ログ、メトリクス、出力の収集と分析を通じて、AIシステムの内部状態と動作を推測し、効果的な監視とトラブルシューティングを可能にする機能。
基本的な監視を超えて、システムの健全性に関する深いインサイトを提供します。オブザーバビリティ・パイプラインは、データ取り込み、トレーニング、推論サービスから、構造化ログ（リクエスト、エラー）、メトリクス（レイテンシ、リソース使用率）、トレース（実行経路）を収集します。相関分析とダッシュボードにより、チームは問題の根本原因を特定し、イベントを再現し、事後検証を実施できます。ガバナンスでは、システムの信頼性とコンプライアンスを維持するために、収集するシグナル、保持ポリシー、アラートしきい値を定義します。
不正検知プラットフォームは、すべてのトランザクションについてトレースを出力するためにOpenTelemetryを統合し、信頼度スコア付きでモデルの判断をログに記録し、CPU/GPU使用率を追跡します。レイテンシが急増した際には、SREチームがトレースを詳細に分析して低速な特徴量ストアのクエリを特定し、インデックスを修正することで、15分以内に通常のパフォーマンスを回復します。
