据SiliconANGLE于2026年9月11日报道，Dynatrace收购Arize AI，将AI可观测性、评估与智能体监控能力纳入其应用可观测平台。两家公司高管在theCUBE Research的AppDevANGLE播客中表示，企业可观测性正从识别问题转向为人和AI智能体提供诊断、修复乃至行动的上下文。

Dynatrace首席产品官Steve Tack在播客中称，世界已经发生很大变化，AI给这一领域带来新问题和新场景。Arize AI联合创始人兼首席产品官Aparna Dhinakaran则表示，AI应用和智能体与传统软件不同，即便输入相似，输出也可能变化，因此评估不再只是判断对错，而是衡量响应的质量，这是一个根本不同的问题。

传统可观测性平台围绕确定性软件和日志、指标、链路等遥测数据构建。随着企业把大语言模型和自主智能体投入应用，非确定性行为让故障排查变得更困难。可观测性不再只关注应用是否可用、基础设施是否在预期阈值内运行，还需要判断AI系统是否产生预期响应、响应质量是否达到要求。这一转变成为Dynatrace收购Arize AI的背景。

Arize AI的平台提供AI应用和智能体的追踪、评估与改进工具。Dhinakaran称，其开源平台Phoenix已被4000多家企业使用，Arize AX则提供面向生产规模AI系统的托管环境。对Dynatrace而言，这些能力把可观测性扩展到企业将AI项目从实验推向生产时日益重要的应用层。

AI应用很少独立运行。智能体调用应用程序接口、与数据库交互、依赖云基础设施，并连接更广泛的企业系统。Dhinakaran表示，Arize客户越来越希望把AI遥测与传统的应用和生产遥测连接起来，Dynatrace客户则要求更深入的AI可观测性和评估能力。把两个环境结合，可让开发者、站点可靠性工程师、平台团队、AI工程师和数据科学家对应用栈中发生的情况形成共享视图。她说，智能体系统与软件系统紧密相连，既能用AI可观测性调试智能体，又能获得其调用工具或底层基础设施的上下文，有助于构建更好的产品。

播客主持人、theCUBE Research实践负责人兼首席分析师Paul Nashawaty在对话中援引研究称，75%的组织使用6到15种可观测性工具。企业增加AI监控、评估和治理系统时，风险在于AI制造出另一个孤立运营层，而不是减少复杂性。Tack认为，把应用可观测性与AI可观测性结合，可以让组织获得更完整的系统级视图，而不是让团队在互不连接的平台之间拼凑信息。他称，真正的损失往往是失去系统思维，问题在于如何带来更广阔的视角、共享上下文并采取行动。

这一变化也表明，可观测性平台的重心正在从仪表盘展示转向运营行动。