Splunk meldt dat telemetrykosten infrastructuurkosten overstijgen bij 57% van respondenten

Cisco’s op 20 oktober gepubliceerde Splunk-onderzoek zegt dat 57 procent van 2.050 IT- en engineeringrespondenten meer aan telemetry uitgeeft dan aan de infrastructuur die zij bewaken.

Een Nederlandse organisatie die AI-agents naar productie brengt, krijgt naast de tokenrekening ook een observabilitypost: logs, traces en meetgegevens van iedere toolstap vragen opslag, beheer en analyse. Die gegevens laten zien wat een agent deed. Het onderzoek noemt geen eurobedrag, wel een verhouding die de businesscase per workflow verbreedt.

Wat de 57 procent precies zegt

Cisco noemt de publicatie de zesde analyse van de observabilitysector. Onderzoekers van Oxford Economics ondervroegen tussen februari en maart 2026 2.050 professionals uit IT-operaties en engineering, van ontwikkelaars en SRE’s tot CTO’s en CIO’s. Zij werkten in zestien sectoren en woonden in Australië, Frankrijk, Duitsland, India, Japan, Nieuw-Zeeland, Singapore, Saudi-Arabië, het Verenigd Koninkrijk of de Verenigde Staten. Nederland staat niet in de landenlijst.

De 57 procent is het aandeel respondenten dat zegt dat telemetrykosten hoger zijn dan de kosten van de bewaakte infrastructuur. Het betekent niet dat observability 57 procent duurder is geworden of dat de rekening 57 procent hoger ligt. De aankondiging geeft geen eurobedragen, geen verhouding per organisatie en geen uitsplitsing per land.

Ook staat er niet hoeveel respondenten deze specifieke vraag beantwoordden of hoe de resultaten zijn gewogen. De publieke downloadpagina van het volledige rapport vraagt om functie, bedrijfsnaam, werkmail en telefoonnummer, waardoor de volledige vragenlijst hier niet te controleren is. De cijfers geven dus een leverancierssurvey weer, geen Nederlandse kostenmeting.

Agenten vergroten de stroom, maar niet alle kosten komen van AI

Dezelfde survey meldt dat 87 procent monitoring van AI belangrijk vindt voor de organisatie, terwijl 54 procent nog geen duidelijke bedrijfsuitkomsten eraan koppelt. Ook zegt 56 procent niet goed te kunnen meten hoe kwalitatief AI-antwoorden zijn. Over kosten meldt Cisco dat 55 procent AI-uitgaven niet goed kan beheersen en 60 procent meer operationele druk ervaart van onverwachte factuurpieken dan van een voortdurend hoge basisrekening.

Network World sprak apart met Splunk-topman Kamal Hathi, die schat dat een productieagent vier tot vijf keer zoveel telemetry kan uitsturen. De datastroom kan bestaan uit informatie over workflowstappen, toolaanroepen, opgehaalde context, modelinteracties en toegangscontrole. Dat is een uitspraak uit een interview, geen gemeten uitkomst van de survey.

Diezelfde berichtgeving noemt logbestanden met veel ruis als grootste telemetrykostenpost voor 31 procent van de respondenten, gevolgd door metrics met veel unieke waarden met 27 procent en tracevolume met 21 procent. Slechts 6 procent noemt AI-infrastructuur als de grootste observabilitykostenpost. Greg Leffler van Splunk erkende tegenover Network World dat het onderzoek niet berekende welk deel van de kostenstijging door AI-agents komt en welk deel door bestaande dataverzameling. Bovendien zegt 38 procent telemetrydekking of bewaartermijn te hebben teruggeschroefd om kosten te beperken. De 57 procent laat dus zien dat telemetry al duur kan zijn, maar bewijst niet dat agenten die verhouding veroorzaken.

Een tweede rekening naast tokens

Modelkosten en observabilitykosten volgen verschillende tellers. De ene groeit met modelaanroepen en tokens; de andere met de gegevens die systemen opnemen, verwerken en bewaren. Tussen december 2024 en december 2025 daalde de tokenprijs met 50 procent, terwijl het tokenverbruik 4,5 keer toenam. Een lagere prijs per token levert dan niet automatisch een lagere rekening op. Die cijfers gaan over modelgebruik, niet over de kosten van logs en traces.

Een centrale proxy met aparte agent-sleutels, harde budgetten en een trace van de volledige taak helpt om modelgebruik per agent toe te rekenen. Voor telemetry is daarnaast inzicht nodig in welke gebeurtenissen binnenkomen en hoelang die bewaard blijven. Een begroting die alleen modelprijzen vergelijkt, laat deze tweede datastroom buiten beeld.

Een andere observabilitysurvey biedt een parallel marktbeeld, geen directe bevestiging van Splunks percentage. In de Grafana Labs-enquête onder 1.363 deelnemers zegt 77 procent tijd of geld te besparen met gecentraliseerde observability en noemt 38 procent complexiteit of beheerlast de grootste zorg. De reacties kwamen uit Grafana’s gemeenschap en van evenementen; de online en fysieke enquête liep van oktober 2025 tot januari 2026 en Censuswide hielp bij de analyse. Ook meldt 47 procent dat de investering in OpenTelemetry het afgelopen jaar toenam. De vragen, steekproef en meetmethode verschillen van Splunks onderzoek, maar laten zien dat samenbrengen en beheren van telemetrie zelf een operationeel vraagstuk is.

Minder data kan ook zicht kosten

Sampling kan de hoeveelheid traces terugbrengen, bijvoorbeeld door vaker trage of mislukte taken te bewaren. OpenTelemetry beschrijft hoe sampling de observabilitykosten kan verlagen en tegelijk sporen met fouten of hoge latency kan selecteren. Een eenvoudige keuze vooraf kan echter niet zien of een latere stap in dezelfde trace faalt. Selecteren nadat de volledige trace binnen is, geeft meer context, maar vraagt extra rekenkracht en onderhoud. De OpenTelemetry-documentatie noemt ook gemiste informatie als mogelijke prijs van een slecht ingestelde aanpak.

Dat maakt de 38 procent die dekking of bewaartermijn verminderde relevant: minder data kan de rekening drukken, maar ook het spoor wissen waarmee een storing of ontspoorde agent te reconstrueren is. De totale kosten van een workflow bestaan daardoor uit modelgebruik én de data die nodig is om de uitvoering te volgen. Splunks 57 procent laat zien dat die tweede post voor veel respondenten al groter kan zijn dan de bewaakte infrastructuur. Hoeveel een agent eraan toevoegt, blijft in deze survey open. Dat bedrag moet per eigen workflow worden vastgesteld, samen met het volume en de bewaartermijn die nodig zijn om problemen terug te vinden.