In een wereld waarin digitale platformen de ruggengraat vormen van bedrijfsvoering, is het cruciaal dat ontwikkelaars, beheerders en business users inzicht hebben in wat er gebeurt binnen hun systemen. Zeker bij low-code platformen zoals OutSystems, waar snelheid en eenvoud centraal staan, mag monitoring geen remmende factor zijn.

Tot op heden is echter voor goede data-analyse veel kennis vereist van data en van OutSystems. Om data-analyse te versnellen en toegankelijker te maken, zijn we binnen CoolProfs aan de slag gegaan met het opzetten van een AI assistant in Elastic. Door deze op te zetten met de juiste data en kennis hebben we een slimme assistent gebouwd waarmee organisaties monitoring niet alleen efficiënter maken, maar ook toegankelijker voor iedereen binnen de teams.

Pijlers

Een goede monitoringstrategie voor OutSystems en andere softwaresystemen rust op drie pijlers: applicatielogs, machine metrics en transactiedata. Applicatielogs bevatten foutmeldingen, systeemwaarschuwingen en andere belangrijke informatie uit de OutSystems-modules. Machine metrics geven inzicht in de prestaties van de onderliggende infrastructuur, zoals CPU-gebruik, geheugenbelasting en netwerkactiviteit. Tot slot geven transactiedata inzicht in hoe de applicatie wordt gebruikt, zoals gebruikerssessies, API-calls en schermprestaties. Door deze drie datastromen te combineren in Elastic ontstaat er een compleet beeld van de omgeving.

Waarde uit data halen

Elastic is bij uitstek geschikt om deze data te verzamelen, op te slaan en te analyseren. Het platform is schaalbaar, snel en biedt veel functionaliteit voor dashboarding, machine learning en alerting. Maar zelfs met al deze mogelijkheden kan het lastig zijn voor minder technische collega’s om waarde uit de data te halen. Niet iedereen weet wat er allemaal in de logs en metrics staat, hoe data samenhangt en welke functionaliteiten Elastic allemaal biedt. Hier komt de AI Assistant in beeld.

AI Assistant

De AI Assistant is een generatieve AI-interface bovenop Elastic, die natuurlijke taalvragen vertaalt naar technische zoekopdrachten. In plaats van complexe query’s te schrijven, kan een gebruiker gewoon vragen stellen zoals: “Waarom zijn er sinds vanochtend meer 500-fouten in de module UserService?” of “Welke gebruikers veroorzaken het hoogste geheugengebruik?”. De AI interpreteert de vraag, zoekt in de relevante datastromen en geeft een antwoord terug, vaak met suggesties voor visualisaties of verdiepende vragen. Het gebruik van de AI Assistant verlaagt de drempel om met monitoringdata te werken aanzienlijk.

Voorbeeld

Een concreet voorbeeld: stel dat een gebruiker meldt dat de applicatie traag is. Vroeger zou een beheerder dashboards moeten doorzoeken, query’s schrijven en hopen dat hij iets vindt. Met de AI Assistant kan hij simpelweg vragen: “Wanneer begonnen de schermlaadtijden van module CustomerPortal te stijgen?”. De assistent analyseert de trends, vergelijkt loggegevens en kan teruggeven: “Vanaf 9:43 vanochtend is de gemiddelde laadtijd van CustomerPortal.HomePage gestegen van 250ms naar 900ms. Dit valt samen met een verhoogd aantal waarschuwingen in de CustomerSyncService. Wil je deze verder analyseren?”. Hierdoor kan de beheerder direct doorpakken, correlaties leggen en daaruit actie ondernemen.

Voordelen

De voordelen voor de organisatie zijn groot. Ten eerste wordt monitoring toegankelijker voor collega’s zonder technische achtergrond. Functioneel beheerders, testers en zelfs business analisten kunnen nu zelf vragen stellen aan het systeem. Dit bespaart tijd en verlaagt de afhankelijkheid van technische teams. Ten tweede verloopt analyse en troubleshooting sneller, doordat AI direct relevante verbanden aandraagt. Incidenten kunnen sneller worden opgelost of zelfs worden voorkomen. Ten derde bevordert dit kennisdeling. Naast logging kunnen ook andere zaken bevraagd worden. In de knowledge base van de assistent kan ook documentatie worden ingeladen en deze kan met de assistent bevraagd worden. De AI kan suggesties doen, relevante documentatie tonen en documenten met elkaar vergelijken.

Conclusie

De AI Assistant verandert fundamenteel hoe we naar monitoring kijken. Door natuurlijke taal te combineren met de kracht van Elastic, de diepte van de data uit OutSystems en de documentatie van applicaties, het OutSystems platform en datamodellen, ontstaat een krachtige nieuwe manier van werken. In plaats van data te doorzoeken, stel je gewoon een vraag. In plaats van grafieken te bouwen, krijg je suggesties. In plaats van afhankelijk te zijn van experts, kan iedereen in het team aan de slag. Dit maakt monitoring niet alleen slimmer, maar ook menselijker. De toekomst van monitoring is niet alleen technisch – het is begrijpelijk, behulpzaam en toegankelijk voor iedereen.

Door Guido Vandecasteele, Data analist, consultant bij CoolProfs