Observability: cos'è e chi la gestisce davvero in azienda

Diagramma di linee con le etichette Backend e SRE che convergono nel nodo Observability
Scritto da
Samori Bokoko Aparicio Segui

VP of Engineering in Shakers. Oltre quindici anni sul campo tecnico prima di questo ruolo: sviluppo software, gestione delle infrastrutture e direzione dei team che tengono in piedi entrambe le cose. Ha guidato team tecnici e ha fondato e gestito aziende proprie, il che gli dà le due letture della stessa decisione: quella ingegneristica e quella di business.

• ...

Scatta un alert di latenza in produzione. La dashboard diventa rossa e nessuno sa perché. Il guasto non assomiglia a nessuno di quelli per cui qualcuno aveva configurato un alert, quindi il team apre i log alla cieca, prova ipotesi e perde la mattinata. È il limite del monitoraggio classico, ed è esattamente il vuoto che colma l'observability.

La licenza si compra. La capacità di usarla, no. Questa guida separa le due cose, con dati propri sul mercato italiano.

L'observability (in italiano osservabilità) è la capacità di capire lo stato interno di un sistema a partire dai segnali che emette: metriche, log e trace. Il monitoraggio avvisa di ciò che si sapeva già di dover controllare; l'observability permette di indagare guasti che nessuno aveva previsto. In Italia raramente arriva come ruolo a sé: è distribuita tra ruoli DevOps, di sviluppo software e cloud.

Da dove viene l'observability e cosa significa nell'IT?

L'observability, o osservabilità, è la proprietà di un sistema che permette di dedurre cosa succede al suo interno da ciò che espone all'esterno, il che nel software si traduce nella possibilità di rispondere a domande nuove sulla produzione senza dover rilasciare nuovo codice solo per farlo.

Il termine non nasce nell'IT. Rudolf Kalman lo formalizzò nel 1960, nella teoria del controllo e insieme al suo concetto gemello, la controllabilità, per descrivere quando lo stato interno di un sistema dinamico si può ricostruire dalle sue uscite misurabili, e l'ingegneria del software lo ha preso in prestito decenni dopo con la stessa idea di fondo.

Nella pratica sta tutto in una domanda. Qualcosa si rompe in un modo che nessuno aveva previsto: si riesce a trovare la causa con i dati che si raccolgono già? Se sì, il sistema è osservabile. Se bisogna aggiungere log e aspettare che succeda di nuovo, non lo è.

In cosa si differenzia l'observability dal monitoraggio?

Il monitoraggio sorveglia condizioni note; l'observability permette di indagare quelle sconosciute. Non sono in competizione. Uno è parte dell'altra.

Dimensione Monitoraggio Observability
Domanda a cui risponde Si sta rompendo qualcosa che conosciamo già? Perché si rompe, anche se è qualcosa di nuovo?
Punto di partenza Soglie e dashboard definite in anticipo Dati con contesto sufficiente per esplorare dopo
Contesto ideale Monoliti e sistemi stabili Microservizi e Kubernetes
Risultato tipico Un alert Una diagnosi

Più il sistema è distribuito, più la differenza conta. In un monolite, l'origine si trova. In un'architettura con decine di servizi su Kubernetes, invece, una richiesta lenta può attraversare otto servizi diversi prima di restituire un errore, e una dashboard definita in anticipo raramente dice in quale di essi si sono persi i secondi che l'utente ha notato.

Quali sono i segnali dell'observability?

I segnali classici sono tre. Ognuno risponde a una domanda diversa.

  • Metriche. Valori numerici aggregati nel tempo, come latenza, tasso di errore o uso della CPU. Costano poco da conservare e dicono che qualcosa non va, ma raramente perché.
  • Log. Registrazioni di eventi con timestamp. Danno il dettaglio di un punto preciso, al prezzo di molto volume.
  • Trace distribuite. Il percorso completo di una richiesta attraverso tutti i servizi che tocca: il segnale più diretto per vedere dove si perde tempo nei microservizi.

Parlare di "tre pilastri" oggi non basta più, perché i team che da anni gestiscono sistemi distribuiti in produzione aggiungono a quei tre segnali gli eventi di business e il profiling continuo delle performance, e tecniche come eBPF catturano segnali dal kernel senza toccare l'applicazione. Ciò che decide non è quanti segnali si raccolgono. È che siano correlati: che da una metrica anomala si possa passare alla trace e al log di quella stessa richiesta.

Perché OpenTelemetry è diventato lo standard?

OpenTelemetry è lo standard aperto per strumentare le applicazioni ed emettere metriche, log e trace in un formato comune che la maggior parte dei backend accetta, direttamente o tramite exporter. È mantenuto dalla Cloud Native Computing Foundation.

Il suo valore è architetturale. Prima, ogni piattaforma commerciale portava con sé il proprio agente e il proprio formato, quindi cambiare fornitore significava strumentare di nuovo il codice, mentre con OpenTelemetry si strumenta una volta e cambiare destinazione diventa soprattutto una questione di configurare il Collector e i suoi exporter.

Quali strumenti compongono uno stack di observability?

Uno stack ha quattro livelli: strumentazione, raccolta, archiviazione e visualizzazione con alert. Il segnale nasce nel codice strumentato, passa per un collector come l'OpenTelemetry Collector, viene archiviato in un backend e si consulta da dashboard e alert. Gli strumenti si dividono in due famiglie.

Lo stack open source combina di solito Prometheus per le metriche, Grafana per la visualizzazione, Loki o lo stack ELK (Elasticsearch, Logstash e Kibana) per i log e Jaeger per le trace, con OpenTelemetry come livello di strumentazione. Non c'è costo di licenza. Ci sono archiviazione, manutenzione e persone.

Le piattaforme commerciali, come Datadog, Dynatrace, Splunk o New Relic, integrano i quattro livelli in un unico prodotto con agenti propri, rilevamento automatico delle anomalie e supporto, e si pagano per host, per volume di dati acquisiti o per utente, per cui il costo dipende dalle dimensioni dell'infrastruttura.

Chi gestisce l'observability in un'azienda?

In Italia l'observability raramente arriva come ruolo a sé. Secondo l'analisi di mercato di Shakers, 741 offerte tech pubblicate in Italia tra luglio e novembre 2026 citano almeno uno strumento di observability, e sono pochissime quelle che riportano il termine nel titolo dell'annuncio.

Metodo: offerte tech in Italia raccolte da Shakers Market dall'8 luglio al 14 novembre 2026 (la copertura italiana parte da luglio) che nominano nel titolo o nella descrizione uno strumento di observability (Grafana, Prometheus, Datadog, Dynatrace, Splunk, OpenTelemetry, ELK o Loki, tra gli altri), con il termine effettivamente presente nel testo e senza contare due volte la stessa azienda e lo stesso titolo. Misura dove compare la competenza, non quanti ruoli la richiedono.

Il ruolo che la cita più spesso è DevOps Engineer, con 74 annunci. Gli altri ruoli, presi singolarmente, hanno numeri troppo piccoli per essere significativi, per cui la lettura più solida è per famiglie.

Famiglia di ruoli Annunci
Cloud & DevOps 254
Software Engineering 218
Product & Management 57
Data & Analytics 56

Lo stesso campione indica anche quale stack viene richiesto: Grafana o Prometheus compaiono in 484 annunci, contro 265 che chiedono Datadog, Dynatrace o Splunk (non si escludono: 86 li nominano entrambi). Pesa di più chi sa gestire lo stack open source.

Se l'observability è distribuita tra ruoli, quello che bisogna cercare non è un titolo ma una competenza: strumentare con OpenTelemetry, progettare metriche utili e leggere una trace sotto pressione, che è il passaggio dal ragionare per ruoli al ragionare per skill, e che può trovarsi in un ruolo DevOps, SRE o di platform engineering oppure in un Backend Developer senior. Verificarla in pratica richiede di vederla applicata su un sistema reale. Il CV non basta.

Come si misura se l'observability funziona?

Con obiettivi di servizio, non con il numero di dashboard. Uno SLI è il dato osservato, per esempio la percentuale di richieste servite in meno di 300 millisecondi. Uno SLO è l'obiettivo interno su quel dato in una finestra temporale. L'error budget è il margine che lo SLO lascia: se l'obiettivo è il 99,9% su 30 giorni, lo 0,1% restante è il guasto che il team può consumare prima di fermare i rilasci.

La prova decisiva è il tempo di diagnosi: se davanti a un incidente mai visto prima il team trova la causa con i dati che ha già, senza riprodurre il guasto né aggiungere trace di corsa mentre il cliente aspetta, l'observability funziona. Altrimenti, no. Lo stesso vale per il debito tecnico: un sistema poco osservabile è anche un sistema in cui il debito si accumula senza che nessuno se ne accorga.

Domande frequenti sull'observability

In cosa si differenzia l'observability dal monitoraggio?

Il monitoraggio sorveglia condizioni definite in anticipo e avvisa quando si verificano. L'observability raccoglie segnali con contesto sufficiente per indagare guasti che nessuno aveva previsto. Nei sistemi distribuiti, con molti servizi concatenati, il monitoraggio da solo lascia senza spiegazione i guasti che nessuno aveva immaginato.

Quanto costa implementare l'observability?

Dipende meno dallo strumento che dal volume di dati e da chi lo gestisce. Le piattaforme commerciali si pagano per host, per dati acquisiti o per utente, quindi il costo cresce con l'infrastruttura. Lo stack open source non ha costo di licenza, ma ha archiviazione e manutenzione. In entrambi i casi, la voce più sottovalutata è il tempo delle persone che strumentano e mantengono il sistema.

Se abbiamo già Datadog o Dynatrace, serve altro?

La licenza copre raccolta e visualizzazione, non la parte che decide il risultato. Qualcuno deve comunque strumentare il codice proprio, scegliere quali metriche riflettono l'esperienza dell'utente, definire gli SLO e analizzare le trace quando qualcosa si rompe.

Che cos'è OpenTelemetry?

OpenTelemetry è lo standard aperto della Cloud Native Computing Foundation per strumentare le applicazioni ed emettere metriche, log e trace in un formato comune. Il suo vantaggio è la portabilità: si strumenta una volta e i dati si possono inviare a Prometheus, Grafana, Datadog, Dynatrace o un'altra destinazione compatibile senza strumentare di nuovo l'applicazione.

Quali competenze servono per gestire l'observability?

Non serve un ruolo con quel nome, ma la competenza: strumentazione con OpenTelemetry, progettazione di metriche e SLO, lettura delle trace distribuite. Di solito si trova in ruoli DevOps, SRE, platform o backend senior. Secondo l'analisi di mercato di Shakers, delle 741 offerte italiane che citano questi strumenti, la famiglia Cloud & DevOps ne raccoglie 254.

Come aiuta l'observability a ridurre l'MTTR?

L'MTTR è il tempo medio necessario per risolvere un incidente. L'observability accorcia soprattutto la fase di diagnosi: con segnali correlati, il team passa dall'alert alla causa senza dover riprodurre il guasto.

L'observability non si compra in una scatola. Si costruisce con segnali ben scelti, con uno standard come OpenTelemetry che eviti di restare legati a un solo fornitore e, soprattutto, con persone che sappiano leggere ciò che il sistema sta dicendo. Licenza presente ma nessuno che strumenti il codice o definisca gli SLO? Il vuoto è lì.

Shakers è la piattaforma di talento tech certificato in competenze tecnologiche e IA: specialisti che collaborano con i team interni mentre l'observability viene progettata e strumentata. Sono disponibili specialisti Site Reliability Engineer, Platform Engineer e DevOps Engineer, con cui collabora Shakers.

Risorse correlate