde tracing en andere telemetriegegevens om realtime, contextrijke inzichten te leveren. Bijna driekwart van de respondenten geeft aan dat AI-workloads een platformgebaseerde aanpak voor logbeheer vereisen. Daarnaast is 81% van mening dat het verzamelen en verwerken van logs open en geautomatiseerd moet zijn om realtime analyse mogelijk te maken zonder rigide schema’s, indexeringsoverhead of vertragingen bij het laden van gegevens.

Gemiste kansen

De werkelijke kosten van fragmentatie in observability zitten niet alleen in de infrastructuurkosten, maar ook in gemiste kansen van AI-initiatieven die vastlopen tussen pilot en productie omdat teams hun telemetrie niet kunnen vertrouwen. Uit het onderzoek blijkt dat ongeveer een derde van de organisaties betaalt voor redundante of onderbenutte observability-functies, en dat meer dan een kwart engineeringtijd verspilt aan het draaiende houden van tools in verschillende omgevingen.

“AI versnelt innovatie binnen bedrijven, maar de meeste logsystemen zijn nooit gebouwd voor de schaal, snelheid of complexiteit van AI-gestuurde omgevingen”, aldus Mala Pillutla, Vice President Log Management bij Dynatrace. “Omdat AI-agents probabilistisch werken, is het niet langer haalbaar om logs, metrics, traces en events afzonderlijk te behandelen. Om AI-systemen betrouwbaar en transparant te maken, hebben organisaties een uniforme, intelligente aanpak nodig die alle telemetrie in realtime samenbrengt, verrijkt met diepgaande context om weloverwogen beslissingen te nemen.”

Het State of Log Management 2026-rapport is gebaseerd op een wereldwijd onderzoek onder 450 senior leiders en besluitvormers die verantwoordelijk zijn voor logbeheer in bedrijven met een jaaromzet van 750 miljoen dollar of meer. Het onderzoek werd in januari en februari 2026 uitgevoerd door Coleman Parkes in opdracht van Dynatrace. Het onderzoek is hier beschikbaar.