La automatización con IA de Datadog apunta al riesgo, pero las empresas aún mantienen el control

La automatización con IA de Datadog va más allá de los paneles de control, pese a la reticencia de las empresas a permitir que el software actúe de forma independiente dentro de sistemas críticos. La compañía presenta ahora la observabilidad, la seguridad y la remediación automatizada como una respuesta conjunta al creciente riesgo operativo. Su propuesta es especialmente relevante en Australia, donde las grandes organizaciones suelen gestionar servicios en la nube junto con infraestructura heredada y operaciones externalizadas.

Este cambio redefine el papel de Datadog. Tradicionalmente, la observabilidad ayudaba a los ingenieros a entender qué había ocurrido después de que una aplicación se ralentizara, fallara o activara una alerta. Ahora Datadog quiere que su software investigue incidentes, recomiende respuestas y ejecute acciones aprobadas utilizando contexto operativo en tiempo real.

La cuestión no es si la inteligencia artificial puede resumir una alerta. La cuestión es si las empresas confiarán a agentes de IA el acceso a producción, manteniendo al mismo tiempo la responsabilidad, la seguridad y la supervisión humana. Splunk, Dynatrace, los proveedores de nube y los proveedores de seguridad persiguen oportunidades similares, por lo que Datadog debe demostrar que un contexto unificado genera una automatización más segura.

La automatización con IA de Datadog pasa de las respuestas a las acciones

Datadog está convirtiendo su plataforma de monitorización en una capa operativa controlada para agentes de IA empresariales.

La expansión de la compañía se basa en la combinación de datos de observabilidad, señales de seguridad, automatización de flujos de trabajo e IA generativa. La observabilidad consiste en recopilar y conectar información sobre aplicaciones, infraestructura, redes, experiencias de usuario y otros sistemas técnicos.

La vicepresidenta regional de Datadog para Australia y Nueva Zelanda, Roz Gregory, describió esa convergencia como una oportunidad para gestionar costes, seguridad de la IA y cumplimiento normativo. En una entrevista sobre empresas de ANZ, sostuvo que las pilas tecnológicas fragmentadas dificultan abordar esas prioridades mediante herramientas separadas.

Datadog ha pasado de dos productos a más de 30, según Gregory. Su plataforma abarca ahora infraestructura, aplicaciones, entrega de software, experiencias digitales, datos, seguridad y cargas de trabajo de IA.

Esta amplitud importa porque la gestión automatizada de incidentes requiere contexto. Un agente no puede diagnosticar con seguridad un fallo en el proceso de pago utilizando una métrica aislada. Necesita trazas de aplicaciones, estado de la infraestructura, despliegues recientes, eventos de seguridad, comportamiento de las bases de datos y datos de rendimiento orientados al cliente.

Bits AI es la familia de agentes de Datadog para tareas de desarrollo, seguridad y operaciones. Datadog afirma que estos agentes pueden investigar incidentes, analizar telemetría relacionada y ayudar a los equipos a actuar dentro de controles definidos.

La compañía amplió esa estrategia en su conferencia DASH de junio de 2026. Su lanzamiento de más de 100 capacidades incluyó nuevas funciones de Bits AI, un creador de agentes, controles de seguridad para IA y opciones adicionales para gestionar datos empresariales.

Bits Agent Builder permite a los equipos crear agentes especializados dentro de Datadog. Esos agentes pueden respaldar la remediación, la elaboración de informes y la aplicación de estándares dentro de los límites establecidos por el cliente.

Agent Console aborda un problema de gestión relacionado. Datadog afirma que ayuda a las organizaciones a observar herramientas como Claude Code, Cursor y GitHub Copilot. Los responsables pueden examinar el uso, las tareas, los resultados y el gasto, en lugar de tratar la actividad de los agentes como una capa invisible.

Datadog también puso su servidor Model Context Protocol a disposición general en marzo de 2026. MCP es una interfaz estándar que permite a las aplicaciones de IA acceder a herramientas y fuentes de datos aprobadas.

El acceso gobernado de agentes conecta agentes externos de programación y entornos de desarrollo con telemetría de Datadog en tiempo real. La compañía presenta esta conexión como una forma de preservar permisos y gobernanza mientras incorpora evidencia operativa al trabajo asistido por IA.

Esta arquitectura crea la tensión central del artículo. El mismo acceso que ayuda a un agente a diagnosticar problemas de producción puede aumentar las consecuencias de una acción errónea o manipulada.

Un agente que lee datos de monitorización presenta un nivel de riesgo. Un agente que modifica reglas de detección, crea tickets, suprime hallazgos o inicia una remediación presenta otro.

Por tanto, Datadog vende más que una respuesta a incidentes más rápida. Vende la idea de que la automatización se vuelve aceptable cuando la IA opera mediante una fuente unificada de contexto técnico y controles establecidos.

Ahora esa afirmación debe superar revisiones de contratación, pruebas de seguridad y fallos reales en producción.

Los sistemas híbridos de Australia elevan lo que está en juego

Las empresas australianas no están adoptando la automatización sobre una base técnica limpia.

Muchas grandes organizaciones siguen operando infraestructura tradicional mientras incorporan servicios de nube pública, aplicaciones de software como servicio y sistemas de IA. Los acuerdos de externalización añaden otra capa de responsabilidad y control de acceso.

Este entorno genera evidencia fragmentada. Un incidente puede atravesar código de aplicaciones, infraestructura en la nube, sistemas de identidad, proveedores externos y redes físicas o virtuales.

Los equipos suelen utilizar productos distintos para cada parte de esa ruta. Esos productos pueden generar alertas superpuestas sin compartir suficiente contexto para establecer la causa y el impacto empresarial.

Gregory sostiene que un entorno cargado de herramientas dificulta gestionar la seguridad y la complejidad de la IA. Su postura respalda la dirección comercial de Datadog, pero las empresas seguirán comprobando si la consolidación reduce el riesgo o simplemente lo concentra.

La presión inmediata recae sobre las operaciones tecnológicas, los equipos de seguridad y los responsables de riesgo. Deben respaldar una entrega de software más rápida sin perder el control de los datos, las credenciales, la evidencia de cumplimiento ni los cambios en producción.

Los desarrolladores también afrontan presión. Los agentes de programación pueden generar y modificar software más rápido, pero esa velocidad aumenta el volumen de cambios que llegan a los sistemas de revisión, pruebas y despliegue.

Los equipos de seguridad deben distinguir los problemas explotables de los hallazgos de menor prioridad. Los equipos de operaciones deben entender si un fallo procede del código, la infraestructura, la capacidad, los datos o un proveedor de modelos de IA.

La propia investigación de Datadog ilustra el problema operativo. Sus datos sobre ingeniería de IA hallaron que cerca del 5% de las solicitudes a modelos de IA fallaban en producción.

Casi el 60% de esos fallos se debieron a límites de capacidad, según la compañía. Datadog analizó datos de uso anonimizados de miles de clientes que ejecutaban modelos de lenguaje de gran tamaño en producción.

El informe también encontró que el 69% de las organizaciones utilizaba al menos tres modelos. La adopción de marcos de agentes se duplicó interanualmente, mientras aumentó la cantidad media de datos enviada con cada solicitud.

Estos hallazgos proceden del entorno de clientes de Datadog, por lo que no deben tratarse como un censo de todas las empresas. Aun así, describen el tipo de complejidad que Datadog quiere que gestione su plataforma.

Múltiples modelos generan más decisiones de enrutamiento, modos de fallo, límites de uso y dependencias de proveedores. Los agentes añaden flujos de trabajo cuya siguiente acción puede depender de la salida de un modelo, en lugar de una lógica de aplicación determinista.

El entorno de gobernanza de Australia añade otro requisito. La guía del gobierno federal sobre adopción de IA exige responsabilidad, gestión de riesgos, gobernanza de datos, pruebas, monitorización y una supervisión humana significativa.

La guía evolucionó a partir del estándar voluntario australiano de seguridad de la IA. No crea por sí misma nuevas obligaciones legales, pero ayuda a las organizaciones a prepararse para obligaciones actuales y posibles requisitos futuros.

Varias prácticas se alinean estrechamente con la observabilidad. Las organizaciones deberían monitorizar los sistemas de IA desplegados, documentar riesgos, reevaluar controles y realizar un seguimiento de los cambios de comportamiento o uso previsto.

Sin embargo, recopilar telemetría no satisface automáticamente esas obligaciones. Un panel de control no puede decidir la tolerancia al riesgo de una organización, identificar a las partes interesadas afectadas ni asignar responsabilidad por un resultado perjudicial.

Esta distinción es importante para la propuesta de Datadog. La plataforma puede proporcionar evidencia operativa, controles de acceso y monitorización técnica. Los líderes empresariales aún deben definir qué acciones puede realizar un agente y quién responde por el resultado.

Por tanto, el mercado australiano presenta tanto una oportunidad como una prueba difícil. Los entornos híbridos generan demanda de visibilidad unificada, pero la regulación y la cautela institucional limitan la rapidez con que los clientes permitirán acciones autónomas.

El contexto unificado es la principal apuesta de Datadog

Datadog apuesta a que un agente con telemetría más amplia puede actuar con mayor seguridad que un asistente atrapado dentro de una herramienta especializada.

Un agente de operaciones necesita reconstruir la causa a partir de evidencia dispersa por toda una pila tecnológica. La plataforma de Datadog ya recopila gran parte de esa evidencia para monitorización y resolución de problemas.

La compañía puede dar a un agente acceso a trazas de aplicaciones, registros, métricas de infraestructura, eventos de despliegue, hallazgos de seguridad en la nube y conocimiento organizativo. Datadog afirma que este contexto ayuda a Bits AI a conectar señales que, de otro modo, requerirían una investigación manual.

Winning Group ofrece un ejemplo concreto. El minorista australiano es propietario de Winning Appliances y Appliances Online, cuyo sitio web sirve como principal escaparate orientado al cliente.

El director técnico Nick Rivett afirmó que la compañía adoptó Datadog en parte para hacer accesible la información de rendimiento fuera del área de ingeniería. Los paneles compartidos permiten que más empleados examinen cambios sin esperar a que un ingeniero traduzca cada métrica.

Winning Group también utiliza las capacidades de Bits AI y MCP de Datadog. Rivett describió un incidente que los equipos humanos habían investigado durante horas antes de que Bits AI conectara la evidencia en unos 10 minutos.

Ese relato es un informe de cliente, no una referencia independiente. Sin embargo, muestra dónde la automatización con IA de Datadog puede crear valor sin conceder de inmediato a un agente una autoridad ilimitada.

Una investigación más rápida reduce el tiempo entre una alerta y una explicación creíble. Después, una persona puede revisar la evidencia y elegir una respuesta.

Flowstate presenta otro caso operativo. La empresa australiana graba a surfistas y procesa vídeo para que los clientes puedan recibir imágenes poco después de una sesión.

El tiempo de inactividad afecta directamente al producto, porque perder tiempo de grabación puede significar perder imágenes de clientes. Flowstate utiliza Datadog para monitorizar su infraestructura de vídeo en tiempo real e identificar cuellos de botella de rendimiento.

Sus necesidades de procesamiento han aumentado a medida que el vídeo pasó de 4K a 30 fotogramas por segundo a 4K a 60 fotogramas por segundo, y después a 6K a 60 fotogramas por segundo. Cada incremento añade presión de datos y procesamiento.

Este caso muestra por qué importa la telemetría conectada. Un problema de rendimiento puede proceder de cámaras, redes, recursos de computación, almacenamiento, código de aplicaciones o un servicio de procesamiento.

Un agente que examina solo registros de aplicaciones ve un sistema incompleto. La ventaja de Datadog depende de si su plataforma puede correlacionar una parte suficiente de ese sistema para identificar relaciones útiles sin generar una certeza engañosa.

El impulso comercial de la empresa le proporciona recursos para ejecutar la estrategia. Datadog reportó ingresos de 1.120 millones de dólares en el segundo trimestre de 2026, un aumento del 36 % interanual.

Sus resultados del segundo trimestre indicaron aproximadamente 4.720 clientes que generan al menos 100.000 dólares en ingresos recurrentes anuales. Esa cifra aumentó desde aproximadamente 3.850 un año antes.

Datadog también informó 316 millones de dólares en flujo de caja operativo y 279 millones de dólares en flujo de caja libre durante el trimestre. Contaba con 5.000 millones de dólares en efectivo, equivalentes de efectivo y valores negociables al cierre de junio.

Estas cifras no prueban la aceptación por parte de los clientes de las operaciones autónomas. Muestran que Datadog cuenta con una importante base empresarial y capacidad financiera para añadir funciones de IA a una plataforma consolidada.

Esta ventaja de distribución es importante. Las empresas pueden preferir la automatización integrada en los sistemas de monitorización que ya utilizan, en lugar de incorporar otro agente con permisos y canalizaciones de datos independientes.

La relación con la plataforma también genera presión para evitar el cambio. Cuanto más historial operativo, flujos de trabajo, paneles y controles de seguridad conserve un cliente en un mismo sistema, más difícil será sustituirlo.

Datadog debe equilibrar esta ventaja con las preocupaciones que plantea la consolidación. Una plataforma unificada puede reducir el trabajo de integración, pero un fallo, un error de configuración o un incidente de seguridad puede tener un impacto más amplio.

Por tanto, el mecanismo es directo, aunque su ejecución sea difícil. Datadog recopila contexto, expone ese contexto a agentes controlados y utiliza la automatización para acortar la investigación y la respuesta.

Su éxito depende de la calidad del contexto, el diseño de permisos y la fiabilidad de cada acción realizada tras el diagnóstico.

La automatización crea un nuevo problema de control

El mayor obstáculo no es si Bits AI puede encontrar la causa de un incidente. Es si las empresas pueden restringir al agente cuando su análisis es erróneo.

Las herramientas de monitorización tradicionales alertan a las personas. Los sistemas autónomos también pueden iniciar acciones, lo que crea un impacto potencial mayor a partir de conclusiones falsas o instrucciones comprometidas.

Un resumen incorrecto hace perder tiempo. Un cambio incorrecto en la infraestructura puede interrumpir el servicio, debilitar un control de seguridad o eliminar pruebas necesarias para una investigación posterior.

La inyección de prompts crea otro riesgo. La inyección de prompts ocurre cuando instrucciones ocultas o maliciosas manipulan un sistema de IA para que ignore sus reglas previstas.

Datadog presentó AI Guard para detectar comportamientos sospechosos en toda la actividad de un agente. La empresa afirma que combina el rastreo de agentes con un análisis conductual con estado, que examina el comportamiento en varios pasos en lugar de revisar un único prompt y respuesta.

Esta distinción es relevante porque los ataques contra agentes pueden desarrollarse con el tiempo. Una entrada aparentemente inocua podría provocar que un agente recupere información sensible, llame a un servicio externo o realice una acción no autorizada varios pasos después.

Las afirmaciones de Datadog sobre AI Guard siguen siendo afirmaciones de la empresa hasta que los clientes e investigadores independientes las prueben en condiciones de producción diversas. Ningún detector de comportamiento puede garantizar que se reconocerá cada instrucción perjudicial.

Por ello, los límites de permisos son esenciales. Los agentes deberían recibir únicamente el acceso necesario para una tarea definida, y las acciones sensibles deberían requerir aprobación adicional.

Una empresa también necesita registros completos de lo que un agente observó, dedujo y modificó. Sin ese historial, los equipos no pueden reconstruir los fallos ni determinar responsabilidades.

La supervisión humana no puede consistir en colocar un botón de aprobación nominal al final de un proceso opaco. Los revisores necesitan suficiente contexto para comprender la acción propuesta y su efecto probable.

La velocidad de la automatización puede ir en contra de ese requisito. Si un agente produce cientos de recomendaciones, las personas podrían aprobarlas mecánicamente y crear una apariencia de control sin una revisión significativa.

Datadog también debe gestionar el riesgo que genera su propio alcance de integración. Una plataforma conectada a telemetría de producción, hallazgos de seguridad, herramientas de desarrollo y flujos de trabajo de remediación se convierte en un objetivo atractivo.

La empresa puede reducir ese riesgo mediante autenticación, autorización, registros de auditoría, controles de datos y aislamiento de cargas de trabajo. Los clientes deben configurar correctamente esos controles y mantenerlos a medida que cambian los equipos y los sistemas.

La residencia de datos plantea otra preocupación para las organizaciones reguladas. La opción Bring Your Own Cloud de Datadog responde a ello al ubicar partes de la plataforma en un entorno controlado por el cliente y utilizar el almacenamiento de objetos del cliente.

Este diseño puede ayudar a las empresas a conservar mayor control sobre los crecientes volúmenes de registros. No elimina todas las cuestiones de gobernanza relacionadas con los metadatos, el acceso de soporte, la configuración o los servicios conectados.

El coste también puede ralentizar la adopción. Los sistemas de observabilidad procesan grandes cantidades de telemetría, y las cargas de trabajo de IA pueden generar nuevos registros, trazas, prompts, respuestas y eventos de agentes.

Los clientes deben decidir qué conservar, indexar, analizar o descartar. Un filtrado excesivo puede ocultar las pruebas que necesita un agente, mientras que una recopilación indiscriminada puede aumentar los costes y exponer datos sensibles.

También existe un problema de medición. Una investigación más rápida no produce necesariamente operaciones más seguras, y más acciones automatizadas no producen necesariamente mejores resultados empresariales.

Una implementación creíble debería realizar un seguimiento de la duración de los incidentes, la recurrencia, las recomendaciones erróneas, las acciones revertidas, las tasas de aprobación y las excepciones de seguridad. También debería distinguir entre los incidentes resueltos por un agente y aquellos en los que el agente añadió confusión.

La Agent Console de Datadog apunta hacia este tipo de evaluación para los agentes de programación. Las empresas necesitarán una disciplina similar en cada flujo de trabajo operativo automatizado.

La estrategia de la empresa sigue siendo prometedora porque conecta la IA con pruebas reales del sistema. La cuestión sin resolver es si esa conexión produce un juicio fiable o simplemente una actividad más rápida.

Datadog se enfrenta a una competencia de plataformas saturada

El verdadero rival de Datadog es la fragmentación de las herramientas empresariales, pero las plataformas competidoras plantean el mismo argumento de consolidación.

Las organizaciones han pasado años reuniendo productos especializados de monitorización, seguridad, gestión de tickets, gestión de nube y desarrollo. Datadog quiere conectar más de esas funciones dentro de una única capa de datos y automatización.

Esta propuesta presiona a las herramientas consolidadas que solo controlan una parte de un incidente. También presiona a los equipos de ingeniería que mantienen integraciones personalizadas entre sistemas de alertas, investigación y remediación.

Sin embargo, Datadog no tiene una posición exclusiva en la observabilidad unificada ni en las operaciones asistidas por IA. Dynatrace, Splunk, New Relic, ServiceNow, Microsoft, Google Cloud y Amazon Web Services conectan la IA con datos operativos.

Los proveedores de nube tienen una ventaja estructural dentro de sus propios entornos. Pueden conectar agentes con controles de infraestructura, servicios de identidad, productos de seguridad y datos de facturación.

Los proveedores de gestión de servicios controlan los procesos de aprobación, los tickets, los inventarios de activos y los flujos de trabajo empresariales. Los proveedores de seguridad poseen información especializada sobre amenazas y capacidades de respuesta.

La defensa de Datadog es la neutralidad entre entornos mixtos. Las grandes organizaciones rara vez operan con una sola nube, un solo lenguaje de programación o un único producto de seguridad.

Una capa de observabilidad ampliamente integrada puede comparar el comportamiento a través de esos límites. Datadog también puede utilizar la telemetría de aplicaciones e infraestructura para conectar los fallos técnicos con la experiencia del cliente.

Sin embargo, la neutralidad tiene límites. Cada sistema externo introduce un límite de integración, un modelo de permisos y posibles retrasos. Un proveedor de nube puede acceder a información nativa que una plataforma independiente recibe únicamente a través de una API.

Los estándares abiertos como MCP pueden reducir la fricción de integración. También pueden facilitar que los clientes conecten agentes competidores con las mismas herramientas.

Eso significa que Datadog debe competir en la calidad de su contexto, razonamiento, controles y experiencia de usuario. El simple hecho de admitir MCP no preservará una ventaja duradera.

La empresa también debe demostrar que su creciente gama de productos se percibe como un conjunto unificado. Comprar menos proveedores ayuda solo cuando los equipos pueden navegar por la plataforma combinada sin crear otra capa de complejidad.

Los compradores empresariales examinarán si las alertas comparten un modelo de datos coherente, si los permisos funcionan entre productos y si las acciones automatizadas conservan la auditabilidad. También considerarán cómo el consumo de datos afecta a los compromisos contractuales.

Los responsables de seguridad pueden preferir productos especializados para investigaciones de alto riesgo. Los equipos de operaciones pueden favorecer Datadog porque ya contiene la telemetría necesaria para diagnosticar un fallo de aplicación.

Estas preferencias pueden producir una adopción gradual. Un cliente podría comenzar con resúmenes generados por IA, después permitir la creación de tickets, la remediación de bajo riesgo y, finalmente, acciones más importantes.

Esta progresión cuestiona la idea de un cambio repentino hacia operaciones autónomas. Es más probable que la adopción empresarial siga una escalera de confianza.

Cada acción exitosa puede justificar permisos más amplios. Cada diagnóstico falso o cambio inesperado puede hacer que el programa vuelva al uso exclusivo de recomendaciones.

La oportunidad de Datadog es hacer que esa escalera sea medible. Los compradores necesitan pruebas que muestren cuándo un agente merece más autoridad y cuándo su acceso debe seguir siendo limitado.

El ganador de esta competencia no tendrá necesariamente la demostración más autónoma. Ofrecerá el camino más claro desde una asistencia útil hasta una acción responsable.

Lo que las empresas deberían vigilar a continuación

Tres señales mostrarán si Datadog puede convertir su estrategia de automatización en operaciones empresariales de confianza.

La primera señal es la expansión de los permisos de producción. Datadog ya ha llevado las capacidades de MCP más allá del acceso de solo lectura en partes de su conjunto de herramientas de seguridad.

La pregunta importante es cómo utilizan los clientes esas capacidades. La creación de tickets y la generación de recomendaciones conllevan riesgos distintos de los cambios de reglas, las supresiones o la remediación automatizada.

Las pruebas de implementaciones de producción repetibles reforzarían el argumento de Datadog. Estas implementaciones deberían incluir límites de permisos, requisitos de aprobación, registros de auditoría y procesos de reversión documentados.

Unas pocas historias dramáticas sobre incidentes no serán suficientes. Los compradores necesitan pruebas agregadas que cubran acciones erróneas, tasas de escalación, tiempo ahorrado y resultados en distintos entornos.

La segunda señal es la adopción en la mayor base de clientes de Datadog. Los 4.720 clientes de la empresa con al menos 100.000 dólares en ingresos recurrentes anuales representan un canal de distribución significativo.

Los futuros informes financieros podrían revelar si las funciones de IA aumentan el número de productos utilizados por los clientes actuales. Los comentarios de la dirección también pueden mostrar si Bits AI y Agent Builder respaldan nuevos compromisos empresariales.

El crecimiento de ingresos por sí solo no responderá a la pregunta. Datadog vende muchos productos, y los clientes pueden aumentar el gasto sin conceder a los agentes una autoridad operativa más amplia.

La señal más sólida combinaría la expansión comercial con el uso divulgado. Datadog podría informar cuántos clientes ejecutan Bits AI en producción, qué acciones realizan los agentes y en qué casos sigue siendo obligatoria la aprobación humana.

Una divulgación limitada dejaría a los compradores dependientes de historias de clientes seleccionadas. Las métricas operativas transparentes facilitarían la evaluación de las afirmaciones de la empresa.

La tercera señal es la respuesta de los reguladores y los equipos de gobernanza empresarial. Las directrices de Australia hacen hincapié en la evaluación continua de riesgos, las pruebas, la monitorización, la rendición de cuentas y el control humano.

Los procesos de contratación traducirán estos principios en preguntas técnicas. Los compradores preguntarán cómo gestiona Datadog el acceso, los datos sensibles, los cambios de modelo, los componentes de terceros, los registros de incidentes y el comportamiento de los agentes.

Los nuevos requisitos obligatorios para la IA de alto riesgo aumentarían la demanda de pruebas y supervisión. También podrían ralentizar el despliegue si Datadog y sus clientes no pueden vincular la actividad de los agentes con controles específicos.

Las respuestas de los competidores importan dentro de esta señal. Las plataformas rivales presentarán sus propios enfoques sobre gobernanza, residencia de datos y operaciones autónomas.

Si los productos competidores ofrecen modelos de control más claros, la ventaja de Datadog en telemetría amplia tendrá menos peso. Si siguen fragmentados, la estrategia unificada de Datadog se vuelve más atractiva.

Los equipos empresariales deberían evitar tratar la autonomía como una decisión binaria. Pueden clasificar las acciones según su impacto, probar agentes en entornos restringidos y ampliar la autoridad solo cuando el rendimiento lo justifique.

También deberían conservar registros legibles para las personas. Una base de conocimiento de IA puede ayudar a los equipos a conservar decisiones, contexto de incidentes y lecciones operativas, pero no sustituye los registros técnicos de auditoría.

La automatización con IA de Datadog es, en última instancia, una historia de gobernanza disfrazada de expansión de producto. Según los relatos de clientes, la tecnología puede reducir horas de investigación a minutos.

La tarea más difícil es demostrar que una acción más rápida sigue siendo segura cuando un agente interpreta mal un sistema, se encuentra con datos manipulados o va más allá de la función prevista.

Datadog cuenta con el alcance de su plataforma, clientes empresariales y recursos financieros para probar esa propuesta a escala. Las empresas deberían exigir ahora pruebas medibles antes de intercambiar visibilidad por autonomía.

¿Qué acciones operativas confiaría hoy su organización a un agente y qué pruebas justificarían concederle el siguiente nivel de acceso?