由于持续的数据爆炸、GenAI应用程序授权和混合容器化部署，跟上可观察性数据变得越来越困难。但即使面对压倒性的困难，撤退也不是一种选择，O'Reilly在2025年推出报告，对新的一年进行可观察性预测，并进行一些调查。
可以说，过去几年在可观察性方面最大的进步是采用了OpenTetry，它为可观察性数据类型的“黄金三维”：日志、度量和跟踪，建立了标准。Linux分销商SUSE的产品营销副总裁Andreas Prins预测，OpenTetry的采用趋势将在2025年继续。
Prins说：“OpenTetry将巩固其作为遥测数据收集标准的地位，不仅受到开源贡献者的欢迎，也受到主要商业参与者的欢迎。”“这将大大简化集成，使团队更容易采用可观察性实践。统一的方法将降低新进入者的障碍，导致为特定用例量身定制的创新可观察性工具的激增。”
程序员通常依靠分析来掌握应用程序的运行和资源消耗情况。Grafana Labs的首席产品经理Ryan Perry预测，到2025年，分析将与跟踪相结合，为开发人员提供更多的可观察性。
Perry预测：“虽然跟踪和配置文件有其独特的优势，但随着组织寻求对应用程序性能的更深入了解，2025年它们将越来越趋同。”“跟踪擅长显示端到端的请求流，而配置文件则显示详细的系统资源使用情况。通过组合这些工具，团队可以了解他们的应用程序，而手动添加的跨度是永远无法做到的。
Perry继续说道：“例如，当跟踪显示400ms的跨度时，相应的配置文件数据可以准确地揭示在该时间段内执行的代码，甚至具体到特定的函数及其资源消耗。”“这使团队能够精确地找出性能瓶颈，从而更有效地进行优化并降低运营成本。在未来几年，特别是随着分析在OpenTetry中变得稳定，具有前瞻性的组织将不仅仅收集跟踪和配置文件，他们将把它们视为相互关联的上下文数据流，提供系统性能和效率的整体视图。”
我们都会依恋我们使用的工具，无论它们是否是工作的最佳工具。SolarWinds的布道者Chrystal Taylor说，到2025年，我们将醒来，并永远与我们的旧监控工具说“再见”。
“传统的监控工具已经不再适用了，” Taylor说。“向可观察性的转变正在顺利进行，我们也看到了本地应用程序的大幅下降。开源工具现在非常强大，而且很容易获得，花时间和资源来构建和维护自己的解决方案几乎没有意义。此外，人们越来越期待IT专业人士扮演更多角色，很明显，我们使用的工具需要帮助弥合这些差距，并在我们提高技能时为我们提供支持。”
目前正在展开的另一个大趋势是人工智能（AI）的繁荣。随着组织构建人工智能应用程序，监控所有数据、软件和系统变得越来越困难。Snowflake人工智能负责人Baris Gultekin表示，这正在推动一种名为人工智能可观察性的新现象的兴起。
Gultekin说：“新兴的人工智能可观察性领域不仅考察系统本身的性能，还考察大型语言模型输出的质量，包括准确性、道德和偏见问题，以及数据泄露等安全问题。”“我认为人工智能的可观察性是将可解释性构建到开发过程中所缺失的一块拼图，让企业相信他们的人工智能演示可以让他们越过终点线。“
Gultekin继续说道：“尽管人工智能的可观察性是一个相当新的话题，但2025年是它成为主流的一年。”“我们将看到越来越多的供应商推出人工智能可观察性功能，以满足市场日益增长的需求。然而，虽然会有许多人工智能可观测性初创公司，但可观察性最终将掌握在数据平台和大型云提供商手中。作为一家独立的初创公司很难实现可观察性，采用人工智能模型的公司将需要人工智能可观察性解决方案，因此大型云提供商将增加这一功能。”
人工智能和机器学习技术还将通过更好的数据治理和算法预测来推动可观察性向前发展，此外，可观察性技术（日志、度量、跟踪）有助于准确拼凑GenAI和AI应用程序内部的情况。Pentaho产品管理高级总监Kunju Kashalikar特别看好人工智能在数据可观察性方面的表现。
Kashalikar说：“如果实施得当，数据可观察性将是组织在数据方面保持正轨的最佳工具。”“将数据和人工智能的可观察性结合在一起对于任何希望从人工智能中充分受益的企业来说都是至关重要的。可观察性将有助于安全和治理，并使组织能够领先于任何问题，无论数据是静止的、与ETL一起运动的、在应用程序、BI报告或ML/AI管道中使用的。然而，可观察性需要是动态的。例如，仅仅了解数据新鲜度下降并在静态显示中看到这一点是不够的。可观测性需要通过智能自动化或通过被通知需要做什么的人来触发行动。”
2024年，将可观测性改装到应用程序中。可观察性公司Chronosphere的基础设施和平台工程高级主管Jacob Rosenberg表示，到2025年，开发人员将直接在他们的应用程序中构建可观察性。
Rosenberg告诉我们：“我们需要将可观察性转移到左边，就像我们在安全和IT许多其他领域所做的那样，这样它实际上是作为应用程序设计的一部分来完成的。”
人工智能驱动的API存在于狂野前沿的编程边缘。阿波罗GraphQL产品副总裁Rob Brazier预测，到2025年，由于采用了可观察性技术，这一前沿将部分被驯服。
Brazier说：“到2025年，人工智能和API之间的关系将进入未知领域，重塑系统的构建和交互方式。”“人工智能将越来越多地指导开发人员制作和使用API，引入新的模式和不可预测的使用场景。这一转变将需要先进的可观察性工具来监控和适应不断变化的行为，确保系统保持安全和高效。随着人工智能实时动态地组合用户体验，API将需要比以往任何时候都更加强大、有弹性和灵活。企业必须以创新和远见来拥抱这一狂野的前沿，因为人工智能和API之间的协同作用以我们才刚刚开始理解的方式改变了数字生态系统。”
数据可观测性是数据供应链可观测性的一个子集，也在不断发展。数据可观测性提供商Bigeye的首席技术官Egor Gryaznov预测，到2025年，数据可观测将不再那么依赖人工干预，而是更加自动化。
Gryaznov说：“现在数据可观察性已经达到了市场成熟度，自动化对于最大化其价值至关重要。”。“观察性工具将越来越注重通过自动化部署、问题识别、分类和解决的工作流程来减少用户在平台上的时间。随着最佳实践的标准化，加快这些流程将是实现真正投资回报率的关键，并使团队能够以最少的人工干预解决数据问题。”
Riverbed产品管理高级总监Phil Lenton表示，到2025年，主动的AIOps将成为主流。
Lenton说：“到2025年，AIOps将从一种在问题发生后修复问题的被动模型转变为一种能够在问题出现之前预测和解决问题的主动方法。”“这一演变将利用预测分析和先进的机器学习模型来预测潜在故障，优化运营效率并减少停机时间。采用主动AIOps的公司将获得显著优势，最大限度地减少中断，改善整个IT生态系统的用户体验。”
当一个新的技术类别出现时，最好的品种通常会占上风，就像数据可观察性的情况一样，但随着成熟度的提高，整合往往会占据上风。数据可观测性提供商Acceldata的联合创始人兼首席技术官Ashwin Rajeeva认为，随着类别的巩固，统一的数据可观测平台正在出现，以满足各种需求。
他说：“到2025年，统一的数据可观察性平台将成为大型企业的重要工具，能够全面了解数据质量、管道健康状况、基础设施性能、成本管理和用户行为，以应对复杂的治理和集成挑战。”。“通过自动化异常检测和实现实时洞察，这些平台将支持数据可靠性，并简化跨行业的合规工作。”
