IA y Machine Learning
Bleemeo integra el machine learning en tu flujo de monitorización — sin experiencia en ciencia de datos y sin ningún modelo que entrenar. Estas funciones están operativas desde la instalación y vigilan tus métricas de forma continua, para que tu equipo pase de apagar fuegos a operar de forma proactiva.
Resumen
Por qué importa la monitorización impulsada por IA
La monitorización tradicional se basa en umbrales estáticos: alertar cuando la CPU supera el 90 %, cuando la memoria baja del 10 %, cuando el uso de disco supera el 80 %. Estas reglas rígidas generan un flujo constante de falsos positivos porque no distinguen entre un pico inofensivo de copia de seguridad nocturna y un proceso descontrolado real. Los equipos aprenden a ignorar las alertas, y cuando surge un problema real, se pierde en el ruido.
Detección inteligente de anomalías
En lugar de pedirte que definas qué es «normal» para cada métrica de cada servidor, Bleemeo lo aprende. Un modelo fundacional de series temporales lee las dos últimas semanas de uso de CPU, memoria y swap de cada servidor y predice el rango en el que esas métricas deberían mantenerse durante las próximas 24 horas, siguiendo su ritmo diario y semanal. Tus datos nunca se usan para entrenar el modelo: se leen en el momento de la inferencia y nada más. Cuando la media horaria sale de ese rango, sabes que ocurre algo verdaderamente inusual.
Planificación de capacidad predictiva
Quedarse sin algo sigue siendo una de las causas más frecuentes de caída. Bleemeo ajusta una tendencia sobre el historial de uso de tus discos, memoria y swap, y calcula cuándo cada uno alcanzará los niveles de advertencia, crítico y lleno. En vez de descubrir un disco lleno a las 3 de la mañana cuando una base de datos se cae, tu equipo obtiene una fecha — y tiempo para actuar. Y solo se anuncia una fecha si la deriva que la sustenta se produjo realmente: un servicio que arranca y toma la mitad de la RAM no se reporta como fuga.
Infraestructura conversacional
El servidor MCP de Bleemeo conecta tus datos de monitorización con los asistentes de IA modernos. Conecta Claude Desktop, Cursor, VS Code o Zed a tu cuenta y pregunta en lenguaje natural: «¿Qué servidores tienen alertas críticas?», «¿Qué cambió esta semana?». El servidor MCP ofrece acceso de solo lectura a 30 herramientas de monitorización y convierte tu plataforma en un interlocutor que entiende tu infraestructura.
Pipeline
Cómo la IA mejora su monitorización
Capacidades
Funcionalidades impulsadas por IA
Modelo fundacional de series temporales
Chronos-Bolt, de Amazon, lee dos semanas de historial horario y devuelve directamente, en forma de cuantiles, el rango en el que una métrica debería mantenerse. Funciona en zero-shot — el modelo se usa tal como se publica, nunca ajustado con datos de clientes — y produce una previsión en unos 6 milisegundos sobre CPU, lo que permite recalcular de forma continua cada métrica vigilada de cada servidor.
Planificación de capacidad predictiva
Una tendencia lineal verificada proyecta el uso de disco, memoria, swap y ancho de banda mensual hacia la fecha en que cada uno alcanzará advertencia (80 %), crítico (90 %) y lleno (100 %). No un vago «se está llenando», sino «este volumen estará lleno el 15 de marzo» — y no se anuncia nada si la deriva no se confirmó en dos ventanas independientes.
Servidor MCP para asistentes de IA
Conecta Claude Desktop, Cursor, VS Code o Zed a tu cuenta de Bleemeo y consulta tu infraestructura en lenguaje natural. Treinta herramientas de solo lectura permiten a los asistentes de IA recorrer agentes, servicios, contenedores, eventos, logs y registros de auditoría — tus datos de monitorización se convierten en una conversación.
Inteligencia sin configuración
No hay ningún umbral que elegir ni ningún modelo que entrenar. Bleemeo inscribe CPU, memoria y swap de cada servidor en cuanto la métrica tiene ocho días de historial, actualiza la previsión cada cuatro horas y abre una anomalía cuando la media horaria sale del rango esperado durante dos horas seguidas. Los servidores con menos de 1 GB de RAM se descartan: allí la señal es demasiado ruidosa para ser útil.
Menos fatiga de alertas
Un rango que sigue los ciclos diarios y semanales no se dispara con una copia de seguridad nocturna que ocurre todas las noches. Y una anomalía no es una severidad: aparece en los gráficos, en la página de inicio y en el agente, pero nunca llama a nadie. Está ahí cuando miras, no a las tres de la madrugada.
Aprende de tus respuestas
Cada anomalía puede marcarse como útil o no. Las falsas alarmas repetidas pausan la detección en esa métrica en lugar de pedirte que ajustes nada: la señal se vuelve más tranquila con el tiempo, no más ruidosa. La previsión, por su parte, se recalcula cada cuatro horas y sigue a tu infraestructura cuando cambia.
Detección de anomalías
Detección de anomalías sin umbrales
Bleemeo aprende el ritmo diario y semanal del uso de CPU, memoria y swap de cada servidor a partir de las dos últimas semanas, y predice el rango en el que esas métricas deberían mantenerse durante las próximas 24 horas. El modelo que hay detrás es Chronos-Bolt de Amazon, un modelo fundacional de series temporales que devuelve su previsión directamente en forma de cuantiles. Se usa en zero-shot: el modelo publicado se aplica a tus métricas tal cual, y tus datos nunca se usan para entrenarlo.
Una anomalía se abre cuando la media horaria sale del rango esperado durante dos horas seguidas, y se cierra tras dos horas de vuelta dentro. La detección arranca en cuanto una métrica tiene ocho días de historial, y descarta los servidores con menos de 1 GB de RAM, donde la señal es demasiado ruidosa para ser útil. La previsión se actualiza cada cuatro horas: un cambio de régimen a lo largo del día se recoge ese mismo día, no en la medianoche siguiente.
- Ningún umbral que configurar
Nada que elegir, nada que ajustar. El rango esperado sale del propio historial de la métrica: un 95 % de CPU a las 2 de la mañana durante el ETL nocturno es normal, y un 75 % de CPU un martes al mediodía no lo es — sin que nadie haya tenido que escribir esa regla.
- La antelación se mide, no se promete
Cada anomalía se empareja con el primer evento de advertencia o crítico que la siguió en el mismo host. La tarjeta muestra la diferencia — «alerta 42 minutos después» — y cada vista resume cuántas anomalías fueron seguidas de una alerta, con la antelación mediana. Ves lo que vale realmente la detección en tu propia infraestructura.
- Aprende de tus respuestas
Cada anomalía espera un sí o un no. Las falsas alarmas repetidas pausan por sí solas la detección en esa métrica: una señal ruidosa se calla, en lugar de enseñarte a ignorar la función.
- Una anomalía no es una severidad
Las anomalías aparecen en los gráficos como una banda, en la página de inicio, en la cabecera del agente y junto a la métrica en la lista de estado — y nunca llaman a nadie. Son contexto para cuando miras, no otro motivo para que te despierten.
- Cobertura automática
CPU, memoria y swap se inscriben en cada servidor elegible sin configuración. Sin ajustes por servidor, sin selección de métricas, sin ningún modelo que reentrenar cuando despliegas algo nuevo.
Capacidad
Previsión de capacidad: disco, memoria y swap
Quedarse sin espacio en disco sigue siendo una de las principales causas de caídas imprevistas. Las bases de datos se detienen, los ficheros de log dejan de escribirse, las aplicaciones fallan con errores crípticos y las copias de seguridad se interrumpen en silencio. El daño suele ir más allá de la caída: datos corruptos, transacciones incompletas y fallos en cascada en los servicios dependientes. Y sin embargo, el agotamiento casi siempre se evita con suficiente antelación.
Bleemeo ajusta una tendencia lineal sobre el historial de uso de cada partición monitorizada, y sobre la memoria y el swap de cada servidor, y la proyecta a la fecha en que cada uno cruzará tres umbrales: advertencia al 80 %, crítico al 90 % y agotamiento al 100 %. Cada predicción devuelve una marca de tiempo concreta — no un vago "queda poco espacio", sino una fecha exacta como "esta partición alcanzará el 90 % de capacidad el 3 de abril de 2026 a las 14:30 UTC". El ancho de banda mensual se proyecta igual.
La memoria es el caso que necesitó los dos modelos. Una fuga lenta se queda dentro de la banda de anomalía, porque la banda vuelve a aprender la deriva como el nuevo normal en cada ejecución — así que el modelo de tendencia responde a la pregunta que la banda no puede: no "¿es esto normal ahora mismo?", sino "¿cuándo se rompe?".
- Predicciones en tres umbrales
Recibe avisos anticipados en los niveles de advertencia (80 %), crítico (90 %) y agotamiento (100 %). Cada umbral genera su propia marca de tiempo prevista, lo que permite priorizar: planificar una limpieza en la fase de advertencia, programar una ampliación en la fase crítica y escalar en la fase de agotamiento.
- Memoria y swap, no solo disco
Una fuga de memoria lenta es invisible para una banda que la reaprende como normal, y ningún umbral la atrapa antes de que la máquina empiece a hacer swap. La memoria y el swap tienen a la vez una forma diaria que merece aprenderse y una deriva hacia un límite con significado absoluto: por eso reciben los dos modelos.
- Solo una deriva realmente ocurrida
Un único escalón parece una subida sobre toda la ventana: una aplicación que arranca y ocupa la mitad de la memoria, o un conjunto de datos copiado a un disco, recibía una fecha de agotamiento que nunca llegaría. Ahora solo se anuncia una fecha si la deriva que predice la pendiente ocurrió realmente en dos ventanas independientes.
- Las fechas cercanas van por la vía rápida
Un disco anunciado lleno en 26 horas se vuelve a consultar cada cuatro horas: deja de avisar rápidamente en cuanto alguien libera espacio. Un disco que se llenará la próxima primavera se consulta una vez al día — su respuesta se mueve en escala de días y su consulta lee un mes de historial.
- Cobertura automática
Cada partición monitorizada, y la memoria y el swap de cada servidor, se inscriben sin configuración. En cuanto el agente Glouton reporta el uso, el historial se acumula y arrancan las predicciones — sin ajustes por servidor ni por partición.
- Te llega antes de que mires
Una fecha de capacidad que cae en los próximos 29 días se lleva al informe semanal, junto a los certificados TLS y los dominios que caducan. La más próxima encabeza el email con su cuenta atrás: un disco que se llena en tres semanas es algo que lees un lunes por la mañana, no algo que descubres.
Servidor MCP
Servidor MCP: hable con su infraestructura
Consulte sus datos de monitorización en lenguaje natural a través de su asistente de IA favorito
El servidor MCP (Model Context Protocol) de Bleemeo conecta su plataforma de monitorización con el mundo de los asistentes de IA. Una vez configurado, puede hacer preguntas sobre su infraestructura en lenguaje natural y recibir respuestas instantáneas y contextuales respaldadas por datos de monitorización en tiempo real. No necesita aprender lenguajes de consulta, navegar por paneles complejos ni escribir scripts personalizados — simplemente describa lo que quiere saber, y el asistente de IA consulta Bleemeo por usted.
El servidor MCP expone 30 herramientas de solo lectura que cubren todos los aspectos de sus datos de monitorización. Los asistentes de IA pueden listar todos los agentes desplegados y su estado, recuperar detalles de salud de los servicios, comprobar métricas de contenedores, consultar eventos y alertas, buscar globalmente en todos los recursos, inspeccionar registros de auditoría e incluso listar facturas. Todos los accesos están autenticados mediante OAuth y son estrictamente de solo lectura — el servidor MCP no puede crear, modificar ni eliminar ningún recurso de su cuenta Bleemeo, garantizando la seguridad de su infraestructura mientras permite un análisis potente impulsado por IA.
Salud de la infraestructura
Pregunte a su asistente de IA "¿Cuál es el estado general de mi infraestructura?" y obtenga un resumen completo de los estados de los servidores, alertas activas, disponibilidad de servicios y utilización de recursos en toda su flota. El servidor MCP consulta simultáneamente agentes, eventos y servicios para construir una imagen completa.
- Listar e inspeccionar agentes
- Consultar eventos y alertas activas
- Comprobar el estado de salud de los servicios
- Búsqueda global en recursos
Resolución de problemas y análisis
Durante un incidente, pregunte "¿Qué servicios tienen alertas críticas ahora mismo?" o "¿Qué cambió en la última hora?" El asistente de IA cruza datos de alertas, eventos recientes, registros de auditoría y estados de contenedores para ayudarle a identificar las causas raíz más rápido que navegando manualmente por múltiples vistas de panel.
- Revisar logs de la infraestructura
- Inspeccionar estado y métricas de contenedores
- Acceder a la pista de auditoría de cambios
- Examinar resultados de healthchecks
Monitorización conversacional
Vaya más allá de las consultas simples con preguntas de seguimiento. Comience con "Muéstrame mis agentes Kubernetes" y luego profundice: "¿Cuál tiene el mayor uso de CPU?", "¿Qué servicios se ejecutan en ese nodo?", "¿Hay alertas recientes para él?" La IA mantiene el contexto a lo largo de la conversación.
- Listar tipos de agentes (AWS, K8s, SNMP)
- Recuperar datos y metadatos de agentes
- Listar aplicaciones y detalles
- Consultar configuración de Glouton
Asistentes de IA compatibles
El servidor MCP se integra con las principales herramientas de desarrollo con IA. La autenticación se gestiona mediante OAuth — lance la conexión MCP, autorice en su navegador, seleccione su cuenta Bleemeo y estará listo para consultar. Cada plataforma proporciona gestión de herramientas para activar o desactivar funcionalidades específicas.
- Claude Desktop (herramientas + prompts)
- Cursor (herramientas)
- Visual Studio Code (herramientas)
- Zed (herramientas)
Sugerencias
Reducción de ruido y búsqueda por significadoBeta
Cada evento que levanta tu infraestructura se convierte en un vector, lo que permite comparar las alertas por lo que significan y no por las palabras que contienen. El modelo de embeddings es estático — sin GPU, sin runtime de transformers, unos pocos megabytes de dependencia — y procesa bastante más de mil eventos por segundo en una CPU corriente.
Eso hace posibles tres preguntas que un filtro de texto no puede abordar: cuáles de mis alertas son la misma alerta repitiéndose, se ha visto ya algo parecido, y qué haría falta para que este ruido pare.
- Sugerencias de silencio
Bleemeo agrupa tus eventos recurrentes y propone el silencio que los callaría, mostrando el patrón encontrado, un evento representativo que puedes abrir y cuántos eventos cubre. Aceptar abre un formulario de creación precargado — la plataforma propone, tú decides, y nunca se aplica nada en tu nombre.
- Sugerencias de configuración flappy
A las métricas que cambian de estado repetidamente se les propone una configuración flappy que agrupa sus notificaciones en lugar de enviar una por cada cambio. Mismo esquema: una sugerencia, un evento representativo, un formulario precargado.
- Busca tus eventos por significado
La búsqueda devuelve primero las coincidencias exactas y luego los eventos que significan lo mismo, ordenados por relevancia — así una búsqueda de «disco lleno» también encuentra la alerta redactada como «no space left on device».
- «¿Ya hemos visto esto?»
Cualquier evento tiene una pestaña con sus vecinos históricos más cercanos. Es la pregunta que un recién llegado no puede responder con un runbook, y la que convierte una guardia de las 2 de la madrugada en una corrección de cinco minutos.
- En beta y desactivado por defecto
Estas funciones se activan a nivel de cuenta y permanecen desactivadas en todos los planes hasta que las pidas. Pídenos activarlas y el cajón de Sugerencias aparece en la página de inicio y en la de silencios.
Resultados
Por qué la monitorización con IA ayuda a su equipo
El verdadero valor de la IA en la monitorización no es la tecnología en sí — es la transformación operativa que posibilita. Los equipos que usan las funcionalidades de IA de Bleemeo reportan consistentemente menos alertas nocturnas, tiempos de resolución de incidentes más cortos y una planificación de capacidad más efectiva. Así es como cada funcionalidad se traduce en resultados concretos para el negocio.
Alertas más inteligentes
La detección de anomalías elimina las conjeturas del ajuste de umbrales. Cada equipo SRE ha dedicado horas a debatir si la alerta de CPU debería dispararse al 85 % o al 90 %, solo para descubrir que ambos valores generan ruido durante los picos predecibles. Con límites impulsados por IA, esos debates desaparecen. El modelo aprende que un 95 % de CPU a las 2 de la madrugada durante el ETL nocturno es normal, mientras que un 75 % de CPU al mediodía de un martes es inusual. Su equipo responde a las alertas que importan e ignora las que no, sin tocar una sola configuración de umbral.
Planificar en vez de reaccionar
La previsión de capacidad convierte las carreras contrarreloj en mantenimiento planificado. El coste de un disco lleno no es solo la caída: incluye la recuperación de datos, el rejuego de transacciones, el impacto en los clientes y el post-mortem. Bleemeo lo convierte en una tarea programada. Cuando sabes que un volumen estará lleno el 15 de marzo, o que un servicio lleva una semana perdiendo memoria, puedes pedir almacenamiento, programar una ampliación o desplegar una corrección — en horario laboral y sin impacto para el cliente.
Monitoreo para todos
El servidor MCP hace que la monitorización sea accesible para todo el equipo. No todos en un equipo hablan PromQL ni saben dónde encontrar el panel correcto durante un incidente. Con acceso conversacional a los datos de monitorización, un responsable de producto puede comprobar la salud de un servicio, un desarrollador puede investigar el impacto de un despliegue y un ingeniero de guardia puede clasificar las alertas — todo en lenguaje natural. Esto democratiza la inteligencia operativa sin requerir que todos se conviertan en expertos en monitorización.
¿Quiere ir más lejos? Aprenda a configurar el servidor MCP con su asistente de IA, comprender los umbrales de detección de anomalías y configurar las alertas de predicción de disco lleno.
Consultar la documentaciónPreguntas frecuentes
Todo lo que necesita saber sobre las funcionalidades de IA y machine learning de Bleemeo
¿Qué funcionalidades de IA y machine learning ofrece Bleemeo?
Tres: la detección de anomalías construida sobre un modelo fundacional de series temporales, la planificación de capacidad predictiva que proyecta disco, memoria y swap a una fecha, y un servidor MCP que permite a asistentes de IA como Claude Desktop, Cursor y VS Code consultar tus datos de monitorización. Ninguna te pide configurar un umbral ni entrenar un modelo.
¿Cómo funciona la detección de anomalías de Bleemeo?
Bleemeo aprende el ritmo diario y semanal de CPU, memoria y swap de cada servidor a partir de las dos últimas semanas y predice el rango en el que deberían mantenerse durante las próximas 24 horas. Una anomalía se abre cuando la media horaria sale de ese rango durante dos horas seguidas, y se cierra tras dos horas de vuelta dentro. La detección arranca cuando una métrica tiene ocho días de historial y descarta los servidores con menos de 1 GB de RAM. La previsión se actualiza cada cuatro horas.
¿Con cuánta antelación puede Bleemeo predecir que se llenará un disco o la memoria?
Bleemeo ajusta una tendencia sobre el uso de disco, memoria, swap y ancho de banda mensual, y proyecta la fecha en que cada uno alcanzará advertencia (80 %), crítico (90 %) y lleno (100 %). Según el ritmo de crecimiento, va de días a meses de antelación, con una marca de tiempo concreta por umbral. Solo se anuncia una fecha si la deriva que la sustenta se confirmó en dos ventanas independientes, de modo que un pico aislado no se presenta como tendencia.
¿Qué es el servidor MCP de Bleemeo?
El servidor MCP de Bleemeo implementa el Model Context Protocol, permitiendo que los asistentes de IA consulten sus datos de monitorización en lenguaje natural. Proporciona 30 herramientas de solo lectura que cubren agentes, servicios, contenedores, eventos, logs y pistas de auditoría. La autenticación utiliza OAuth, y todos los accesos son estrictamente de solo lectura por seguridad.
¿Qué asistentes de IA son compatibles con el servidor MCP?
El servidor MCP de Bleemeo es compatible con Claude Desktop (soporte completo con herramientas y prompts), Cursor (solo herramientas), Visual Studio Code (solo herramientas) y Zed (solo herramientas). Cada plataforma proporciona gestión de herramientas para activar o desactivar funcionalidades específicas según sea necesario.
¿El acceso al servidor MCP es de solo lectura?
Sí, el servidor MCP de Bleemeo es completamente de solo lectura. Puede consultar y recuperar datos — métricas, alertas, logs, eventos, configuraciones y pistas de auditoría — pero no puede crear, modificar ni eliminar ningún recurso de su cuenta Bleemeo. Este diseño garantiza que su infraestructura permanezca completamente segura mientras permite un análisis potente impulsado por IA.
¿Necesito configurar algo para la detección de anomalías?
No. No hay ningún umbral que elegir ni ningún modelo que entrenar. Bleemeo inscribe CPU, memoria y swap en cada servidor elegible, actualiza la previsión cada cuatro horas y abre las anomalías por sí solo. La única aportación que espera es opcional: marcar una anomalía como útil o no, lo que pausa la detección en una métrica que repite falsas alarmas.
¿Qué modelos de machine learning utiliza Bleemeo?
Dos modelos complementarios. Amazon Chronos-Bolt, un modelo fundacional de series temporales usado en zero-shot — aplicado tal como se publica, nunca ajustado con datos de clientes — devuelve el rango esperado en forma de cuantiles. Una tendencia lineal verificada se ocupa de la capacidad: proyecta el uso a una fecha y solo la anuncia si la deriva ocurrió realmente. Chronos-Bolt funciona sobre CPU, en unos 6 milisegundos por previsión.
¿Cómo reduce la fatiga de alertas la monitorización impulsada por IA?
Las alertas tradicionales basadas en umbrales se disparan con valores fijos que ignoran las variaciones normales. La IA de Bleemeo aprende los patrones reales de su infraestructura — ciclos diarios, tendencias semanales, cambios estacionales — y solo alerta cuando el comportamiento se desvía genuinamente del rango predicho. Esto elimina los falsos positivos causados por picos de carga predecibles, trabajos nocturnos y procesamiento por lotes rutinario.
¿Qué planes de Bleemeo incluyen las funcionalidades de IA y ML?
El servidor MCP está disponible en los planes Free, Starter y Professional. La detección de anomalías y la planificación predictiva de capacidad están disponibles en los planes Starter y Professional. Todas las funcionalidades funcionan automáticamente, sin configuración, ajustes ni costes adicionales más allá de la suscripción.