大家好，我是金全。

过去十几年，可观测性解决的核心问题一直很明确：

系统越复杂，企业越需要知道问题发生在哪里、影响了谁、该从哪里查起。

指标告诉我们哪里异常。

日志告诉我们发生了什么。

Trace 告诉我们请求经过了哪里。

链路和告警让故障不再隐藏。

从这个角度看，

可观测性过去十几年的价值是很清楚的：

让异常可见，

让链路可追，

让影响可评估，

让故障可定位。

但最近几年，我越来越强烈地感觉到：

企业正在遇到另一类问题。

数据越来越多。

日志、Trace、告警和调用链路也越来越完整。

可事故发生以后，最难的往往已经不是“有没有数据”。

而是：

能不能说清楚为什么发生。

更准确地说，是能不能给出一个可信的解释。

这里说的可信解释，不是简单给一句“根因是某某服务异常”。

它至少要说清楚：

• 原因是否成立。

• 影响范围为什么扩大。

• 哪些可能原因已经被排除。

• 下一步最应该查哪里。

如果是 AI 参与的系统，还要说清楚：

它当时的判断和动作，是怎么一步步形成的。

这也是我最近几篇一直在讲 AI 可观测性、知识依赖和事故现场还原的原因。

它们背后，其实指向同一个变化：

可观测性正在从“可见、可定位”走向“可解释、可调查”。

可见，让企业知道“发生了什么”。

定位，让企业知道“问题在哪里”。

调查，要进一步回答“为什么发生”。

而 AI 第一次让企业开始需要调查：

决策是怎么形成的。

先说过去。

传统 IT 系统变复杂以后，企业最怕的是问题已经影响用户，团队还不知道它发生在哪里。

服务挂了，不知道。

接口慢了，不知道。

数据库抖了，不知道。

一条请求经过十几个系统，最后用户报错，运维团队却不知道问题到底卡在哪里。

所以指标、日志、Trace、链路、告警这些能力，一步步发展起来。

指标让异常变得可见。

日志让事件变得可查。

Trace 让调用路径变得可追。

告警让问题不再只能靠用户投诉才发现。

这一阶段可观测性的价值非常清楚：

让异常可见，

让链路可追，

让影响可评估，

让故障可定位。

在那个阶段，企业最需要回答的问题是：

哪里慢了？

哪里错了？

哪里挂了？

哪个服务影响了哪个服务？

这也是 APM 和可观测性过去十几年真正创造价值的地方。

先让复杂系统变得可观测。

再让故障被定位。

但今天的问题开始变了。

很多企业并不是没有数据。

恰恰相反。

日志越来越多。

指标越来越多。

Trace 越来越完整。

告警越来越细。

Dashboard 越来越多。

可真正出事故以后，大家还是经常问一句话：

所以，原因到底是什么？

这句话背后很现实。

数据不等于解释。

记录不等于结论。

看见现象，不等于知道原因。

在传统系统里，有些问题还比较容易沿着技术路径解释。

比如：

• CPU 升高。

• 数据库慢 SQL 增多。

• 接口响应变慢。

• 请求超时。

• 用户访问失败。

这是一条相对清楚的故障传播路径。

当然真实系统会更复杂，但至少排查方向是清楚的。

沿着指标、日志和 Trace 往下追，很多问题最终能落到某个服务、某次变更、某个资源瓶颈或者某条慢查询上。

可 AI 系统不是这样。

一个 Agent 接到任务。

查了资料。

调用了工具。

形成了判断。

执行了动作。

最后影响了业务结果。

这里每一步都可能有记录。

但事故发生以后，企业真正想知道的是：

• 为什么它当时这样判断？

• 为什么它选择这个工具？

• 为什么它引用了这份资料？

• 为什么本该拦住它的规则没有生效？

• 为什么一个看起来正确的动作，最后变成了业务事故？

这时，问题已经不只是系统状态问题。

而是行为形成问题。

过去的软件系统，

行为边界主要由代码和流程预先定义。

AI 不一样。

它会在运行时理解任务、选择资料、调用工具、形成判断。

所以企业需要调查的，不只是执行过程。

还包括决策形成过程。

所以我越来越觉得：

数据越来越丰富。

可信解释却越来越稀缺。

这几年，很多企业对 AI 的期待一直在升级。

一开始是问答。

后来是知识库。

再后来是 Agent。

现在开始接入工单、审批、运维平台、数据库、代码仓库和业务系统。

AI 不再只是生成答案。

它开始参与工作。

一旦 AI 开始参与工作，事故调查的难度就变了。

过去我们调查系统事故，核心是追：

请求怎么走。

故障怎么传。

哪个节点出问题。

今天调查 AI 事故，还要追：

任务怎么被理解。

现场信息怎么进入判断。

资料为什么被采用。

工具为什么被调用。

动作为什么被允许。

影响范围为什么会扩大。

这就是第 11 篇讲的：

传统事故调查，追的是故障传播路径。

AI 事故调查，还要追行为形成路径。

这句话放到可观测性行业里看，其实意味着一件事：

仅仅可见、可定位已经不够了。

企业还要能调查。

这里要小心一个误区。

很多人一听“调查”，会以为就是让 AI 总结日志。

把告警摘要一下。

把错误日志翻译成人话。

把 Trace 链路做个解释。

这些能力有价值。

但它们还不是我说的调查。

真正的调查，至少要多回答几类问题。

第一，哪些现象是结果，哪些可能是原因。

很多事故里，最先被看到的告警不一定是根因。

它可能只是影响扩大以后冒出来的症状。

第二，哪些证据支持这个判断，哪些证据反而排除了这个判断。

如果一个系统只会挑几条日志来证明自己的结论，那不是调查。

那更像事后讲故事。

第三，影响面到底有多大。

一个错误动作影响了哪些客户、哪些交易、哪些服务承诺，和一个接口返回 500，是两类完全不同的问题。

第四，下一步该查哪里。

好的调查不是直接给一个“根因小作文”。

它应该告诉团队：

现在最值得查的方向是什么。

还缺哪一类证据。

哪些可能原因已经被排除。

哪一步如果继续执行，会带来新的风险。

所以，可观测性从定位走向调查，不是多加一个 AI 总结按钮。

而是要把分散的数据，组织成一个可以被验证、可以被复盘、可以继续追问的调查过程。

但调查也不是终点。

调查解决的是：

为什么发生。

更往前一步，企业真正需要的是：

这些解释能不能被验证。

能不能被复用。

能不能帮助下一次做出更可靠的决策和行动。

这也是我在这个系列里一直讨论“因果 AI”的原因。

它不是替代指标、日志和 Trace，也不是简单做 RCA。

而是在运行现场里，把证据、行为和影响串起来，形成可信解释。

如果只从国内企业自己的感受看，这个变化已经很明显。

很多团队不是没有日志。

不是没有 Trace。

不是没有告警。

而是事故发生以后，仍然要靠一群专家在群里不断追问：

这个告警是不是原因？

这次变更有没有关系？

这个接口慢，是根因还是结果？

这个 Agent 调用工具之前，到底看到了什么？

这个动作为什么没有被审批拦住？

从 2026 年的行业动作看，国内外厂商也在验证这个方向。

Datadog 在强化 RCA。

Dynatrace 长期强调自动化分析和因果关系。

ServiceNow 把事件、流程和知识库连接到一起。

Resolve、Traversal 这类新公司则更直接，把生产事故调查做成 AI 参与的过程。

国内也在出现类似趋势。

听云、AgentLoop、观测云、博睿等厂商，也都在沿着这个方向推进。

有的从可观测性、AIOps 和根因定位继续往调查能力延伸。

有的开始把 AI 应用和 Agent 的 Session、Trace、工具调用、评估和风险事件纳入观测范围。

重点不在于哪家厂商更强。

重点在于，大家都在往同一个方向走。

真正值得关注的是：

大家都在意识到，单纯记录数据已经不够了。

企业需要把数据组织成解释问题的过程。

也就是说，可观测性的下一步，不只是定位得更快。

而是形成更可信的解释。

我不认为中国企业今天应该马上照搬海外某个产品形态。

中国企业更现实的问题是：

• 你们已经接入了多少 AI？

• 这些 AI 有没有开始调用工具？

• 有没有开始进入流程？

• 有没有接触客户、交易、配置、审批和生产系统？

如果答案是肯定的，那么企业就不能只问：

• 有没有日志？

• 有没有 Trace？

• 有没有看板？

还要继续问：

• 出了问题以后，能不能还原现场？

• 能不能形成可信解释？

• 能不能知道影响范围为什么扩大？

• 能不能判断下一步该查哪里？

• 能不能知道哪一道边界没有生效？

对于中国企业来说，这件事的启发不是“买一个类似产品”。

而是重新审视自己的可观测性体系：

它到底只是记录系统状态。

还是已经具备调查问题的能力。

尤其当 AI 开始进入生产系统以后，

这个问题会变得越来越现实。

因为 AI 事故往往不是一个简单报错。

它可能是一次错误判断。

一次错误引用。

一次错误工具调用。

一次越过边界的动作。

一次没有被及时发现的业务后果。

这些东西都不能只靠“可见”和“定位”来解决。

过去，可观测性的价值，是让企业发现异常、追踪链路、定位故障。

这件事仍然重要。

没有指标、日志和 Trace，企业连问题发生在哪里、影响了谁都很难说清。

但今天，仅仅可见、可定位已经不够了。

数据越多，越需要有人把它们组织成可验证的解释。

系统越复杂，越需要调查路径。

AI 越接近生产，越需要还原行为形成过程。

所以我认为：

未来可观测性的价值，不只是告诉企业哪里出了问题。

而是帮助企业回答：

为什么发生？

影响范围是怎么扩大的？

下一步该查哪里？

过去可观测性解决的是“可见”和“可定位”。

未来可观测性越来越多要解决的是“形成可信解释”。

而且不是随便给一个解释。

是给一个经得起核对、复盘和追问的可信解释。

过去可观测性很大程度上竞争的是谁能更完整地采集和关联数据。

未来可观测性竞争的，可能是谁能更快建立可信解释。

调查不是终点。

可信解释，才是企业真正需要建立的能力。

这可能是可观测性行业接下来最重要的一次变化。