然而，这类公司的团队总是想超越可能性的艺术。团队希望了解重复出现的问题，并创建一个知识库，用于根据场景进行建模，预测未来可能出现的问题。这就是下一个成熟阶段的用武之地。要实现这一目标，需要新的工具，以及存储和利用需要确定的数据的新技能和技术。人们可以利用机器学习来创建系统，该系统可以自动关联信号、识别根本原因，并根据使用过去收集的数据训练的模型制定解决方案。
第四阶段：主动可观察性——自动主动识别根本原因
这一阶段实质上是将可观察性推 印度手机号码数据 向了左边。在这里，可观察性数据不仅在问题发生“之后”使用，而且在问题发生“之前”实时使用数据。使用训练有素的模型，问题解决可以变得更容易、更简单。通过分析收集到的信号，这里的监控系统可以自动提供对问题的洞察，并列出解决问题的解决方案。
虽然这一阶段并不常见，但一些企业在系统复杂性最低的领域已经达到了这样的成熟度。可观察性软件供应商正在将其功能扩展到这一领域，而且自从 流行以来，随着生成式人工智能成为一种趋势，这一趋势只会加速。