Un agente que revisa un servicio cada 10 minutos se ejecuta 4.320 veces al mes. Si cada pasada es una investigación con herramientas, a entre 0,56 y 1,26 $ por investigación según un experimento previo de Grafana Labs, la factura de un solo vigilante va de unos 2.400 a 5.400 $ al mes. Los Watchers de Grafana Assistant hacen ese mismo trabajo con una mediana de menos de 5 $ al mes por vigilante en la propia infraestructura de Grafana Cloud.
William Dumont, de Grafana Labs, explicó el 9 de noviembre de 2026 cómo lo consiguen. La idea es sencilla de enunciar y difícil de aplicar: el modelo solo interviene donde hace falta criterio, y con el tamaño justo para cada decisión.
El problema: vigilar lo que las alertas no ven
Las reglas de alerta cubren los fallos que alguien previó. Los Watchers son agentes siempre activos para lo demás: se les describe en lenguaje natural qué vigilar (un servicio, una dependencia, el arreglo de un incidente reciente), aprenden cómo es lo normal y solo avisan cuando el comportamiento se desvía, con un informe y las pruebas. Si el hallazgo es crítico, pueden lanzar una investigación del asistente. Son GA desde ObservabilityCON 2026.
El obstáculo era el coste. Un agente capaz, con herramientas, recorriendo el stack en cada pasada, no escala a decenas de vigilantes por equipo.
La solución: tres trabajos, tres ejecutores
Grafana separa el trabajo en tres partes y asigna a cada una el ejecutor más barato que puede hacerla bien:
| Trabajo | Quién lo hace | Cuándo |
|---|---|---|
| Decidir qué vigilar y qué es normal | Agente de calibración (modelo capaz, con herramientas) | Una vez y al recalibrar |
| Consultar datos y compararlos con la línea base | Código: consultas, estadística, patrones de logs | En cada pasada |
| Decidir si importa y explicar por qué | Modelo pequeño y rápido, una llamada, sin herramientas | En cada pasada |
La calibración es la parte cara, y se hace una vez. El agente localiza dónde está la telemetría, pregunta lo que no puede deducir (por ejemplo, si 32 clústeres de producción se juzgan por separado), reutiliza los umbrales y severidades de las alertas y dashboards que ya existen, muestrea cada señal en varios puntos de la última semana para modelar los ciclos diarios y semanales, y prueba cada comprobación contra datos reales antes de guardarla. El resultado es un "contexto de calibración" compacto: descripción del servicio, decisiones tomadas, comportamiento en despliegues, rangos normales y ruido conocido. Tarda unos minutos como mucho.
Cada pasada, el código hace la aritmética. Para métricas, compara con la misma hora del día anterior y con la línea base estadística, y aplica los umbrales calibrados: el modelo recibe veredictos, no series de números. Para logs usa la API de patrones de Loki, que agrupa las líneas al ingerirlas; el vigilante mantiene un inventario de patrones entre pasadas, marca los nuevos, detecta los conocidos cuya tasa se ha duplicado y solo pide ejemplos de los nuevos. Una comprobación de despliegues le permite distinguir una regresión tras un rollout de una coincidencia. Lo que está sano se resume en una línea.
El modelo solo decide. El resumen va a una única llamada sin herramientas a un modelo pequeño, que devuelve una decisión estructurada: OK, aviso o crítico, un informe corto, los problemas que sigue con su evidencia y si hay que notificar o investigar. Para elegir ese modelo reproducen decisiones reales de producción contra los candidatos; el actual no falló ningún caso crítico y cuesta aproximadamente la mitad por decisión que el anterior. Grafana no dice cuál es.
Las cifras
Con un precio de lista de 2 $ por millón de tokens, 41 de los 43 vigilantes internos cuestan menos de 10 $ al mes. El más caro, con 43 comprobaciones cada 15 minutos, pasa algo de los 20 $. Ninguna pasada llega a un céntimo. El coste depende de la frecuencia (de cada 5 minutos a cada 3 horas) y del alcance; la calibración y las investigaciones se cobran aparte.
En los últimos meses, el vigilante interno encontró más de 10 bugs que afectaban a clientes: una integración con Microsoft Teams en crashloop, informes de investigación rotos, credenciales de webhook ausentes en una región recién activada, fallos de OAuth con Slack y alertas que nunca llegaban a Alertmanager. También se equivocó: en un rollout detectó bien los fallos por una base de datos MySQL agotada, pero atribuyó mal la causa; los ingenieros acabaron encontrando un plan de consulta caro que probablemente contribuyó.
Qué se puede aprender
La lección más útil sirve para cualquier agente de operaciones, sea de Grafana o propio: el razonamiento caro se hace una vez y se reutiliza en cada ejecución. Un agente que redescubre en cada pasada dónde están las métricas y qué es normal paga ese descubrimiento 4.320 veces al mes.
La segunda es de reparto: lo que el código hace mejor que un LLM (consultar, restar, comparar con una línea base) no debe llegar al modelo como datos crudos. Al modelo le llega un resumen que ya dice qué está fuera de rango, y su trabajo se reduce a juntar señales. Es justo ahí donde aporta: un patrón de log nuevo suele ser ruido, pero un patrón nuevo con errores al alza y un despliegue reciente casi nunca lo es.
La tercera es de expectativas. Grafana presenta los Watchers como complemento de las alertas, no como sustituto, y separa detectar de diagnosticar: el vigilante avisa, y el diagnóstico lo hacen personas o una investigación. El caso de MySQL muestra por qué esa frontera importa.
Lo que no es trasladable
El diseño depende de piezas que no todo el mundo tiene: la API de patrones de Loki hace gratis la agrupación de logs, y las alertas y dashboards existentes son la materia prima de la calibración. Sin ellas, la calibración es más cara y menos fiable. Las cifras de coste son las de la flota interna de Grafana, a precio de lista y con un modelo que no se nombra. Y el precio para clientes aún no está fijado en la práctica: los Watchers son gratis hasta el 1 de diciembre de 2026; a partir de ahí consumen la cuota mensual de uso automático del plan y después se facturan por tokens del asistente.
Fuentes
- Run cost-effective, always-on agents to monitor your environment: the engineering behind Grafana Assistant Watchers, Grafana Labs, 9 de noviembre de 2026.