Todas as equipas de monitorização conhecem a sensação: uma tempestade de alertas surge no painel às três da manhã e é aí que começa o verdadeiro trabalho, não em reconhecer os alarmes, mas em perceber porque estão a disparar, o que está de facto avariado e o que fazer a seguir. Essa triagem é lenta, manual e depende muito de quem calha estar de serviço. O Pardinus AI Suite foi construído para mudar isso.
O Pardinus é uma suite de IA que se integra nativamente no Checkmk, transformando alertas em bruto numa análise de causa raiz estruturada e acionável, de forma automática. Em vez de os operadores passarem 20 a 40 minutos a correlacionar manualmente registos, métricas e cronologias, o Pardinus entrega um relatório completo em menos de um minuto: um diagnóstico claro, um grau de confiança, hipóteses alternativas, ações recomendadas e até sugestões de correção de limiares, tudo sem sair da interface do Checkmk.
Mas o Pardinus vai muito além da análise automática. É uma camada operacional de IA completa para o Checkmk:
Para as equipas de operações, significa resolver incidentes mais depressa, escalar menos e ter diagnósticos consistentes, independentemente de quem está de turno. Um engenheiro em início de carreira, às três da manhã, obtém a mesma qualidade de análise que um especialista sénior produziria em horário de expediente. O chatbot integrado funciona como assistente permanente, disponível como assistente flutuante em qualquer ponto do Checkmk, onde os operadores podem consultar o estado de um host em linguagem natural, obter orientação passo a passo sobre o Checkmk ou até executar ações de configuração, como criar hosts ou definir períodos de manutenção, tudo por conversa.
Para quem lidera equipas, traz estrutura e visibilidade. Cada análise fica registada com histórico completo, o que permite detetar de imediato problemas recorrentes. O painel de consumo de IA dá transparência total sobre custos: utilização de tokens, custos estimados, repartição por utilizador e poupanças inteligentes através da reutilização de análises, para que não haja surpresas na fatura e a afetação de recursos seja sempre informada.
Para a segurança e a conformidade, o Pardinus foi desenhado de raiz com controlos de nível empresarial. Os dados sensíveis são ocultados antes de chegarem ao fornecedor de IA, com uma ferramenta de pré-visualização que permite aos administradores verificar exatamente o que sai do ambiente. A integração com o Password Store do Checkmk mantém as credenciais de API seguras. As salvaguardas granulares do chatbot permitem definir com precisão que ações a IA pode executar, das consultas só de leitura às alterações completas de configuração, com passos de confirmação opcionais e registo de auditoria integral.
Para arquitetos e equipas de plataforma, o Pardinus é API-first. Todas as capacidades, análise de causa raiz, conversa e relatórios estruturados, estão expostas através de uma API REST versionada, pronta a ligar às ferramentas existentes: PagerDuty, ServiceNow, Jira, Slack, MS Teams, n8n, webhooks ou qualquer pipeline próprio. Suporta a arquitetura multisite do Checkmk, traz sete agentes de IA especializados em redes, Linux, Windows, bases de dados, SAP, middleware e cloud, e permite às equipas criar agentes próprios para o que faltar. É independente do fornecedor, por isso é a empresa que escolhe onde os seus dados são processados.
O Pardinus não substitui a equipa de monitorização. Dá a cada um dos seus membros a profundidade analítica de um especialista sénior, o conhecimento institucional de toda a organização e a rapidez da automação. Torna as boas equipas mais rápidas e as equipas sobrecarregadas mais resilientes.
Nas secções seguintes, percorro cada funcionalidade em detalhe, com imagens de um ambiente real.
Fila de alertas em tempo real, com encaminhamento inteligente O painel da esquerda apresenta uma fila de alertas em tempo real, que faz emergir continuamente os problemas críticos da infraestrutura Checkmk. Os alertas surgem com o seu estado, objeto, saída do plugin e estado da análise, tudo numa só vista. Cada alerta pode ser tratado diretamente com os botões “Run RCA” ou “View RCA”, tornando a triagem rápida e fluida.
Relatórios de causa raiz com grau de confiança Cada análise gera um relatório detalhado, claramente identificado por host e serviço (por exemplo, MSSQL02 / NTP Time). Os relatórios incluem um grau de confiança (por exemplo, “HIGH confidence – 0.80”), dando aos operadores uma noção imediata da fiabilidade do diagnóstico. Há também transparência total sobre o consumo de tokens e o tempo de execução.
Análise estruturada, com hipóteses alternativas e dados em falta A secção de notas de análise não dá apenas uma resposta: apresenta hipóteses alternativas ordenadas por plausibilidade, a par de uma lista clara dos dados em falta que poderiam afinar o diagnóstico. Isto ajuda as equipas a perceber não só o que correu mal, mas também o que falta investigar.
O diagnóstico: um resumo claro e acionável O diagnóstico explica a causa raiz em linguagem corrente. Neste exemplo, o Pardinus identifica uma falha de sincronização NTP, explica que o relógio se desviou para lá do limiar crítico e contextualiza o alerta face a outras métricas do sistema, notando que os alertas simultâneos de memória e de sistema de ficheiros se devem provavelmente a limiares baixos e não a esgotamento real.
Ações recomendadas Cada análise inclui uma lista numerada de ações recomendadas, já priorizadas: verificar a conectividade NTP, confirmar o estado do serviço, rever as regras de firewall. Sem adivinhações, apenas um caminho claro de resolução.
Recomendações sobre regras do Checkmk O sistema de recomendações de regras vai mais longe: analisa os limiares de alerta em vigor e sugere alterações quando parecem mal configurados. Neste caso, assinala que os níveis de aviso e crítico para o desvio de tempo NTP podem precisar de ajuste, mostra os níveis atuais e liga diretamente ao conjunto de regras do Checkmk. Os operadores podem até redigir ali mesmo uma nota de alteração.
Run RCA: um clique a partir das vistas de serviço do Checkmk O Pardinus integra-se de forma natural nos menus de contexto do Checkmk. Todos os serviços em estado diferente de OK (WARN, CRIT, UNKNOWN) recebem uma ação “Run RCA” diretamente no seu menu, ao lado das opções nativas como reagendar verificação, parâmetros ou página manual.
Com um único clique, os operadores são reencaminhados para a página do Pardinus com o host e o serviço já em contexto, e a análise arranca de imediato. Não é preciso ir ao Pardinus AI Suite à parte, procurar o host ou copiar nomes de serviços: o percurso vai diretamente de “vejo um problema” para “estou a receber uma resposta” numa só ação.
Isto significa que o Pardinus encaixa naturalmente na forma como os operadores já trabalham no Checkmk. Esteja a percorrer a lista de serviços de um host, a rever um painel ou a investigar um alerta, a análise de causa raiz por IA está sempre a um clique, exatamente onde seria de esperar.
Passos operacionais: comandos de diagnóstico escolhidos por especialistas Para lá do diagnóstico e das ações recomendadas, o Pardinus fornece um conjunto completo de passos operacionais: comandos de diagnóstico só de leitura, sugeridos pelo agente de IA especializado e organizados por categorias lógicas de investigação.
Histórico: acompanhar incidentes recorrentes ao longo do tempo No fim de cada relatório, a secção de histórico mostra as análises anteriores para a mesma combinação de host e serviço. É valiosíssimo para detetar incidentes recorrentes e perceber como um problema evolui.
O histórico regista a data de conclusão, o grau de confiança, o modelo de IA usado, o site de origem e o diagnóstico de cada execução. Quando o diagnóstico muda entre execuções, o Pardinus assinala-o explicitamente, por exemplo “Verdict changed since previous run – same specialist, confidence change -0.10”, dando à equipa um sinal claro de que a situação está a evoluir e pode exigir atenção acrescida.
Desempenho RRD: gráficos do Checkmk dentro do relatório O Pardinus traz o gráfico de desempenho RRD diretamente do Checkmk e desenha-o dentro do relatório, sem obrigar a mudar de separador. O gráfico interativo mostra a métrica do serviço em intervalos de tempo configuráveis, das últimas 4 horas até 400 dias, com valores mínimo, máximo, médio e último. Os limiares de aviso e crítico aparecem sobrepostos como linhas coloridas, tornando imediatamente evidente se a métrica os está a ultrapassar.
Cronologia recente: eventos correlacionados à volta do alerta A cronologia recente reconstrói a sequência de eventos do Checkmk em torno do alerta selecionado, dando aos operadores todo o contexto do incidente num relance. Começa com um resumo da cronologia, que destaca os momentos-chave em linguagem corrente: quando disparou o alerta principal, que alertas simultâneos apareceram e o que mudou ao longo do tempo.
Por baixo do resumo, uma tabela detalhada lista cada mudança de estado do host afetado, com datas, nomes de objetos e estados (OK, CRITICAL). Assim é fácil detetar padrões: que serviços estavam saudáveis antes do incidente, o que ficou crítico ao mesmo tempo e se outros serviços do mesmo host estão a ser afetados. Neste caso, percebe-se que o alerta de NTP Time no MSSQL02 disparou a 18 de maio enquanto outros serviços centrais (desempenho do kernel, E/S de disco, tempo de atividade) se mantiveram OK, o que ajuda a confirmar que o problema está localizado na sincronização de tempo.
Chatbot do Pardinus: inteligência sobre a infraestrutura através de conversação O Pardinus inclui um chatbot integrado que permite aos operadores consultar o ambiente Checkmk em linguagem natural, a partir da própria interface. Basta escrever uma pergunta como “how is host MSSQL01?” e obter, em segundos, uma avaliação de estado completa e estruturada.
Ações do chatbot: não só respostas, mas operações reais O chatbot vai além das consultas só de leitura: pode executar ações diretamente no ambiente Checkmk através de comandos em linguagem natural. Neste exemplo, o operador escreve simplesmente “add host munich in folder pardinus” e o Pardinus cria o host de imediato, confirmando com uma resposta breve: “Host munich created in folder pardinus.” O chatbot como assistente de conhecimento do Checkmk O Pardinus não se limita a analisar alertas e executar ações: serve também de base de conhecimento interativa sobre o Checkmk. Os operadores podem fazer perguntas processuais, como “how do I make an acknowledgement?”, e receber orientação detalhada, passo a passo, no próprio chat.
Assistente Pardinus: barra lateral integrada nos painéis do Checkmk O Pardinus não está confinado às suas páginas: o assistente está disponível como painel lateral dentro do painel nativo do Checkmk. Os operadores podem aceder-lhe a qualquer momento sem sair da sua vista de monitorização, mantendo visíveis as estatísticas de hosts e serviços, as notificações de problemas, o resumo do site e os principais geradores de alertas enquanto interagem com a IA.
Consumo de IA: transparência total sobre utilização e custos O Pardinus inclui um painel dedicado ao consumo de IA, que dá às equipas visibilidade completa sobre a forma como os recursos estão a ser usados na plataforma. Sem surpresas na fatura: tudo é registado, repartido e estimado em tempo real.
Definições de análise: use o seu próprio fornecedor de IA O Pardinus foi desenhado para ser independente do fornecedor. Na página de definições, os administradores configuram a ligação indicando um endereço de endpoint e escolhendo o modelo a usar. As equipas podem assim apontar o Pardinus a qualquer fornecedor compatível, seja um serviço cloud, um LLM com alojamento próprio ou um gateway interno, mantendo controlo total sobre onde os dados são processados e que modelo sustenta a análise.
Integração com o Password Store do Checkmk O campo da chave de API integra-se diretamente com o Password Store nativo do Checkmk, aqui destacado como funcionalidade de segurança. Em vez de colarem chaves de API em bruto nos campos de configuração, os administradores podem referenciar segredos já geridos no armazenamento seguro do Checkmk. Assim, as chaves são tratadas segundo as mesmas políticas de segurança e controlos de acesso que regem o resto do ambiente, sem credenciais em texto simples na configuração do Pardinus.
Validação do fornecedor Antes de entrar em funcionamento, os administradores podem verificar a ligação com os botões “Test selected model” e “Test provider and save”. O painel de estado confirma as capacidades do fornecedor: modo JSON (verificado), utilização de tokens (reportada) e contexto máximo, garantindo que o modelo escolhido cumpre os requisitos do Pardinus antes de lhe ser enviada qualquer análise ou pergunta.
Definições do chatbot: controlo total sobre o comportamento do assistente A página de definições do chatbot dá aos administradores controlo granular sobre todos os aspetos do assistente: onde aparece, a que pode aceder e que ações lhe são permitidas.
Disponibilidade Os administradores controlam a presença do assistente e a sua memória: o assistente flutuante pode ser ativado ou desativado globalmente, a retenção de conversas é configurável (por exemplo, 30 dias) e o número máximo de mensagens de histórico enviadas à IA pode ser limitado, para controlar o tamanho do contexto e o consumo de tokens por interação.
Contexto e segurança Esta secção define de que conhecimento o chatbot se pode servir e como as suas operações são registadas. As opções usar contexto de análises e usar contexto do Checkmk determinam se o assistente pode referir resultados anteriores e dados em direto ao responder. A opção registar auditoria das ações do chatbot garante que cada ação executada fica registada para efeitos de conformidade e rastreabilidade.
Ações no Checkmk: salvaguardas granulares É aqui que os administradores definem as fronteiras do que o chatbot pode fazer. A opção permitir ações no Checkmk é o interruptor principal, e exigir confirmação antes das ações acrescenta uma rede de segurança, obrigando à aprovação de quem usa antes de qualquer alteração ser executada.
O âmbito das ações permitidas oferece níveis de permissão detalhados, selecionáveis de forma independente: consultas só de leitura, criar e atualizar hosts e pastas, períodos de manutenção e reconhecimentos, ativar alterações e eliminar objetos. Isto permite às equipas adotar o Pardinus progressivamente, começando pela leitura e ativando escritas à medida que a confiança cresce. Um ambiente onde só se permitem consultas e reconhecimentos é muito diferente de um com permissões completas de eliminação e ativação, e essa escolha está inteiramente nas mãos do administrador.
Diagnósticos controlados O Pardinus pode ler a cache do agente Checkmk (df, ps, systemd, registos) para enriquecer tanto o contexto das análises como os diagnósticos do chatbot, sem exigir acesso SSH aos hosts monitorizados. Os administradores configuram um limiar de tempo máximo da cache para assinalar dados desatualizados, e podem escolher exatamente que secções são permitidas: sistema de ficheiros (df), processos (ps), unidades systemd, registos de serviços (logwatch) e tempo de atividade e carga. Assim, a IA só vê os dados de diagnóstico que a equipa está confortável em partilhar.
Salvaguardas de execução: segurança, privacidade e qualidade A secção de salvaguardas de execução dá aos administradores controlo preciso sobre a forma como o Pardinus interage com o fornecedor de IA, quantos dados são partilhados e que proteções existem antes de qualquer análise arrancar.
Fiabilidade do fornecedor Um aviso de estado mostra o resultado do último teste ao fornecedor, com data, confirmando que o endpoint devolve respostas válidas. A opção exigir teste ao fornecedor antes da análise garante que o Pardinus verifica se a ligação está saudável antes de tentar qualquer análise, evitando tempo perdido e resultados confusos se o serviço de IA estiver em baixo. Como rede de segurança, a opção recorrer apenas à evidência determinística se a IA falhar permite ao Pardinus continuar a entregar valor com recolha de evidência baseada em regras quando o fornecedor está indisponível.
Controlo de evidência e de contexto Os administradores podem afinar a quantidade de dados que o Pardinus envia à IA: o máximo de elementos de evidência enviados limita o número de dados incluídos em cada análise (por exemplo, 100), enquanto a janela de histórico em horas define até onde o Pardinus recua ao recolher o contexto dos eventos (por exemplo, 24 horas). É assim que se equilibra a profundidade da análise com o consumo de tokens e o custo.
Privacidade: ocultação antes da IA A opção ocultar valores sensíveis antes da IA é uma funcionalidade de privacidade decisiva: quando ativada, o Pardinus sanitiza o que envia antes de chegar ao endpoint, removendo informação sensível como nomes de máquinas, endereços IP ou outros dados identificáveis. A pré-visualização da ocultação permite aos administradores gerar um exemplo do que será enviado e inspecionar exatamente o que a IA vai ver depois da ocultação, com transparência total sobre os dados que saem do ambiente.
Qualidade e transparência O limiar de confiança elevada (por exemplo, 0,75) define a pontuação mínima para um resultado ser assinalado como de confiança elevada, dando às equipas controlo sobre o padrão de certeza que exigem. A opção mostrar o fornecedor usado no resultado controla se os detalhes do modelo e do endpoint ficam visíveis em cada relatório, o que apoia requisitos de auditoria e conformidade.
Análise proativa, com proteção contra tempestades O Pardinus pode ir além da análise a pedido e correr de forma proativa, desencadeada automaticamente quando os alertas correspondem a regras predefinidas. As regras de análise por pesquisa usam texto de pesquisa rápida do Checkmk ou expressões regulares para definir que combinações de host e serviço devem despoletar análise automática. As regras podem ser delimitadas por padrão de host, padrão de serviço e estado do alerta (por exemplo, apenas CRITICAL), e cada uma pode ser ativada ou desativada individualmente.
No fim da secção, o botão “Add proactive rule” permite criar novas regras, enquanto “Dry-run current alerts” permite testá-las contra a fila de alertas em direto antes de as ativar, para que as equipas validem o âmbito e o volume esperado sem desencadear chamadas reais à IA.
Proteção contra tempestades de alertas: uma salvaguarda contra custos descontrolados Ao automatizar a análise, tempestades de alertas e serviços instáveis podem disparar rapidamente o consumo de tokens. O Pardinus inclui um sistema de proteção contra tempestades com várias camadas de defesa.
A limitação de ritmo é configurável a nível global e por site, com limites separados para execuções automáticas por hora e por dia (por exemplo, 20 por hora e 100 por dia globalmente, 10 por hora e 50 por dia por site). Assim, mesmo num ambiente distribuído com vários sites, nenhum consome uma fatia desproporcionada dos recursos de IA.
O mecanismo de deteção de tempestades monitoriza o volume de alertas numa janela de tempo configurável (por exemplo, 50 alertas em 10 minutos). Detetada uma tempestade, o Pardinus suspende a análise automática durante um período de pausa definido (por exemplo, 30 minutos), protegendo o endpoint e o orçamento de picos de atividade.
A supressão de instabilidade acrescenta outra camada de inteligência: os serviços que mudam de estado com demasiada frequência (por exemplo, 4 mudanças em 15 minutos) são automaticamente excluídos da análise automática até estabilizarem. Isto evita que o Pardinus gaste tokens a analisar serviços que oscilam entre estados e ainda não têm um problema estável para diagnosticar.
Como a própria explicação integrada resume: se demasiados alertas corresponderem ao mesmo tempo, o Pardinus suspende a análise automática, os períodos de pausa por regra continuam a aplicar-se e os objetos instáveis são ignorados até estabilizarem. Todas as camadas funcionam em conjunto para garantir que a análise proativa é simultaneamente poderosa e segura em custos.
Configuração de agentes: especialistas de IA à medida da sua stack O Pardinus usa um sistema de agentes de IA especializados, cada um preparado com conhecimento e vocabulário próprios de um domínio, para tratar diferentes áreas da infraestrutura. A página de configuração de agentes permite aos administradores controlar quais os especialistas ativos e ajustá-los ao ambiente.
Base de conhecimento: ensinar ao Pardinus a linguagem da sua casa A base de conhecimento é onde o Pardinus aprende o vocabulário e os atalhos próprios da sua organização. As entradas são aprendidas automaticamente pelo chatbot a partir de consultas anteriores, ou acrescentadas manualmente pelos administradores. Quando alguém pergunta por um termo conhecido, a explicação correspondente e um exemplo de resposta são injetados no contexto da IA, acelerando a resposta e melhorando a precisão.
API-first: ligue o Pardinus a tudo Todas as capacidades do Pardinus estão expostas através de uma API REST versionada, o que permite integrá-lo de forma nativa em qualquer fluxo de gestão de incidentes. As equipas podem desencadear análises a partir dos seus pipelines, integrar relatórios estruturados para os sistemas de tickets ou enviar evidência para os canais de comunicação, sem mudarem a forma como já trabalham.
E isto é apenas o princípio.
O Pardinus AI Suite está em evolução ativa, com novos agentes especializados, integrações mais profundas e mais capacidades autónomas no horizonte. Tudo o que viu neste artigo está em produção hoje, em ambientes Checkmk reais, a resolver incidentes reais.
Se isto lhe faz lembrar os desafios da sua equipa, a fadiga de alertas, a triagem lenta, os diagnósticos inconsistentes, ou simplesmente a vontade de tirar mais partido do investimento em monitorização, gostaria muito de o ouvir.
Quer tenha uma instalação pequena de Checkmk ou faça a gestão de um ambiente empresarial complexo com vários sites, quer tenha curiosidade sobre uma funcionalidade específica ou queira ver o Pardinus a trabalhar sobre os seus próprios alertas, vamos falar.
Deixe-me uma mensagem aqui no LinkedIn, ou contacte-me diretamente. Terei todo o gosto em mostrar uma demonstração ao vivo, discutir como o Pardinus encaixa na sua stack ou simplesmente trocar ideias sobre o rumo das operações assentes em IA.
Os alertas não se diagnosticam sozinhos. Mas agora, podem.
