Datadog inova na classificação de criticidade de serviços com apoio de IA

A Datadog implementou uma nova metodologia para classificar a criticidade de serviços, usando um Large Language Model (LLM) para analisar relatórios pós-mortem de incidentes de alta severidade (SEV-1 e SEV-2). Este processo, que custou apenas US$ 32 na etapa inicial do LLM, identificou quatro sinais-chave: histórico de incidentes, traces de monitoramento (APM e RUM), volume de tráfego e monitores que acionam o plantão. A abordagem multifacetada é crucial porque um único sinal pode ser enganoso, como um serviço altamente confiável que nunca causou incidente, mas é vital para a jornada do cliente.

A criticidade é categorizada como alta, baixa ou desconhecida, com um indicador de confiança. Essa classificação informa decisões operacionais, como a velocidade de implantação de um serviço ou as regras para auto-merge em pull requests. Serviços de baixa criticidade podem ser implantados mais rapidamente, enquanto os de alta criticidade recebem validação extra. A intenção é priorizar a prevenção de falhas críticas, aceitando o risco de um falso positivo (tratar um serviço não crítico como crítico) para evitar um falso negativo (tratar um serviço crítico como seguro para rápida movimentação), o que poderia causar incidentes ao cliente.

Esta nova capacidade da Datadog se alinha e expande a estratégia de uso de IA de baixo custo e otimização que o CEVIU News vem cobrindo. Anteriormente, em 25 de setembro de 2026, destacamos como a Datadog usou IA para otimizar a resposta a incidentes, fine-tuning do modelo Qwen3.5-9B para investigar ocorrências e automatizar atribuição de mudanças. Agora, a empresa aplica IA não apenas na *resposta* reativa a incidentes, mas na *prevenção* proativa, usando o aprendizado dos pós-mortems para definir a criticidade dos serviços e guiar decisões estratégicas de deployment e confiabilidade.

A economia de US$ 32 no uso do LLM para esta classificação corrobora a notícia de 31 de agosto de 2026, onde a Datadog alcançou uma economia de US$ 1 milhão mensal com otimização de IA. Isso mostra um compromisso contínuo em aplicar soluções de IA de forma eficiente e econômica, transformando o vasto volume de dados não estruturados de incidentes em inteligência acionável para a engenharia de plataformas.

A capacidade de classificar a criticidade de serviços de forma automatizada e precisa é um diferencial para a engenharia de plataformas e operações. Permite otimizar a alocação de recursos de confiabilidade, direcionando esforços para o que realmente impacta o cliente. Ao usar essa classificação para guiar implantações e decisões de auto-merge, as equipes podem equilibrar agilidade e estabilidade, acelerando a entrega de valor para serviços menos críticos e aplicando salvaguardas adicionais para os mais importantes.

Para empresas com um grande número de microsserviços, como a Datadog, essa automação é essencial para escalar operações sem comprometer a confiabilidade. Ela transforma o conhecimento disperso sobre a importância de cada serviço em uma fonte centralizada e acionável, capacitando automações e liberando engenheiros para tarefas de maior valor.