Dynatrace dio a conocer los resultados de su nuevo reporte “El estado de la gestión de registros 2026”, que revela que el rápido crecimiento de las cargas de trabajo de IA está llevando al límite los enfoques tradicionales de gestión de registros. Los registros modernos se han vuelto fundamentales para comprender, validar y proteger las decisiones impulsadas por la IA, lo que ayuda a las organizaciones a garantizar la confiabilidad, el cumplimiento normativo y el desempeño a gran escala.
Sin embargo, el volumen y la complejidad de la telemetría de la IA están saturando las herramientas heredadas, lo que dificulta que los equipos mantengan los sistemas de IA explicables, confiables y listos para la producción. Como resultado, las empresas deben replantearse cómo gestionan y analizan los datos de telemetría para mantener la visibilidad, controlar los costos operativos y respaldar la IA a gran escala.
Desafíos y métricas del sector tecnológico
Según el estudio global realizado a 450 líderes senior en el sector tecnológico, este aumento en el volumen de datos, combinado con la fragmentación de las herramientas, está haciendo que a los equipos les resulte cada vez más difícil detectar problemas, proteger los sistemas de IA y extraer información relevante de manera oportuna. Las organizaciones se ven obligadas a recurrir a flujos de trabajo manuales y que consumen mucho tiempo al comparar la información de distintos sistemas, lo que retrasa el tiempo de obtención de información y limita su capacidad para llevar las iniciativas de IA de la fase piloto a la de producción.
Los encuestados estiman que gastan un promedio de casi 2.5 millones de dólares al año en soluciones de gestión de registros, lo que incluye la ingesta, la gestión, el almacenamiento, la indexación, la rehidratación y la consulta de registros. Al mismo tiempo, los registros son un componente clave para comprender y proteger los sistemas de IA. Para hacer frente al aumento de los costos y a las limitaciones de los sistemas con métodos tradicionales, muchas organizaciones se ven obligadas a limitar la cantidad de datos de telemetría empresarial que ingieren o conservan.
Límites y consecuencias en la infraestructura tradicional
Casi la mitad de las organizaciones informan que descartan o no recopilan registros, lo que excluye, en promedio, el 86% de los datos de registro del proceso de ingestión, almacenamiento o análisis, con el fin de gestionar los costos y las limitaciones del sistema. Estos desafíos son más pronunciados en entornos que dependen de enfoques fragmentados o centrados en los registros, en lugar de una plataforma de observabilidad unificada diseñada para manejar telemetría a escala de IA.
“La IA está acelerando la innovación empresarial, pero la mayoría de los sistemas de registro nunca se diseñaron para la escala, la velocidad o la complejidad de los entornos impulsados por la IA”, afirmó Mala Pillutla, vicepresidenta de gestión de registros de Dynatrace. “Dado que los agentes de IA operan de manera probabilística, ya no es viable tratar los registros, las métricas, los rastros y los eventos como señales separadas. Para que los sistemas de IA sean confiables y fiables, las organizaciones necesitan un enfoque unificado e inteligente que reúna toda la telemetría en tiempo real, enriquecida con un contexto profundo que permita tomar decisiones con confianza”.
Hacia la observabilidad unificada en entornos de producción
A medida que las iniciativas de IA pasan de la fase experimental a la de producción, la gestión fragmentada de los registros, debido al exceso de herramientas, se está convirtiendo en un obstáculo clave para la confiabilidad, la confianza y la escalabilidad operativa. El informe subraya la necesidad de un enfoque fundamentalmente nuevo para la gestión de registros, en el que éstos sirvan como base de alta fidelidad, unificada con el rastreo distribuido y otros datos de telemetría para ofrecer información en tiempo real y rica en contexto a gran escala.
Casi tres cuartas partes de los encuestados afirman que las cargas de trabajo de IA ahora exigen un enfoque basado en plataformas para la gestión de registros, mientras que el 81% cree que la ingesta y el procesamiento de registros deben ser abiertos y automatizados para permitir el análisis en tiempo real sin esquemas rígidos, sobrecarga de indexación ni retrasos en la rehidratación. El costo real de la fragmentación de la observabilidad no es solo la factura de la infraestructura, sino el costo de oportunidad de las iniciativas de IA que se estancan entre la fase piloto y la de producción porque los equipos no pueden confiar en su telemetría unificada.
