维端网近日，思科发布了《Splunk 2026 年可观测性现状报告：在 AI 时代重建可预测性》（Splunk State of Observability 2026: Restoring Predictability in the AI Era），这是思科第六次对可观测性发展格局进行年度分析。本年度研究最凸出的发现：企业在 AI 智能体部署方面的需求日益迫切，但对其进行监测的能力却未能同步提升。该研究覆盖来自 10 个国家的 2,050 名 IT 运维和工程领域受访者。
随着 AI 成本变得愈发波动，企业难以同时保障智能体质量和财务可预测性。今年的报告指出，可观测性有助于重建代理式 AI 系统的稳定性和财务可预测性，为智能体建立可信赖的治理机制，并确保AI支出与业务价值相匹配。
此外，83% 的受访者表示，他们担心 AI 智能体带来意料之外的后果，因此，企业亟需“智能体可观测性”，即对 AI 智能体进行监测并设置防护措施。随着智能体逐步获得对整个技术栈的访问权限，这一需求正推动 IT 运维和工程团队与安全团队开展更紧密的协作。
思科全球总裁兼首席产品官 Jeetu Patel 表示：“
很快，大多数企业投入工作的智能体数量就会远超员工人数。要实现对智能体的大规模管理，企业需要重新思考安全与可观测性。我们的智能体是否遭到入侵？它们是否在有效履行职责？在代理式 AI 时代，这两个问题密不可分，而且必须以机器般的速度加以应对。这份报告显示，可观测性数据与安全数据正日益融合，团队之间也比以往任何时候都更需要紧密协作。借助能够实时发现并响应问题的统一数据平台，是企业大规模部署值得信赖的 AI 智能体的关键。”
思科全球资深副总裁兼 Splunk 总经理 Kamal Hathi 补充道：“
如今，企业对 AI 的热情正遭遇成本账单的现实考验。我们认为，可观测性是帮助企业在代理式 AI 时代重新建立成本可预测性与信心的关键。通过建立必要的防护机制，并将可观测性纳入 AI Tokenomics 框架，企业领导者能够将难以预测的 AI 支出转变为可衡量、具有长期战略价值的业务投资。”
智能体可观测性成为业务重点
但能力仍存在缺口
随着企业将 AI 智能体应用于软件开发、客户体验等工作流程，智能体的一次错误操作就可能引发严重的业务事故。与传统应用监测不同，要全面了解 AI 智能体的行为，需要引入一套全新的行为指标，并将其与业务成果及智能体的决策过程联系起来。尽管许多受访者已认识到智能体可观测性技术的价值，但在如何有效应用这些工具，以及如何衡量其实际效果方面，仍面临挑战。
◎87% 的受访者认为监测 AI 是所在企业的优先事项；然而，54% 的受访者表示，相关工作尚未与明确的业务成果挂钩。
◎56% 的受访者表示他们无法衡量 AI 工作负载指标，例如大型语言模型（LLM）的响应质量，而这正是追踪 AI 智能体成效的一项核心指标。
◎85% 的受访者认为了解 AI 幻觉情况十分重要，但只有 58% 的受访者表示，自己能够有效做到这一点。
AI 正在带来难以预测的成本
可观测性能够让 AI 支出变得可见、可归因、可控。当企业在多个模型上运行数十个智能体时，AI 成本和使用情况可能变得错综复杂。此外，AI 也加剧了许多企业面临的数据量问题，海量数据几乎难以筛查。
◎55% 的受访者表示他们无法控制 AI 成本。随着 AI 使用场景日益复杂，消耗量持续增长，而使用情况仍难以预测。
◎60% 的受访者表示与较高的基础成本相比，意外飙升的账单给运营带来的压力更大。
◎57% 的受访者表示遥测成本已超过被监测基础设施本身的成本，因此财务可预测性比以往任何时候都更加重要。
◎67% 的受访者使用单一可观测性平台，以获得统一视图并准确定位遥测成本的来源。
可观测性与安全融合
助力建立 AI 信任
随着 AI 智能体在企业各个业务层面获得更广泛的操作权限，对其进行监测需要 IT 运维、工程和安全团队协作，打破长期以来存在于这些团队之间的壁垒。
◎81% 的受访者表示监测 AI 工作负载加强了可观测性团队与安全团队之间的协作；73% 的受访者能够准确追溯性能问题背后的安全根本原因，高于去年的 65%。
◎与安全团队共同排查问题的可观测性团队比例从 2025 年的 62% 上升至 77%。团队间的数据共享比例也从 74% 上升 84%。
领先企业的优势：
在代理式 AI 时代重建可预测性
本次研究发现，一批领先的企业凭借可观测性实践取得了切实的业务成果。这些领先企业遵循三项最佳实践：
1. 经常依靠 AI 智能体修复和预防问题。领先企业经常使用智能体执行关键的修复任务。
2. 密切监测确保 AI 受到有效约束的关键因素。领先企业重点监测模型质量、成本、使用情况、安全和隐私。
3. 将各类信号与业务影响关联起来。这些领先企业认为，遥测数据是规划流程中的关键因素，有助于制定战略决策。
这些领先企业正获得显著成效。与其他企业相比，它们更有可能准确归因 AI 成本（领先企业为 91%，其他企业为 69%），从而明确哪些智能体、模型和工作负载带来了相关支出。它们认为可观测性平台的投资回报率显著超出预期的可能性，是其他企业的 2.4 倍；54% 的领先企业表示，可观测性每年带来了至少 500 万美元的业务收入，而其他企业的这一比例为 28%。
领先企业也能从可观测性团队与安全团队的紧密协作中获益：94% 的领先企业表示，监测 AI 加强了其与安全团队的协作，其他企业的这一比例为 80%；领先企业准确追溯性能问题安全根本原因的可能性也更高，比例为 86%，而其他企业为 71%。
全球市场亮点
本年度报告显示，在接受调研的 10 个国家和地区中，监测 AI 智能体、成本难以预测以及对代理式 AI 的担忧仍是共同关注的重点。
印度企业在智能体可观测性方面表现突出：51% 的受访者认为其监测 AI 模型质量的实践非常有效，高于全球平均水平 35%。英国既展现出较高的采用程度，也表现出对代理式 AI 的担忧：32% 的受访者经常使用 AI 智能体诊断根本原因，高于全球平均水平 20%；55% 的受访者对 AI 智能体可能带来的意外后果表示强烈担忧。沙特阿拉伯的企业展现出更先进、更加积极采用 AI 的特点，98% 的受访者表示，AI 使他们能够更加专注于创新，显著高于全球平均水平 84%。德国企业则尤其重视数据敏感性，74% 的受访者认为，了解 AI 隐私状况非常重要。
