Modely a platformy AI
Průzkum Dynatrace ukazuje, že zavádění agentů AI předbíhá dohled nad nimi
Průzkum Dynatrace zjistil, že agenti AI jsou v oblasti provozu IT běžní mezi dotázanými podniky, jen relativně málo z nich však uvádí, že zajišťují přehled o rozhodnutích agentů.
Klíčové bodyPřijetí agentů předčí viditelnost potřebnou k posouzení toho, co tito agenti skutečně…
Zobrazit více
- Přijetí agentů předčí viditelnost potřebnou k posouzení toho, co tito agenti skutečně rozhodují.
- Lidé stále ověřují v průměru 66 % rozhodnutí poháněných AI navzdory ambicím na autonomii.
- Týmy by měly otestovat, zda dokážou rekonstruovat akci agenta, než mu udělí širší pravomoc.
Agenti AI se stávají běžnou součástí týmů, které zajišťují provoz podnikových systémů, nástroje pro sledování jejich rozhodnutí a činnosti však zaostávají. Ve zjištěních zprávy Stav observability 2026, zveřejněných 10. listopadu, Dynatrace uvedla, že 87 % dotázaných vedoucích pracovníků v oblasti technologií hlásilo střední nebo rozsáhlé využívání agentů AI pro observabilitu a provoz IT. Pouze 27 % uvádí, že se v současnosti zabývá zajištěním přehledu o rozhodnutích a činnosti agentů.
Výsledky vycházejí z online průzkumu, který si Dynatrace objednala v srpnu 2026 a do něhož se zapojilo 1 202 vedoucích pracovníků v oblasti podnikových technologií ve 12 zemích. Popisují, co respondenti uvádějí o svých vlastních organizacích, nikoli co výzkumníci nezávisle ověřili v produkčním prostředí. Dynatrace prodává software pro observabilitu, proto je nejlepší chápat zprávu jako přehled problémů, o nichž hovoří respondenti jejího průzkumu, nikoli jako úplný soupis využití AI v podnicích.
Zavádění agentů neznamená
jejich autonomii
Údaj o zavádění agentů v průzkumu se týká konkrétní oblasti podnikových technologií: monitorování softwaru a provozu IT systémů. Neznamená to, že 87 % společností pověřilo agenty samostatným rozhodováním s významnými důsledky. Jedna organizace může agenta využívat k tomu, aby shrnul incident a navrhl řešení, které posoudí technik. Jiná může agentovi dovolit provést předem stanovený úkon v úzce vymezené části své infrastruktury. Obě mohou uvádět, že agenty používají, přestože ti mají velmi odlišné pravomoci.
Respondenti odhadli, že lidé stále ověřují v průměru 66 % rozhodnutí podporovaných AI. Samostatně 12 % uvedlo, že jejich provoz je plně autonomní, zatímco 44 % sdělilo, že chtějí této úrovně dosáhnout během pěti let. Poslední údaj tedy vyjadřuje ambici, nikoli předpověď. Průzkum také ukázal, že nejčastěji uváděnou překážkou autonomie byla složitost integrace (31 %); mezi další problémy patřily například nedostatek dovedností, dohled a kvalita dat.
Co mohou týmy zjistit poté,
co agent jedná
Standardní monitorování systému může technikovi sdělit, že služba odpověděla, a jak dlouho jí to trvalo. Neodhalí však, zda agent zvolil vhodný postup ani zda tento postup vyřešil příčinu incidentu. Pokud například agent doporučí restartovat službu, užitečný záznam by měl ukazovat, která upozornění vedla k tomuto doporučení, zda ho schválil člověk a co se se službou stalo poté. Technici by pak mohli ověřit, zda restart pomohl, nebo se pouze časově shodoval s obnovením provozu.
Dynatrace zjistila, že 43 % respondentů považovalo přehled o rozhodnutích agentů za důležitý požadavek na observabilitu, zatímco pouze 27 % uvedlo, že se touto oblastí jejich organizace zabývá. Tento rozdíl nedokazuje, že všichni ostatní nemají žádné záznamy. Jde o srovnání toho, co respondenti považovali za důležité, s tím, čemu se podle nich jejich organizace věnovaly.
Další rozměr představují náklady. Celkem 81 % respondentů uvedlo, že výdaje na výpočetní výkon a infrastrukturu kvůli úlohám AI vzrostly, a 77 % sdělilo, že potřebují lepší přehled o rozdělení nákladů. Nástroj, který měří čas, jejž operátoři věnují řešení incidentu, ale nezachycuje dodatečné zdroje spotřebované agentem, může automatizaci vykreslovat jako levnější, než ve skutečnosti je. Propojením těchto dvou měření mohou týmy porovnávat náklady různých postupů při řešení stejné práce.
Jak ověřit, zda lze agentům svěřit širší pravomoci
V navazujícím příspěvku z 17. listopadu Dynatrace popsala postup, který začíná shromažďováním důkazů a pokračuje navrhováním opatření, následně jejich prováděním se schválením a teprve poté případným přechodem k širší autonomii. Pro provozní tým to znamená posuzovat agenta podle konkrétního úkolu, místo aby mu rozšiřoval oprávnění jen proto, že si dobře vedl při jiné, nesouvisející práci. Agent, který spolehlivě třídí upozornění, například ještě neprokázal, že dokáže správně rozhodnout, kdy změnit produkční systém.
Průzkum nabízí podnikům zvažujícím větší autonomii praktický test: dokáže tým zpětně zjistit, co agent udělal, zdůvodnit, jaké pravomoci měl, a změřit, zda jeho zásah pomohl? Bez odpovědí na tyto otázky může vyšší míra zavádění odrážet pouze větší počet agentů zapojených do pracovních postupů, nikoli důkaz, že jsou připraveni je samostatně řídit.












