Utrecht, 22 juni 2026 - De snelle groei van het aantal AI-workloads drijft logmanagement tot het uiterste. AI-workloads hebben geleid tot een stijging van 93% in het volume van logs en telemetriegegevens en teams gebruiken gemiddeld zeven verschillende tools om deze logs en gegevens te beheren, zo blijkt uit het
State of Log Management 2026-rapport van
Dynatrace, het toonaangevende AI-platform voor observability.
Moderne logs zijn cruciaal voor het begrijpen, valideren en beveiligen van AI-gestuurde beslissingen. Het volume en de complexiteit van AI-telemetrie maken traditionele beheertools echter overbodig. Deze tools maken het voor teams lastig om AI-systemen verklaarbaar, betrouwbaar en productieklaar te maken en houden. Bedrijven moeten daarom hun processen voor beheer en analyse van telemetriegegevens herzien om inzicht te behouden, kosten te beheersen en AI op grote schaal te ondersteunen.
De toename in logs en telemetriegegevens, in combinatie met gefragmenteerde tools, maakt het steeds moeilijker voor teams om problemen te detecteren, AI-systemen te beveiligen en tijdig inzicht te verkrijgen. Organisaties worden gedwongen tot handmatige, tijdrovende workflows wanneer ze inzichten uit verschillende systemen vergelijken. Hierdoor vertraagt het besluitvormingsproces, waardoor AI-initiatieven minder snel van pilotfase naar productie gaan. 80% van de respondenten geeft aan dat het omzetten van telemetrie naar bruikbare inzichten een negatieve impactheeft op de klantervaring en AI-initiatieven vertraagt.
AI-workloads drijven traditioneel logbeheer tot het uiterste
Respondenten schatten dat ze gemiddeld bijna 2,5 miljoen dollar per jaar uitgeven aan logoplossingen. Dit omvat onder meer het verzamelen, beheren, opslaan, indexeren, herstellen en opvragen van logs. Tegelijkertijd zijn logs een essentieel onderdeel geworden voor het begrijpen en beveiligen van AI-systemen. Om de stijgende kosten en beperkingen van traditionele methoden te beheersen, zijn veel organisaties gedwongen de hoeveelheid telemetrie die ze verzamelen of bewaren te beperken.
Bijna de helft van de organisaties geeft aan door deze uitdagingen logs te verwijderen of helemaal niet te verzamelen, waardoor gemiddeld 86% van de loggegevens wordt uitgesloten van verwerking, opslag of analyse. Omgevingen die afhankelijk zijn van gefragmenteerde of logcentrische benaderingen, in plaats van een uniform observabilityplatform dat is ontworpen om telemetrie op AI-schaal te verwerken, ondervinden hiervan de meeste hinder.
“AI versnelt innovatie binnen bedrijven, maar de meeste logsystemen zijn nooit gebouwd voor de schaal, snelheid of complexiteit van AI-gestuurde omgevingen”, aldus Mala Pillutla, Vice President Log Management bij Dynatrace. “Omdat AI-agents probabilistisch werken, is het niet langer haalbaar om logs, metrics, traces en events afzonderlijk te behandelen. Om AI-systemen betrouwbaar en transparant te maken, hebben organisaties een uniforme, intelligente aanpak nodig die alle telemetrie in realtime samenbrengt, verrijkt met diepgaande context om weloverwogen beslissingen te nemen.”
Naarmate AI-initiatieven van experimenteel naar productie overgaan, vormt gefragmenteerd logbeheer door te veel tools een belangrijke belemmering voor betrouwbaarheid, vertrouwen en operationele schaalbaarheid.
Geïntegreerde observability wordt essentieel voor het schalen van AI-workloads
Het rapport benadrukt verder de noodzaak van een fundamenteel nieuwe benadering van logbeheer, waarbij logs dienen als betrouwbare basis, gecombineerd met gedistribueerde tracing en andere telemetriegegevens om realtime, contextrijke inzichten te leveren.
Bijna driekwart van de respondenten geeft aan dat AI-workloads een platformgebaseerde aanpak voor logbeheer vereisen. Bovendien is 81% van mening dat het verzamelen en verwerken van logs open en geautomatiseerd moet zijn om realtime analyse mogelijk te maken zonder rigide schema’s, indexeringsoverhead of vertragingen bij het laden van gegevens.
De werkelijke kosten van fragmentatie in observability zitten niet alleen in de infrastructuurkosten, maar ook in de gemiste kansen van AI-initiatieven die vastlopen tussen pilot of productie omdat teams hun telemetrie niet kunnen vertrouwen. Uit het onderzoek blijkt dat ongeveer een derde van de organisaties betaalt voor redundante of onderbenutte observability-functies, en dat meer dan een kwart engineeringtijd verspilt aan het draaiende houden van tools in verschillende omgevingen. Die capaciteit zou moeten worden ingezet om AI-workloads productieklaar te maken, niet om dashboards van talloze verschillende tools aan elkaar te koppelen.
Download hier het State of Log Management 2026-rapport.
Methodologie
Het State of Log Management 2026-rapport is gebaseerd op een wereldwijd onderzoek onder 450 senior leiders en besluitvormers die verantwoordelijk zijn voor logbeheer in bedrijven met een jaaromzet van $750 miljoen of meer. Het onderzoek werd in januari en februari 2026 uitgevoerd door Coleman Parkes in opdracht van Dynatrace.
Aanvullende resources:
Over Dynatrace
Dynatrace biedt observability voor hedendaagse digitale bedrijven en helpt de complexiteit van moderne digitale ecosystemen om te zetten in een krachtig bedrijfsmiddel. Met de AI-gestuurde inzichten van Dynatrace kunnen organisaties sneller analyseren, automatiseren en innoveren om hun bedrijf vooruit te helpen. Wil je meer weten of hoe Dynatrace jouw bedrijf kan helpen? Ga dan naar
www.dynatrace.com, lees onze blog en volg ons op
LinkedIn en X
@dynatrace.
Ben je benieuwd naar hoe je de cloud kunt vereenvoudigen en de impact van digitale teams kunt maximaliseren? Wij laten het u zien. Meld je dan aan voor een proefperiode van 15 dagen.
Voor meer informatie
Dynatrace
Darshna Kamani
E-mail:
darshna.kamani@dynatrace.com
Whizpr
Martine Korthals / Paul Maris / Winnie Silvertand / Nini Joostens
E-mail:
dynatrace@whizpr.nl