Cribl køber Tero for at udvikle observerbarhed for mennesker og AI-agenter

Cribl meddelte den 10. november 2026, at virksomheden havde købt Tero, hvis teknologi identificerer observerbarhedsdata med lav værdi. Teros grundlæggere og ingeniører slutter sig til Cribl for at udvikle observerbarhed for ingeniører og AI-agenter. Det er telemetrisystemets tredje opkøb på fire måneder.

Ben Johnson, Adam Cohen og Nihar Singhal, der tidligere var henholdsvis Tеровs administrerende direktør, teknologidirektør og driftsdirektør, skal være med til at lede Cribls strategi for observerbarhed. Johnson bliver VP for observerbarhed, og teamet arbejder på værtovervågning, overvågning af applikationsydeevne (APM), federeret observerbarhed og AI-baseret observerbarhed på den platform, kunderne allerede bruger til at indsamle, dirigere og optimere telemetri. Johnson var tidligere medstifter af Timber, der skabte open source-observerbarhedspipelinen Vector. Datadog købte Timber i 2021.

Teros fokus på telemetriens værdi

Teros teknologi måler, hvor stor en del af en organisations telemetri der er spild, finder data med lav værdi på tværs af observerbarhedsværktøjer og gør det muligt for ingeniører at håndtere dem i deres eksisterende værktøjer. Dermed føjes en vurdering af dataværdi til Cribls arbejde med indsamling og dirigering: Teams skal også afgøre, hvilke telemetridata der er værd at gemme og analysere.

I Johnsons beskrivelse af opkøbet sagde han, at fleksibel dirigering ikke havde fjernet omkostningerne ved at gemme og forespørge på telemetridata, som ingen læste. Det kræver kendskab til, hvordan tjenester hænger sammen, hvad der er ændret, og hvilke signaler ingeniører ser på under hændelser, hvis man skal finde nyttige data. Denne viden er ofte ikke dokumenteret og findes hos ingeniørerne. Den kan hjælpe med at styre en menneskelig undersøgelse, men tilgangen bryder sammen, når en AI-agent udfører undersøgelsen.

Et fælles grundlag for AI-agenter

Johnson beskriver AI-agenter som nye primære forbrugere af produktionsdata på linje med ingeniører; begge grupper har brug for de underliggende data og den kontekst, der skal til for at fortolke dem. Han nævner som eksempel en agent, der undersøger en pludselig stigning i latenstid: Den skal forbinde symptomet med en udrulning fra en time tidligere, kodeændringen bag udrulningen og en downstream-tjeneste, der begyndte at få timeout. Separate observerbarhedsprodukter kan begrænse den dokumentation, undersøgelsen har adgang til.

Den foreslåede arkitektur fastholder forståelsen af produktionsmiljøet én gang som en fælles ressource for ingeniører og agenter. Værtovervågning og APM skal fortsat fungere som applikationer på dette grundlag i stedet for som uafhængige produktlagre, der indeholder dubletter af de samme telemetridata. Johnson, hans medstiftere og den oprindelige ingeniør Jacob Aronoff tager Teros arbejde med agentadgang og forståelse af produktionsmiljøet med til Cribl.

I et indlæg om agentbaseret telemetri den 28. juli 2026 definerede Cribls administrerende direktør Clint Sharp begrebet som telemetri, der administreres samlet for mennesker og AI-agenter. Tilgangen kombinerer menneskelig, maskinel og AI-relateret kontekst, så autoriserede brugere kan forespørge på data dér, hvor de befinder sig.

Federeret søgning, også kaldet søgning på stedet, sender forespørgsler til data i datasøer, objektlagring, lakehouses og eksisterende værktøjer i stedet for først at samle dataene ét sted. Agentadgang kræver også identitet, rollebaseret adgangskontrol, revision, dataafstamning, budgetkontrol og menneskelig gennemgang af forespørgsler og handlinger. »Modeller vil ændre sig. Agenter vil ændre sig. Grænseflader vil ændre sig. Jeres telemetri er det varige aktiv,« skrev Sharp.

Cribls opkøbsstrategi

Handlen følger efter opkøbet af CardinalOps i juli 2026 og af Radiant Securitys teknologi til et AI-sikkerhedsoperationscenter i august 2026. Cribl siger, at opkøbene udvider virksomhedens forretning mod egne funktioner inden for observerbarhed og sikkerhed på én åben telemetriplatform.

For Cribl tilfører Tero ekspertise inden for dataværdi, kontekst om produktionsmiljøet og agentadgang, mens det planlagte overvågningsarbejde skal føre til flere egne applikationer på det fælles grundlag. Den afgørende prøve bliver, om Cribl kan give autoriserede agenter bred adgang til brugbar dokumentation fra produktionsmiljøet uden at genskabe de isolerede datalagre og den ukontrollerede adgang, som arkitekturen er udviklet til at undgå.