作者：来自 Elastic Natalie Blake
Elastic 在《Forrester Wave™：2026 年第四季度智能运维平台》报告中被评为强劲表现者，该报告依据 24 项标准评估了 10 家供应商。Forrester 在五项标准上给予 Elastic 最高评分：算法可信度与可解释性、可观测性即代码与基于 Git 的运维实践的一致性、人工智能技术栈与语义可观测性、主权部署与数据隔离，以及定价灵活性与透明度。我们认为，这些优势支撑了我们将智能运维融入人工智能站点可靠性工程师的构建方式，使其能够展示证据、从每次排查中学习，并发现告警遗漏的问题。
为什么事件响应需要不同的帮助方式
在我们看来，运维领域围绕人工智能的讨论，已经不再停留于模型能否提出可能的根本原因。如今，团队关心的是能否信赖它给出的答案。遥测数据持续增长，代码正在生成代码，而基于人工智能的组件让故障更难预测。我们认为，答案归结于透明度、学习能力、上下文和开放性。以下是我们的方法与众不同之处。
信任始于证据
人工智能建议的可靠性，取决于工程师能否核查它。
我们将 Elastic 夜班人工智能站点可靠性工程师打造为一位全天候在线的人工智能同事，像工程师一样开展排查。它会展示推理过程、查看了哪些数据、考虑了哪些解释，以及哪些证据支撑结论。站点可靠性工程团队可以从一开始就跟进排查过程，并在批准操作前核实结论。
始终完整的上下文
人工智能只能基于其能够访问的数据进行推理。许多团队为控制成本而削减遥测数据，这意味着事件发生时，排查所需的证据可能已不复存在。在我们看来，团队不应被迫在可负担的成本与快速、准确地解决事件之间做选择。Elastic 为日志、追踪数据和指标提供经济高效的存储，让团队能够将所有数据保存在同一处，为人工智能提供完整的信息。更进一步，Elastic 会将环境中真正相关的信息提炼为精简的上下文，供站点可靠性工程 agent 推理，从而同时提高准确性和词元使用效率。
持续学习并着眼未来的人工智能
每次排查都应让系统掌握更多信息。Elastic 的人工智能站点可靠性工程师会将从历史事件中学到的知识用于下一次排查，从而更早识别再次出现的问题，并随着时间推移不断改进建议。
基于告警的检测只能覆盖可预测的故障。Elastic 专为那些打破你既有假设的事件而构建，能够发现其他值得关注的问题，包括那些你无法为其编写规则的未知问题。
让你保有选择自由的开放标准
可观测性工具变化迅速，而封闭的技术栈会让每次变更都代价高昂。Elastic 从设计之初就秉持开放理念，并基于 OpenTelemetry构建。我们以原生形式保留数据，让团队无需重建流水线或转换数据模式，即可采用新的插桩方式。随着生态系统不断发展，你对数据的投入仍能持续发挥价值。
这项认可对我们意味着什么
我们认为，在《Forrester Wave™：2026 年第四季度智能运维平台》报告中被评为强劲表现者，反映了工程师对运维人工智能的期望：可验证的答案、不受存储预算限制的上下文，以及基于开放标准构建的自由。
这些环节相互关联：高效存储让完整上下文成为可能，完整上下文让人工智能排查更加准确，透明推理让排查结果可以核查，而开放标准则让投入成果能够跨环境迁移。
阅读完整报告
*《Forrester Wave™：2026 年第四季度智能运维平台》*现已发布。阅读报告。
了解 Elastic 夜班人工智能站点可靠性工程师如何利用人工智能 agent 开展排查，实时处理遥测数据，关联日志、指标和追踪数据，找出可能的原因，同时由你的工程师核实证据并批准操作。
进一步了解客户如何使用 Elastic 可观测性开展人工智能驱动的基础设施运维。
Forrester 不为其研究出版物中包含的任何公司、产品、品牌或服务背书，也不建议任何人依据此类出版物中的评级选择任何公司或品牌的产品或服务。信息基于可获得的最佳资料。观点反映当时的判断，并可能发生变化。本报告属于 Forrester 更广泛的资源集合，其中包括交互式模型、框架、工具、数据以及分析师指导。如需了解更多信息，请在此处阅读有关 Forrester 客观性的说明。
本文所述任何特性或功能的发布及时间安排，均由 Elastic 自行决定。当前尚未提供的任何特性或功能，可能无法按时交付，也可能不会交付。
原文：Elastic is a Strong Performer in The Forrester Wave™ for AIOps Platforms, Q4 2026 | Elastic Blog