De Poolster.

Een CPU-alert op zich is niet bruikbaar. Het wordt bruikbaar als andere alerts ermee correleren en de impact laten zien, of als een gedocumenteerd runbookscenario het al als bruikbaar aanmerkt en de acties benoemt. Reactieregels die elke manager anders instelt (hier alles onderzoeken, daar alleen P2 en hoger) houden eventmanagement blijvend reactief.

Gemeten met Bruikbaarheidsratio

Hier worstelen we mee Dit hebben we opgelost

Gemiddelde-tijdmetrieken zijn nuttig, maar ze zijn niet het doel. Het doel is de grondoorzaak elke keer sneller te vinden, want een grondoorzaak met een goedgekeurde oplossing kan de volgende keer automatisch worden verholpen.

Gemeten met Tijd tot grondoorzaak · Dekking grondoorzaak

Hier worstelen we mee Dit hebben we opgelost

De meeste storingen beginnen met een wijziging, dus is wijzigingscontext de snelste weg naar de grondoorzaak, en het dwingt wie monitors schrijft, mens of AI, om bij het bouwen aan wijzigingen te denken. Alerts binnen een goedgekeurd wijzigingsvenster zijn verwacht: ze worden vastgelegd in eventmanagement maar niet doorgezet naar incidentmanagement, en die vastlegging kan laten zien wanneer een goedgekeurde wijziging een service raakte die niet in de impactanalyse stond. Deploys buiten het wijzigingsproces om worden zichtbaar gemaakt, en een organisatie die met ITIL werkt, dringt ze terug. Het lastige is de prikkel: teams moeten helpen hun pipelines te koppelen en zien het extra toezicht zelden als iets in hun voordeel.

Gemeten met Tijd tot grondoorzaak

Hier worstelen we mee Dit hebben we opgelost

Geen grote organisatie houdt een volledige, actuele servicekaart bij, en sommige services leven te kort om te modelleren. Dus zit de standaard in de alert: de verwachte impact als de monitor afgaat, hoe en binnen welke tijd de organisatie moet reageren, wat de service levert, en of klanten of alleen interne gebruikers (salarisadministratie, HR) worden geraakt. Elke monitor zegt ook of hij beschikbaarheid, functionaliteit of prestaties bewaakt. Eigenaren die hun CI’s niet bijwerken, kunnen worden gecoacht om dit in hun alerts te schrijven, en automatisering voert het na verloop van tijd terug in de CMDB. De standaard moet op beide manieren werken, zelfs binnen één organisatie: sommige belanghebbenden zien hem als principes en vertalen die naar hun eigen naamgeving, anderen willen een vaste conventie en passen hun data daarop aan, en de dienst ondersteunt beide naast elkaar. Relaties zijn in elke organisatie het grootste gat, dus wordt elke gegevensbron onderzocht op betrouwbare relaties, elk gemarkeerd met waar hij vandaan komt en hoeveel vertrouwen hij verdient.

Gemeten met Dekking impactaanwijzingen

Hier worstelen we mee Dit hebben we opgelost

De meeste storingen laten iets zien wat de monitoring miste. Dat gat volgen tot de nieuwe monitoring live is, en de storing opnieuw afspelen om te laten zien dat die nu wordt opgemerkt, maakt van een organisatie die hoopvol reageert er een die één keer reageert en daarna voorbereid is.

Gemeten met Monitoringgaten

Hier worstelen we mee Dit hebben we opgelost

Het ID van de goedkeuring zit in de trigger van de monitor, zodat de monitor zelf laat zien hoe zijn oplossing is goedgekeurd. Waar meerdere oplossingen bestaan (een verouderd runbook, duidelijkere afsluitnotities bij een recent incident, verschillende oplossingen voor verschillende onderdelen van de organisatie), krijgt elke oplossing een directe en een indirecte betrouwbaarheidsscore.

Gemeten met Dekking automatisering · Herhaalde incidenten

Hier worstelen we mee Dit hebben we opgelost

Begin bij de contracten: elke technologie waarvoor je support betaalt, heeft gedocumenteerde oplossingen. Verzamel ze, catalogiseer ze met betrouwbaarheidsscores, en laat elk onderdeel van de organisatie ze overnemen zoals ze zijn of met eigen extra stappen. AI doet het catalogiseren; mensen blijven in het gesprek en geven de laatste goedkeuring, maar worden daarvóór nooit de bottleneck.

Gemeten met Dekking automatisering

Hier worstelen we mee Dit hebben we opgelost

Incidentmanagement stuurt de afgesproken prioriteiten door naar één escalatiedienst. Meerdere overlappende meldingstools kosten geld en zorgen voor verloop. De responder krijgt de bruikbare details; de service-eigenaar krijgt de impact op zijn service en wat de automatisering deed. Een geslaagde automatische oplossing informeert mensen alleen als de organisatie werd geraakt. En een pilot die om de standaardflow heen gaat, moet worden gestopt, niet tot succes worden verklaard.

Hier worstelen we mee Dit hebben we opgelost

Werk de monitoring of de CMDB bij, veroorzaak het probleem opnieuw of breng het synthetisch terug, en kijk hoe de afgesproken stappen lopen: een runbook lost het op, er wordt toch een incident geopend zodat vastligt wanneer het gebeurde en hoe de automatisering het afhandelde, en de juiste mensen worden geïnformeerd. Er wordt geen echte responder opgeroepen, tenzij de organisatie ook hun reactie wil meten.

Gemeten met Dekking automatisering · Monitoringgaten

Hier worstelen we mee Dit hebben we opgelost

Monitoring vervalt zonder dat iemand het merkt: makers vertrekken of verschuiven, en de teams die hun monitors erven, hebben niet altijd de tijd of kennis om ze te begrijpen. Daarom is het auditen van monitoring een vaste activiteit waarop elke producteigenaar kan vertrouwen voor één vraag: halen we onze doelen voor beschikbaarheid, functionaliteit en prestaties nog? Een goed gebouwde, goed bewaakte service kan dat laten zien in de normale werking, tijdens blackout- en wijzigingsperiodes, en bij disaster-recovery-oefeningen waaraan de eigenaren meedoen. Storingen in de eventpijplijn zelf horen bij SRE en eerstelijns engineers, en zodra de oorzaak bekend is, wordt de oplossing standaard geautomatiseerd.

Gemeten met Monitoringgaten

Hier worstelen we mee Dit hebben we opgelost

Bij de meeste monitoring is de eigen herstelmelding van de tool het bewijs: die loopt terug door eventmanagement en sluit het incident. Waar geen herstelsignaal is, zoals bij veel logcontroles, moet de oplossing laten zien dat de fout niet meer in de log verschijnt, of dat een ander bronsysteem weer gezond is: de mislukte salarisworkflow slaagde bij een nieuwe poging en de systemen erna hebben wat ze nodig hebben.

Hier worstelen we mee Dit hebben we opgelost

Naarmate AI het bewaken van services overneemt, heeft het de eigen definitie van de organisatie nodig van een geslaagde oplossing. Replays van echte storingen zijn precies dat: tests in de termen van de organisatie, vroeg en vaak gedraaid.

Hier worstelen we mee Dit hebben we opgelost

AI-agents zijn al gezien buiten de grenzen die ze kregen. Waar een securityteam nog geen eigen richtlijnen heeft, zijn gepubliceerde overheidsrichtlijnen de basis.

Hier worstelen we mee Dit hebben we opgelost

Dezelfde metrieken en dezelfde verwachtingen, in een vorm die past bij wereldwijd erkende processen. Als één team de cijfers bezit en anderen stilletjes hun eigen maken, is niemand aan iemand verantwoording schuldig.

Hier worstelen we mee Dit hebben we opgelost

Het bereikt senior bestuurders zelden vanzelf met genoeg urgentie. In een kleinere organisatie is die sponsor makkelijk te vinden. In een grote organisatie win je steun in de breedte en help je het huidige management de zaak urgent te maken, tot iemand hoog genoeg eigenaar wordt van de uitkomst. Keur het risico van automatisering op dat niveau goed, en schaal naar duizend services tegelijk in plaats van team voor team.

Gemeten met Personeel per gehaalde SLA

Hier worstelen we mee Dit hebben we opgelost

Sommige teams automatiseren hun oplossingen al. Leer hoe zij hun sponsorschap wonnen, werk met hen samen aan de grotere inspanning, en geef hun kant-en-klare processen aan de teams die nog niet automatiseren. Organisaties zijn het in principe eens over automatisering en oneens over hoeveel menselijke betrokkenheid er blijft, dus werkt de gids met de processen die er al zijn.

Hier worstelen we mee Dit hebben we opgelost

Een team met budget voor drie mensen dat met automatisering door één persoon gedraaid kan worden, heeft een manager die nu twee functies moet verantwoorden. Die wrijving remt de adoptie ongemerkt af. Het beste antwoord dat ik ken: elk automatiseringsproject begint met een plan voor waar de mensen naartoe kunnen, en de besparing betaalt proactieve omscholing naar werk dat omzet oplevert. Ik claim niet dat dit is opgelost.

Gemeten met Personeel per gehaalde SLA

Hier worstelen we mee Dit hebben we opgelost