Gremlin lancia Foresight AI per l'ingegneria dell'affidabilità con agenti supervisionati
14 ottobre 2026 · 3 min di lettura
La società di gestione dell'affidabilità Gremlin ha annunciato la disponibilità generale di Foresight AI, un prodotto basato su agenti che analizza i servizi per individuare potenziali guasti, raccomanda modifiche ed esegue nuovamente i test per verificare l'efficacia delle correzioni. Questo strumento è offerto come componente aggiuntivo alla piattaforma esistente di Gremlin, la quale consente ai team di condurre esperimenti pianificati, controllare il raggio d'impatto dei guasti e utilizzare test automatizzati per garantire che le correzioni rimangano efficaci nel tempo. Attraverso l'uso di punteggi di affidabilità, le organizzazioni possono quantificare i propri progressi e dare priorità agli investimenti nella resilienza.
Il prodotto suddivide il lavoro tra quattro ruoli distinti di agente. Un analista raccoglie i dati sui servizi e raccomanda i test, mentre un tester programma ed esegue tali verifiche. Un operatore interpreta i test falliti e propone azioni di rimedio. Un responsabile tecnico del programma traccia la copertura dei test, i rischi per l'affidabilità e gli impegni tra i vari team. Quest'ultimo ruolo può generare rapporti settimanali e inviare aggiornamenti tramite Slack. Foresight AI basa le proprie raccomandazioni sull'Atlante dei Guasti di Gremlin, un registro proprietario costruito a partire da milioni di esperimenti di iniezione di guasti condotti nell'arco di oltre dieci anni su decine di migliaia di sistemi distribuiti.
Una distinzione tecnica fondamentale risiede nel ciclo di validazione chiuso. Quando un test rivela una debolezza, il servizio propone una modifica e successivamente esegue nuovamente il test originale. Gremlin afferma che Foresight AI non eseguirà né un test né applicherà una rimedio senza approvazione preventiva. Questo approccio mantiene un ingegnere responsabile delle modifiche mentre automatizza gran parte dell'analisi e della ripetizione ad esse correlate. Il servizio crea anche rapporti e cruscotti a partire da richieste in linguaggio naturale, includendo grafici, tabelle, schede e collegamenti per mostrare le variazioni nei punteggi di affidabilità e i rischi affrontati dai team.
L'azienda precisa che i dati di sistema non vengono utilizzati per addestrare un modello linguistico di grandi dimensioni. Invece, gli agenti utilizzano i dati della piattaforma e l'Atlante dei Guasti per prendere decisioni, impiegando un modello linguistico di grandi dimensioni esclusivamente per cercare, riassumere e spiegare i risultati. Kolton Andrus, amministratore delegato e co-fondatore di Gremlin, sostiene che questo prodotto risponde a una consegna del software assistita dall'intelligenza artificiale sempre più rapida, notando che più codice raggiunge la produzione senza una stretta revisione umana. L'obiettivo è fornire controlli di affidabilità senza richiedere che ogni sviluppatore diventi uno specialista di sistemi distribuiti.
Analisti esterni hanno osservato che i programmi di affidabilità non possono essere semplicemente installati come pacchetti software. Jason English, analista presso Intellyx, descrive i prodotti di osservabilità e di ingegneria del sito affidabile basati sull'intelligenza artificiale come utili ma largamente reattivi, poiché iniziano solitamente con la telemetria da un problema già verificatosi. L'iniezione di guasti adotta un approccio diverso creando condizioni di guasto controllate prima di un incidente. English avverte che i risultati sostenuti richiedono ancora una proprietà condivisa e una responsabilità tra ingegneria e gestione, poiché l'organizzazione deve decidere quali rischi sono accettabili.
Il rilascio si affianca ad altri sforzi per introdurre controlli di resilienza automatizzati nelle pipeline di consegna. Le linee guida sull'ingegneria del caos di Google Cloud raccomandano condizioni di guasto realistiche, raggi d'impatto limitati e automazione continua. Wix ha descritto l'uso dell'intelligenza artificiale nell'integrazione e distribuzione continua per l'interpretazione dei log e suggerimenti di rimedio, mantenendo però le decisioni critiche sotto controllo umano. Questi controlli ricordano il limite di approvazione in Foresight AI, che differisce da modelli più autonomi come la proposta del ciclo di vita dello sviluppo degli agenti di Cloudflare. Gremlin adotta attualmente un approccio supervisionato, utilizzando agenti per proporre test e modifiche mentre richiede alle persone di autorizzarli.