Cribl kjøper Tero for å utvikle observerbarhet for mennesker og AI-agenter

Cribl kunngjorde 10. november 2026 at selskapet hadde kjøpt Tero, et selskap med teknologi som identifiserer observabilitetsdata med lav verdi. Teros grunnleggere og ingeniører slutter seg til Cribl for å utvikle observerbarhet for ingeniører og AI-agenter. Dette er telemetriselskapets tredje oppkjøp på fire måneder.

Ben Johnson, Adam Cohen og Nihar Singhal, som tidligere var henholdsvis Teros CEO, CTO og COO, skal bidra til å lede Cribls plan for observerbarhet. Johnson blir visepresident for observerbarhet. Teamet skal arbeide med vertsovervåking, overvåking av applikasjonsytelse (APM), føderert observerbarhet og AI-nativ observerbarhet på plattformen kundene allerede bruker til å samle inn, rute og optimalisere telemetri. Johnson var tidligere med på å grunnlegge Timber, som står bak den åpne telemetripipelinen Vector. Datadog kjøpte Timber i 2021.

Teros fokus på telemetriens verdi

Teros teknologi måler hvor stor andel av en organisasjons telemetri som er unødvendig, finner data med lav verdi på tvers av observabilitetsverktøy og lar ingeniører håndtere dem i verktøyene de allerede bruker. Dette føyer en vurdering av dataverdi til Cribls arbeid med innsamling og ruting: Teamene må også avgjøre hvilke telemetridata det er verdt å beholde og analysere.

I Johnson sin beskrivelse av oppkjøpet sa han at fleksibel ruting ikke hadde fjernet kostnadene ved å lagre og spørre etter telemetridata som ingen leste. Å identifisere nyttige data avhenger av kunnskap om hvordan tjenester henger sammen, hva som er endret, og hvilke signaler ingeniører undersøker når det oppstår hendelser. Denne kunnskapen er ofte ikke dokumentert og finnes hos ingeniørene. Den kan veilede en menneskelig undersøkelse, men fremgangsmåten fungerer dårlig når en AI-agent utfører den.

Et felles fundament for AI-agenter

Johnson beskriver AI-agenter som en voksende gruppe primærbrukere av produksjonsdata, på linje med ingeniører. Begge gruppene trenger de underliggende dataene og konteksten som skal til for å tolke dem. Han bruker som eksempel en agent som undersøker en plutselig økning i forsinkelse: Den må koble symptomet til en utrulling som fant sted en time tidligere, kodeendringen bak utrullingen og en nedstrøms tjeneste som begynte å få tidsavbrudd. Separate observabilitetsprodukter kan begrense hvilke bevis undersøkelsen har tilgang til.

Den foreslåtte arkitekturen bevarer forståelsen av produksjonsmiljøet én gang, som en delt ressurs for ingeniører og agenter. Vertsovervåking og APM skal fortsatt være applikasjoner bygget på dette fundamentet, i stedet for separate produktlagre som lagrer de samme telemetridataene på nytt. Johnson, medgrunnleggerne hans og den første ingeniøren Jacob Aronoff tar med seg Teros arbeid med agenttilgang og forståelse av produksjonsmiljøet til Cribl.

I et innlegg om agentisk telemetri datert 28. juli 2026 definerte Cribls CEO Clint Sharp begrepet som telemetri som håndteres for mennesker og AI-agenter i fellesskap. Tilnærmingen kombinerer menneskelig, maskinell og AI-kontekst, slik at autoriserte brukere kan spørre etter data der de befinner seg.

Føderert søk, eller søk på stedet, sender søk til data i datainnsjøer, objektlagring, lakehouse-løsninger og eksisterende verktøy, i stedet for å sentralisere dataene først. Agenttilgang krever også identitetsstyring, rollebasert tilgangskontroll, revisjonsspor, dataopprinnelse, budsjettkontroller og menneskelig gjennomgang av søk og handlinger. «Modeller vil endre seg. Agenter vil endre seg. Grensesnitt vil endre seg. Telemetrien din er den varige ressursen», skrev Sharp.

Cribls oppkjøpsstrategi

Oppkjøpet følger etter CardinalOps i juli 2026 og Radiant Securitys teknologi for et AI-sikkerhetsoperasjonssenter i august 2026. Cribl sier at oppkjøpene utvider virksomheten mot egne funksjoner for observerbarhet og sikkerhet på én åpen telemetri­plattform.

For Cribl tilfører Tero kompetanse innen dataverdi, produksjonskontekst og agenttilgang, mens det planlagte overvåkingsarbeidet vil føre til at flere egne applikasjoner bygges på det felles fundamentet. Den avgjørende prøven blir om Cribl kan gi autoriserte agenter bred tilgang til brukbare produksjonsdata uten å gjenskape de isolerte datalagrene og den ukontrollerte tilgangen som arkitekturen er utformet for å unngå.