Förvärv
Cribl köper Tero för att skapa observabilitet för människor och AI-agenter
Lägg till Unite.AI bland dina föredragna källor på Google
Cribl meddelade den 10 november 2026 att företaget hade förvärvat Tero, ett bolag vars teknik identifierar observabilitetsdata med lågt värde. Teros grundare och ingenjörer ansluter sig till Cribl för att utveckla observabilitet för ingenjörer och AI-agenter. Förvärvet är telemetriföretagets tredje på fyra månader.
Ben Johnson, Adam Cohen och Nihar Singhal, tidigare vd, teknikchef respektive operativ chef på Tero, ska bidra till att leda Cribls strategi för observabilitet. Johnson blir VP of Observability, och teamet ska arbeta med värdövervakning, övervakning av applikationsprestanda (APM), federerad observabilitet och AI-inbyggd observabilitet på den plattform som kunderna redan använder för att samla in, dirigera och optimera telemetri. Johnson var tidigare med och grundade Timber, som skapade observabilitetspipelinen Vector med öppen källkod. Datadog förvärvade Timber 2021.
Teros fokus på telemetridata med lågt värde
Teros teknik mäter hur stor del av en organisations telemetri som utgörs av slöseri, hittar data med lågt värde i olika observabilitetsverktyg och gör det möjligt för ingenjörer att hantera den i sina befintliga verktyg. Därmed tillförs ett beslut om datavärde till Cribls arbete med insamling och dirigering: team behöver också avgöra vilken telemetri som är värd att bevara och analysera.
I Johnsons redogörelse för förvärvet sade han att flexibel dirigering inte hade eliminerat kostnaden för att bevara och söka i telemetri som ingen läste. För att identifiera användbara data måste man veta hur tjänster hänger ihop, vad som har ändrats och vilka signaler ingenjörer granskar vid incidenter. Den kunskapen är ofta odokumenterad och finns hos ingenjörerna. Den kan vägleda en mänsklig utredning, men upplägget fallerar när en AI-agent genomför den.
En gemensam grund för AI-agenter
Johnson beskriver AI-agenter som en framväxande grupp primära användare av produktionsdata vid sidan av ingenjörerna. Båda grupperna behöver tillgång till de underliggande uppgifterna och det sammanhang som krävs för att tolka dem. Som exempel nämner han en agent som undersöker en plötslig ökning av latensen: den måste koppla symtomet till en driftsättning som gjordes en timme tidigare, kodändringen bakom driftsättningen och en nedströms tjänst som började få tidsgränsöverskridanden. Separata observabilitetsprodukter kan begränsa vilka belägg som finns tillgängliga för undersökningen.
Den föreslagna arkitekturen bevarar förståelsen av produktionsmiljön på ett ställe som en gemensam resurs för ingenjörer och agenter. Värdövervakning och APM skulle fortsätta att finnas som applikationer på den grunden i stället för som fristående produktlager som duplicerar samma telemetri. Johnson, hans medgrundare och den första ingenjören Jacob Aronoff tar med sig Teros arbete med agentåtkomst och förståelse av produktionsmiljön till Cribl.
I ett inlägg om agentbaserad telemetri den 28 juli 2026 definierade Cribls vd Clint Sharp begreppet som telemetri som hanteras gemensamt för människor och AI-agenter. Metoden förenar mänsklig kontext, maskinkontext och AI-kontext, så att behöriga användare kan söka i data där de finns.
Federerad sökning, eller sökning på plats, innebär att sökfrågor skickas till data i datasjöar, objektlagring, lakehouses och befintliga verktyg i stället för att data först samlas på ett ställe. Agentåtkomst kräver också identitet, rollbaserad åtkomstkontroll, granskning, datahärkomst, budgetkontroller samt mänsklig granskning av sökfrågor och åtgärder. ”Modeller kommer att förändras. Agenter kommer att förändras. Gränssnitt kommer att förändras. Er telemetri är den bestående tillgången”, skrev Sharp.
Cribls förvärvsstrategi
Förvärvet följer på CardinalOps i juli 2026 och tekniken för AI-baserade säkerhetsoperationscenter från Radiant Security i augusti 2026. Cribl uppger att förvärven breddar verksamheten mot förstapartsfunktioner för observabilitet och säkerhet på en och samma öppna telemetri plattform.
För Cribl tillför Tero expertis inom datavärde, produktionskontext och agentåtkomst, medan det planerade övervakningsarbetet skulle ge fler förstapartsapplikationer på den gemensamma grunden. Den avgörande frågan är om Cribl kan ge behöriga agenter bred åtkomst till användbara belägg från produktionsmiljön utan att återskapa de isolerade datalager och den oreglerade åtkomst som arkitekturen är utformad för att undvika.
