DIAL. La diagnostica diventa un asset.

Una piattaforma che cambia il modo in cui un'organizzazione affronta gli incidenti software: meno tempo perso, conoscenza che si capitalizza, reattività più alta verso i clienti.

Più servizi, meno visibilità: il paradosso dei microservizi.

Più i sistemi diventano distribuiti, più la diagnosi degli incidenti si fa lenta e costosa. Tre sintomi ricorrenti, una causa comune: la conoscenza diagnostica resta sparsa, non condivisa, non riusabile.

I dati nelle scene sono esempi inventati. DIAL prevede l'anonimizzazione dei dati alla fonte, prima che entrino nel pacchetto.

Dati dispersi

Log, payload e stato dell'applicazione vivono su sistemi diversi, in formati diversi, con regole d'accesso diverse. Rimettere insieme il quadro di un singolo incidente è un lavoro manuale.

Contesto spezzato

I TraceId si perdono nel passaggio tra servizi. Vedere una transazione di business dall'inizio alla fine diventa difficile, anche quando i singoli passaggi sono osservabili.

Conoscenza che evapora

I tempi di diagnosi si allungano. Ogni volta si parte da zero: lo stesso problema, già risolto in passato, viene riaffrontato come fosse nuovo. Le soluzioni restano nella testa di chi le ha trovate, o nella sessione dell'agente che le ha trovate, e svaniscono con lei. Quasi sempre il caso finisce a uno sviluppatore, strappato dal proprio lavoro perché né il supporto né i suoi agenti hanno gli strumenti per diagnosticare in autonomia.

Diagnostica progettata, non auto-catturata.

Chi sviluppa — il team, sempre più spesso affiancato da agenti di sviluppo — decide quali informazioni di dominio esporre. DIAL le raccoglie, le indicizza, le mette a disposizione di chi deve analizzare un incidente, persona o agente, e impara dalle risoluzioni precedenti.

Perché non basta l'auto-instrumentation

Gli strumenti di auto-instrumentation catturano grandi volumi di dati di infrastruttura — CPU, memoria, latenze, chiamate di rete — senza contesto di business. Per la maggior parte degli incidenti reali è il dominio applicativo a contare: quale operazione si stava svolgendo, su quale entità, con quali parametri. DIAL parte da lì.

Design intenzionale

Il team di sviluppo sceglie cosa esporre con un kit dedicato: traits semantici (identificativo del tenant, della transazione, tipo di operazione), dataset di stato, regole di correlazione. È un costo iniziale in cambio di un payoff cumulativo: i dati raccolti sono quelli che servono davvero.

Dentro c'è tutto ciò che serve all'analisi: log, payload applicativi, stato del sistema, traits di dominio, metadati.

Formato .cdpkg: compresso, cifrato, portabile.

Trasferibile, archiviabile, analizzabile anche fuori connessione.

Supporto al cliente finale

Chi eroga assistenza guadagna in reattività e — soprattutto — in autonomia diagnostica.

Con il pacchetto diagnostico in mano e la Knowledge Base che suggerisce pattern già visti, il primo e il secondo livello di supporto, persone e agenti che lavorano insieme, risolvono buona parte degli incidenti.

Senza coinvolgere il team di sviluppo.

Il valore percepito dal cliente cresce; chi costruisce il prodotto resta libero di costruire.

Gestione di sistemi in produzione

Chi mantiene applicazioni mission-critical — interne o di clienti — riduce i tempi di risoluzione e abbassa la dipendenza dalle singole persone esperte. La curva di apprendimento dei nuovi membri del team si accorcia: la storia degli incidenti, con risoluzioni e pattern, è interrogabile, dalle persone del team e dagli agenti che le affiancano nella gestione operativa.

Ricerca su dati di dominio

Non solo log e messaggi d'errore: anche i payload applicativi (JSON, XML, CSV) diventano ricercabili a testo pieno. Cercare "tutti gli ordini sopra una certa soglia con stato di errore negli ultimi sette giorni" è una query, non un esercizio di estrazione manuale.

Raccolta da applicazioni federate

Quando un incidente attraversa più servizi, DIAL interroga ognuno e raccoglie le evidenze in un unico pacchetto. La correlazione fra trace e identificativi viene ricostruita automaticamente. Niente più copia/incolla tra finestre di log diverse.

Sviluppo software

Il team che costruisce il prodotto smette di essere il collo di bottiglia di ogni diagnosi non triviale.

Il contesto necessario per capire un incidente è disponibile a chi lo gestisce in prima battuta, che sia una persona o un agente.

Chi sviluppa torna a sviluppare.

La conoscenza sui pattern di errore resta nella piattaforma, non nella testa dei singoli né nel contesto di una sola sessione.

Knowledge Base alimentata dall'AI

Ogni incidente analizzato lascia traccia: i pattern di errore, le root cause individuate, le soluzioni applicate. Un agente AI li indicizza e li propone come riferimento sui nuovi casi, con citazione dei pacchetti originali. La conoscenza non resta nei singoli: si distilla e diventa disponibile ai progetti, alle persone e agli agenti che ci lavorano.

Su quel materiale una Knowledge Base alimentata dall'AI accumula i pattern già visti e suggerisce soluzioni la volta successiva.

La conoscenza torna ai progetti.

La Knowledge Base non è un archivio da consultare solo a mano. DIAL la espone via API e MCP ai progetti e agli agenti che ci lavorano.

Un agente di sviluppo che mette mano al modulo di anagrafica sa già quali errori ha prodotto e come sono stati risolti. Un agente di supporto apre il pacchetto e trova il caso simile senza aspettare nessuno.

Persone e agenti attingono allo stesso patrimonio. Ogni incidente risolto, da chiunque, lo arricchisce.

Prodotto e offerta

DIAL può essere incluso come modulo di osservabilità nei progetti che proponi al cliente, oppure erogato come servizio SaaS dedicato.

Una capacità di diagnostica avanzata diventa parte di ciò che vendi — non un dettaglio implementativo invisibile, ma un vantaggio descrivibile.

Adozione progressiva, senza rotture.

DIAL si attiva in tre fasi cumulative. Si comincia con un perimetro minimo che non richiede l'apertura di porte di rete; si aggiungono progressivamente le capacità più avanzate man mano che il contesto del cliente lo permette.

Fase 1 · Acquisizione offline

Dal punto di vista del cliente non cambia nulla.

Una CLI dedicata raccoglie i pacchetti diagnostici direttamente sulle macchine dove vivono le applicazioni e li trasferisce in modo controllato.

Nessuna porta di rete da aprire, nessun nuovo accesso da concedere — adatta anche ai contesti più vincolati su sicurezza e compliance, come quelli bancari o sanitari.

Fase 2 · Hub centralizzato online

Le applicazioni espongono endpoint diagnostici dedicati. DIAL interroga, correla, materializza i pacchetti in un hub unico. Il viewer mostra log, payload e traits in un'interfaccia comune, attraversabile per trace, per progetto, per applicazione.

Fase 3 · Knowledge Base e suggerimenti AI

Si attiva la pipeline che indicizza i pattern di errore e li propone come riferimento sui nuovi incidenti. L'agente diventa contestuale sui singoli pacchetti e capace di interrogare l'intero corpus. Da qui il valore inizia a capitalizzarsi: ogni nuovo incidente analizzato alimenta i successivi. La conoscenza distillata è esposta via API e MCP ai progetti e ai loro agenti.

DIAL a fianco dei sistemi APM tradizionali, non al loro posto.

Strumenti come Datadog, Dynatrace o New Relic risolvono il monitoring di infrastruttura. DIAL è progettato per il livello sopra: la diagnosi degli incidenti che richiede contesto di dominio. Sulle dimensioni che contano per quel problema, le scelte sono diverse.

• APM / Auto-instrumentation
• Modello DIAL

Implementazione

Agente auto-installante, attivo da subito sulle metriche di infrastruttura.

Richiede al team di sviluppo di esporre informazioni di dominio. Costo iniziale, in cambio di dati che servono davvero.

Volume dati

Cattura tutto, sempre. Volume e costo crescono con il traffico.

Cattura solo ciò che è rilevante per la diagnosi.

Contesto di business

Metriche di sistema (CPU, memoria, latenze, errori HTTP). Il dominio applicativo è assente.

Nativo nel dominio. Payload applicativi, identificativi di business, stato delle operazioni.

Conoscenza riusabile

I dati restano nel sistema, le risoluzioni nella testa di chi le ha trovate o in sessioni che nessun agente ricorda.

Knowledge Base accumulativa, pattern recognition AI, riferimenti incrociati ai casi originali; consultabile da persone e agenti, via API e MCP.

Portabilità

Lock-in sulla piattaforma scelta. Esportare le evidenze è laborioso.

Pacchetti diagnostici autonomi, trasferibili, analizzabili anche fuori connessione.

Vuoi saperne di più?

Parliamone.

Per il tuo team, persone e agenti.

Per i clienti che servi.

Come modulo da includere in un'offerta.

Il modo migliore per capire se DIAL fa al caso tuo è raccontarci il contesto.

Se ha senso, un proof of concept di poche settimane è la naturale prosecuzione.