Dynatrace compra Arize porque serviço deixou de significar resposta certa

Dynatrace concluiu a aquisição da Arize, trazendo ferramentas de observabilidade↳Observabilidade11 conteúdosObservabilidade para APIs: os desafios e benefícios dessa abordagemDev (Back & Front) · jan 2025Falhas em Observabilidade afetam os Apps e a Segurança das OrganizaçõesDev (Back & Front) · nov 2023ADK Java 1.0: O Google quer que você pare de gambiarra Python no seu backendMarketing Tech · abr 2026Ver tudo em DevSecOps → de IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → para rastreamento, avaliação e experimentação. O anúncio saiu em 2 de outubro. A intenção de compra já havia sido divulgada em agosto.

A operação junta dois mundos de engenharia. Entretanto, de um lado, ferramentas para examinar aplicações e agentes de IA. Do outro, a plataforma de observabilidade usada por times de SRE e engenharia de plataforma.

A integração dos produtos, porém, segue em andamento.

A tese por trás da compra

Steve Tack, diretor de produtos da compradora, resumiu o problema. Segundo ele, saúde técnica sozinha deixa de determinar se um sistema de IA funciona como esperado.

Repare no detalhe que separa os dois mundos. Além disso, uma aplicação pode devolver resposta plausível e incorreta sem gerar nenhum erro.

O mesmo vale para agentes. Contudo, um deles pode concluir um fluxo usando contexto desatualizado ou atualizando o registro errado, enquanto todos os serviços de apoio parecem saudáveis.

Portanto, métrica de latência e taxa de erro contam apenas parte da história.

Dynatrace ganha visibilidade sobre a trajetória do agente

Os fluxos da empresa adquirida permitem inspecionar a trajetória completa. Isso inclui chamadas de modelo, contexto recuperado, uso de ferramentas, desempenho e custo.

Além disso, as equipes executam avaliações e comparam experimentos. No entanto, os resultados orientam mudanças seguintes na aplicação ou no agente.

A plataforma compradora, por sua vez, traz o entorno. Ela cobre aplicações, serviços, infraestrutura, experiência do usuário↳UX33 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025UX, IA e Front-End: quando experiência, inteligência e código se encontram para criar o futuro digitalProduto & UX · jul 2025Novidades em UX/UI para 2025: O futuro do design de experiências digitaisProduto & UX · abr 2025Ver tudo em Produto & UX → e processos de negócio.

A integração proposta liga esses registros operacionais às evidências usadas na avaliação de comportamento.

Tack argumenta que telemetria de aplicação e infraestrutura sozinha falha em explicar ações de um agente. O custo da trajetória também fica de fora dessa conta.

Por que a avaliação continua depois do deploy

Aqui está o ponto mais útil para quem opera sistemas com IA. Mudanças acontecem o tempo todo em modelos, prompts, estratégias de recuperação, ferramentas, dados e fluxos de agente.

Consequentemente, o comportamento muda sem qualquer alteração no código da aplicação.

Além disso, o caminho proposto fecha o ciclo. Descobertas de investigação viram conjuntos de dados, testes de regressão, avaliadores ou experimentos para a próxima iteração.

Stephen Elliot, vice presidente do IDC, reforçou essa leitura. Para ele, unir avaliação e observabilidade fecha o ciclo entre criar aplicações de IA e executá las com confiabilidade em produção.

O lado aberto segue de pé

O Phoenix continua como projeto de código aberto. No entanto, ele cobre rastreamento, avaliação, investigação de falhas, curadoria de conjuntos de dados e comparação de experimentos.

A versão gerenciada se chama Arize AX. Ela entrega esses mesmos fluxos cobrindo desenvolvimento e produção.

A base técnica interessa a quem evita amarra de fornecedor. O Phoenix roda sobre OpenTelemetry e OpenInference.

Esse segundo projeto nasceu como instrumentação aberta e conjunto de convenções semânticas para observabilidade de IA.

Em junho de 2026, o OpenTelemetry aceitou formalmente uma doação de código para instrumentação GenAI vinda dele. Esse código vem sendo incorporado aos poucos ao projeto de instrumentação GenAI.

O OpenInference segue aberto e compatível com o padrão.

O que isso muda no seu stack

Primeiro, trate avaliação como parte da operação. Rodar avaliador apenas antes do deploy deixa passar regressão causada por troca de modelo.

Segundo, instrumente a trajetória inteira. Chamada de modelo, documento recuperado e ferramenta acionada precisam aparecer no mesmo rastro.

Terceiro, registre custo por execução. Contudo, esse dado sustenta decisão de arquitetura e negociação com fornecedor.

Além disso, prefira convenções abertas. Instrumentação baseada em OpenTelemetry permite trocar a plataforma de visualização depois.

Por fim, transforme incidente em teste. Caso real investigado vira o melhor conjunto de regressão que você pode ter.

O que acompanhar daqui para frente

Jason Lopatecki, CEO da adquirida, Aparna Dhinakaran, CPO, e toda a equipe seguem com a compradora. As duas plataformas continuam disponíveis de forma independente.

Enquanto isso, as empresas começam a montar um roteiro conjunto. Além disso, as prioridades, segundo o anúncio, saem de clientes e desenvolvedores.

Acompanhe nosso perfil no Instagram!