AI-workloads hebben het volume aan logs en telemetriegegevens bij organisaties met 93 procent doen stijgen, zo blijkt uit onderzoek. Tegelijkertijd beheren teams deze data gemiddeld met zeven verschillende tools, wat leidt tot handmatige en tijdrovende processen die AI-initiatieven vertragen.
AI-workloads leggen een ongekende druk op de loginfrastructuur van organisaties. Dat blijkt uit het nu gepubliceerde State of Log Management 2026-rapport van Dynatrace. Het onderzoek werd in januari en februari 2026 uitgevoerd door Coleman Parkes onder 450 senior besluitvormers bij bedrijven met een jaaromzet van 750 miljoen dollar of meer.
De groei in logvolume gaat hand in hand met toenemende complexiteit. Zo werken teams gemiddeld met zeven afzonderlijke tools om logs en telemetrie bij te houden. Dat leidt weer tot handmatige workflows waarbij inzichten uit meerdere systemen naast elkaar worden gelegd. Acht op de tien respondenten geeft aan dat het omzetten van telemetrie naar bruikbare inzichten een negatieve impact heeft op de klantervaring en AI-initiatieven vertraagt.
Kosten lopen op, data valt weg
Naast de operationele impact zijn de financiële gevolgen aanzienlijk. Organisaties geven gemiddeld bijna 2,5 miljoen dollar per jaar uit aan logoplossingen voor onder meer het verzamelen, opslaan en indexeren van data. Toch slaagt een groot deel er niet in die investering te verzilveren. Bijna de helft van de organisaties ziet zich door de extreme volumes genoodzaakt om logs vroegtijdig te verwijderen of simpelweg niet te verzamelen. De bredere impact is groot, want gemiddeld wordt 86 procent van alle loggegevens volledig uitgesloten van opslag, verwerking of analyse.
Dat heeft weer directe gevolgen voor AI-initiatieven. Bijna een derde van de organisaties betaalt voor redundante observability-functies. Dit terwijl meer dan een kwart van de engineeringtijd opgaat aan het draaiende houden van tooling in verschillende omgevingen.
Platformbenadering als antwoord
Bijna driekwart van de respondenten bevestigt dat AI-workloads een platformgebaseerde aanpak voor logbeheer vereisen. 81 procent vindt bovendien dat het verzamelen en verwerken van logs open en geautomatiseerd moet zijn, zonder rigide schema’s of indexeringsoverhead.
Waar traditionele applicaties voorspelbare, lineaire code volgen, werken moderne AI-modellen en LLM’s met complexe neurale netwerken. Dit zorgt voor het bekende ‘black box’-probleem. Om te achterhalen hoe een AI-agent tot een specifiek antwoord of actie is gekomen, moeten systemen elke stap, prompt en tussenliggende logica vastleggen. Dit verklaart de grote toename van gedetailleerde telemetriegegevens waar klassieke logtools simpelweg niet op zijn berekend.
“AI versnelt innovatie binnen bedrijven, maar de meeste logsystemen zijn nooit gebouwd voor de schaal, snelheid of complexiteit van AI-gestuurde omgevingen”, zegt Mala Pillutla, Vice President Log Management bij Dynatrace. “Omdat AI-agents probabilistisch werken, is het niet langer haalbaar om logs, metrics, traces en events afzonderlijk te behandelen.”
In ander nieuws: Mistral AI jaagt 3 miljard euro aan financiering na