Saltar al contenido
Volver

Splunk va por su segundo LLM open source para telemetría y un Universal Collector con OpenTelemetry

En .conf26, Splunk anunció un LLM open source entrenado para razonar sobre logs y un Universal Collector basado en OpenTelemetry, en beta para 2027.

Nauta Lab
2 min

Splunk va por su segundo LLM open source para telemetría y un Universal Collector con OpenTelemetry

Splunk está apostando fuerte a que la IA no se observa igual que el software de antes. En su .conf26 de esta semana, la empresa (ahora brazo de Cisco) confirmó dos movidas que apuntan directo a la observabilidad de la era agéntica: un segundo LLM open source, esta vez entrenado para razonar sobre logs, y un Universal Collector que unifica la ingesta de telemetría con OpenTelemetry.

Un LLM no sirve para todo

La tesis de Splunk es simple y tiene sentido: los modelos de propósito general se entrenaron con texto, código y video, así que se atragantan con datos de telemetría. Las métricas son datos numéricos que necesitan un modelo entrenado específicamente para consumirlos. Por eso ya existía el Cisco Time Series Model 1.0, un modelo abierto en Hugging Face pensado para métricas.

Ahora viene la segunda pieza: un modelo entrenado para analizar y razonar sobre logs (y, por extensión, traces). El argumento de fondo es práctico: podrías tirar logs a un modelo general, pero el volumen de datos desborda la ventana de contexto. Un modelo dedicado razona sobre esa data de forma más eficiente.

Raja Mukhopadhyay, VP de observability cloud de Splunk, lo resume así: la explosión de telemetría que generan los agentes de IA ya no se puede mirar con las herramientas de siempre.

El Universal Collector, la otra mitad

La segunda novedad es el Universal Collector, esperado en beta para 2027, que promete simplificar la recolección de todo tipo de telemetría usando una instancia de OpenTelemetry. La idea es dejar de desplegar repositorios separados para cada tipo de dato y poder correlacionar eventos entre DevOps, operaciones de TI y seguridad sin fricción extra.

Es un guiño claro a lo que se viene: cuando los agentes empiecen a generar código en un lenguaje máquina que los humanos no puedan leer, la observabilidad se va a tener que resolver entre agentes que validan a otros agentes. Splunk está plantando esa bandera ahora, antes de que el problema se vuelva imposible de ignorar.

El contexto que importa

No es un capricho aislado. Con los equipos de DevOps desplegando flotas de agentes autónomos, la cantidad de telemetría crece a un ritmo que la instrumentación tradicional no da abasto. La apuesta de Splunk —modelos abiertos especializados + un colector unificado— es una respuesta concreta a esa presión, y encaja con la tendencia que ya vimos en Datadog y Dynatrace de meter IA profunda en el pipeline de observabilidad.

Para el que opera infra: no hay que correr a migrar nada hoy, pero la dirección es clara. El futuro de la observabilidad no es “más dashboards”, es modelos que entienden la telemetría mejor que un ingeniero mirando un gráfico a las 3 de la mañana.

Fuente: DevOps.com.


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en Observabilidad →

Buscar en Ping Diario