
Datadog acaba de presentar Scout 1.0, su primer modelo de IA especializado en investigar incidentes de producción. Ya está en producción alimentando Bits Investigation, la herramienta que Datadog describe como su “AI SRE”: examina las alerts antes de que un ingeniero humano se ponga a trabajar.
La receta: un modelo base abierto + RL con simulaciones realistas
Lo interesante es la construcción:
- Base: GLM-5.3 Flash (de Z.AI), no un modelo frontier propio.
- Post-entrenamiento con reinforcement learning en simulaciones de investigación, construidas a partir de incidentes históricos y telemetría de alerts reales, con causas conocidas de antemano.
- El modelo aprendió a investigar usando las mismas herramientas que usaría un ingeniero: métricas, logs, trazas, dependencias, cambios (deploys, feature flags) y código.
Los números que importan
Según la evaluación de Datadog, Scout 1.0:
- Iguala la calidad de investigación de GPT-6.1 Sol (high) y Claude Opus 5.5 (high) a un costo de inferencia estimado 3-8x menor.
- La variante media supera a GLM-5.3 completo con más de 4x de reducción de costo.
Por qué esto es una señal, no solo un producto
El punto de fondo: mientras el mercado discute si los modelos frontier justifican su precio, Datadog está mostrando el camino del modelo especializado barato por tarea. Si investigar una alerta cuesta una fracción de lo que costaba, dejan de ahorrar las investigaciones solo para los incidentes “importantes”: se puede investigar más y más temprano, sin pager heroico de por medio.
Ya hay equipos internos de Datadog y un grupo cerrado de clientes usándolo sobre alerts reales de producción. El siguiente paso lógico: que este tipo de investigador autónomo llegue al plan gratis de tu APM. Ahí se pone interesante la conversación sobre qué le queda al on-call humano.


