Hace poco vi una demo donde el equipo abría un problema en Dynatrace y, con Davis CoPilot, pedía en lenguaje natural una explicación de la causa raíz y los pasos de remediación.
En segundos, la plataforma devolvía un resumen entendible y listo para compartir con otros equipos, sin tener que recorrer paneles, métricas y trazas manualmente.
Nota: Dynatrace no publica una demo “literal” de «¿por qué el checkout estuvo lento esta mañana?», pero sí documenta que CoPilot puede resumir problemas, causas raíz y remediaciones en lenguaje natural, y responder a preguntas desde Dashboards, Notebooks o el chat global. Es totalmente plausible aplicar estas capacidades a un caso real de checkout.
Este tipo de interacción conversacional ya está soportado en la plataforma y marca un antes y un después en cómo trabajamos con observabilidad.
De la IA determinista a la IA generativa
Durante años, Davis AI ha sido el motor de inteligencia de Dynatrace. Su fortaleza reside en el análisis causal determinista: correlaciona métricas, eventos, logs y trazas sobre la topología dinámica de Smartscape para identificar qué está fallando, dónde y por qué.
Este enfoque es muy potente porque:
- Reduce falsos positivos al centrarse en la causalidad y no en correlaciones superficiales.
- Permite aislar un problema incluso en entornos altamente distribuidos, con miles de servicios y dependencias multicloud.
- Ofrece explicaciones técnicas precisas y confiables, ideales para equipos de operaciones avanzados.
Sin embargo, el reto estaba en la accesibilidad. Davis AI generaba insights muy sólidos, pero la interpretación seguía requiriendo cierto nivel de experiencia técnica para navegar por paneles, métricas y diagnósticos.
Ahí es donde entra la capa generativa de CoPilot.
CoPilot complementa a Davis AI aportando:
- Lenguaje natural bidireccional: traduce preguntas humanas a DQL (Dynatrace Query Language) y devuelve respuestas comprensibles.
- Explicaciones narradas: un root cause ya no es solo un grafo o una métrica, ahora también es un texto que describe qué pasó, qué impacto tiene y qué pasos se recomiendan.
- Accesibilidad transversal: abre la puerta a que equipos de QA, producto o negocio puedan entender un incidente sin depender de un analista de observabilidad.
- Colaboración mejorada: al convertir el dato en narrativa, la información fluye mejor entre áreas técnicas y no técnicas.
En otras palabras, Davis AI sigue siendo el cerebro analítico, mientras que CoPilot es la voz y la interfaz conversacional. Uno asegura la precisión causal, el otro hace que esa precisión sea usable y compartible por todos.
Este modelo híbrido —determinista + generativo— es lo que hace que Dynatrace destaque frente a otras plataformas de observabilidad, que suelen apostar por un enfoque más descriptivo que causal.
Davis CoPilot: hablar con la observabilidad
CoPilot habilita tres cosas muy potentes hoy:
- NL → DQL: consultas en Notebooks/Dashboards con lenguaje natural (“muéstrame los 5xx por servicio en 7 días”).
- DQL → NL: explicación en lenguaje natural de consultas y resultados.
- Resúmenes automáticos: problemas, causas raíz y remediaciones en la Problems app y explicaciones de señales en Kubernetes y Databases.
Además, Dynatrace ha mostrado en vídeos y clinics cómo pedir explicaciones de root cause y cómo usar prompt engineering para hacer dashboards “explicables” incluso para negocio o soporte.
Explicaciones automatizadas y análisis asistido
Más allá del chat, CoPilot redacta resúmenes estructurados: qué pasó, qué servicios se afectan y qué impacto hay en KPIs.
Con Grail y Notebooks/Dashboards, pasa de pregunta → DQL → respuesta/gráfico en segundos, con posibilidad de ejecución automática.
Esto significa menos tiempo interpretando métricas y más tiempo compartiendo decisiones con stakeholders.
Cómo probarlo hoy
- Requisitos
Dynatrace SaaS en la versión actual (no disponible en Managed). - Activación de CoPilot
Entra en Settings Classic → Dynatrace Service Settings → Davis CoPilot y habilítalo. Asegúrate de tener permisos adecuados (Settings Reader/Writer). - Problems / Kubernetes / Databases
CoPilot puede resumir problemas, causas raíz y remediaciones en la Problems app, explicar señales en Kubernetes y planes de ejecución en Databases en lenguaje natural. - Notebooks / Dashboards
Crea una sección con Add → Query with AI para pedir en lenguaje natural y que CoPilot lo traduzca a DQL. Puedes auto-ejecutar la consulta o elegir Generate DQL only si quieres revisarla antes. - Más precisión (opcional)
Activa Environment-aware queries para que CoPilot entienda mejor tus entidades y campos. - Probar sin tocar tu tenant: Playground
Dynatrace ofrece un Playground con Davis CoPilot Chat e incluso un Prompt Demo Dashboard público. Es una forma sencilla de experimentar sin riesgo. - Verlo en acción (demos oficiales)
Límites y buenas prácticas
CoPilot usa RAG sobre un LLM: puede equivocarse, simplificar demasiado o no captar todo el contexto si el prompt es vago.
Dynatrace recomienda afinar los prompts y validar siempre los resultados. No es magia, es una ayuda potente que requiere criterio técnico.
Una tendencia mayor
Dynatrace no solo usa GenAI para interactuar con la observabilidad, también está ampliando su cobertura hacia observabilidad de iniciativas GenAI (monitorización de LLMs, costes, trazabilidad, gobernanza).
Esto confirma que la dirección es clara: la observabilidad del futuro será tanto inteligente como conversacional.
Recursos y demostraciones
- 🎥 Demo en YouTube: Dynatrace Copilot en acción → consultas y explicaciones en lenguaje natural.
- 🎥 Enhance your Dashboards with Davis CoPilot → cómo aplicar prompt engineering en dashboards.
- 📝 GA de Davis CoPilot (febrero 2025) → consultas NL→DQL y resúmenes automáticos.
- 📄 Nota de prensa (enero 2025) → observabilidad de aplicaciones generativas y capa conversacional en Dynatrace.
Resumiendo
La IA generativa no sustituye la precisión de Davis AI, la complementa con una capa de accesibilidad y comunicación.
Ya no basta con detectar un problema rápido; hay que explicarlo de forma clara, compartible y accionable.
En un entorno cada vez más dinámico y distribuido, donde la complejidad es la norma, este paso convierte la observabilidad en algo no solo más inteligente, sino también más humano.
