Modele i platformy AI

Badanie Dynatrace pokazuje, że wdrażanie agentów AI wyprzedza nadzór

Badanie Dynatrace wykazało, że agenci AI są powszechnie wykorzystywani w operacjach IT w ankietowanych przedsiębiorstwach, ale stosunkowo niewiele organizacji deklaruje, że zapewnia widoczność decyzji agentów.

Aiden Cross
Dodaj Unite.AI do preferowanych źródeł w Google
An engineer viewing monitoring screens in an enterprise operations room
Kluczowe punktyWdrażanie agentów wyprzedza widoczność potrzebną do oceny, co te agenty faktycznie…
Zobacz więcej
  • Wdrażanie agentów wyprzedza widoczność potrzebną do oceny, co te agenty faktycznie decydują.
  • Ludzie nadal weryfikują średnio 66% decyzji wspieranych przez AI, mimo ambicji autonomii.
  • Zespoły powinny sprawdzić, czy potrafią odtworzyć działanie agenta, zanim przyznają szersze uprawnienia.

Agenci AI coraz częściej są wykorzystywani przez zespoły odpowiedzialne za działanie oprogramowania dla przedsiębiorstw, ale narzędzia do monitorowania decyzji i działań tych agentów nie nadążają za ich upowszechnianiem. W ustaleniach raportu State of Observability 2026, opublikowanych 10 listopada, Dynatrace podał, że 87% ankietowanych liderów technologicznych zgłosiło umiarkowane lub szerokie wykorzystanie agentów AI do zapewniania obserwowalności i obsługi operacji IT. Tylko 27% twierdzi, że ich organizacje zajmują się obecnie zapewnianiem widoczności decyzji i działań agentów.

Wyniki opierają się na internetowym badaniu zleconym przez Dynatrace w sierpniu 2026 roku, w którym wzięło udział 1 202 liderów technologicznych z przedsiębiorstw z 12 krajów. Przedstawiają one relacje respondentów na temat ich własnych organizacji, a nie informacje niezależnie zweryfikowane przez badaczy w środowisku produkcyjnym. Dynatrace sprzedaje oprogramowanie do zapewniania obserwowalności, dlatego raport należy traktować jako obraz wyzwań opisywanych przez respondentów, a nie pełne zestawienie wykorzystania AI w przedsiębiorstwach.

Wdrażanie agentów to nie to samo co ich autonomiczne działanie

Wskaźnik wdrożenia z badania dotyczy konkretnego obszaru technologii przedsiębiorstw: monitorowania oprogramowania i obsługi systemów IT. Nie oznacza, że agenci mają uprawnienia do samodzielnego podejmowania istotnych decyzji w 87% firm. Jedna organizacja może używać agenta do podsumowania incydentu i zaproponowania rozwiązania, które oceni inżynier. Inna może pozwolić agentowi wykonać z góry określone działanie w ograniczonym obszarze swojej infrastruktury. Obie mogą zgłaszać korzystanie z agentów, mimo że zakres ich odpowiedzialności jest zupełnie inny.

Respondenci oszacowali, że ludzie nadal weryfikują średnio 66% decyzji podejmowanych przez AI. Osobno 12% zgłosiło w pełni autonomiczne operacje, a 44% stwierdziło, że dąży do osiągnięcia tego poziomu w ciągu pięciu lat. Ta druga wartość odzwierciedla więc ambicje, a nie prognozę. Badanie wykazało również, że najczęściej wskazywaną przeszkodą na drodze do autonomii była złożoność integracji — wymieniło ją 31% respondentów. Wskazywano też na takie wyzwania jak niedobór umiejętności, nadzór i jakość danych.

Co zespoły mogą sprawdzić po działaniu agenta

Standardowe monitorowanie systemu może poinformować inżyniera, że usługa odpowiedziała i ile czasu jej to zajęło. Nie pokazuje jednak, czy agent wybrał właściwe działanie ani czy rozwiązało ono przyczynę incydentu. Jeśli na przykład agent zaleci ponowne uruchomienie usługi, przydatny zapis powinien wskazywać, które alerty wpłynęły na tę rekomendację, czy zatwierdził ją człowiek i co stało się później z usługą. Inżynierowie mogliby wtedy sprawdzić, czy ponowne uruchomienie pomogło, czy też zbiegło się jedynie w czasie z przywróceniem działania.

Dynatrace ustalił, że 43% respondentów uznało widoczność decyzji agentów za ważny wymóg w zakresie obserwowalności, a 27% zgłosiło, że ich organizacje się tym zajmują. Ta różnica nie dowodzi, że wszyscy pozostali nie prowadzą żadnych dzienników. Zestawia ona to, co respondenci uważali za ważne, z tym, czym — jak twierdzili — zajmowały się ich organizacje.

Koszty to kolejny ważny aspekt. Aż 81% respondentów zgłosiło wzrost wydatków na moc obliczeniową i infrastrukturę związany z obciążeniami generowanymi przez AI, a 77% stwierdziło, że potrzebuje lepszej widoczności sposobu alokacji kosztów. Narzędzie mierzące czas, jaki operatorzy poświęcają na obsługę incydentu, ale nieuwzględniające dodatkowych zasobów zużywanych przez agenta, może sprawiać wrażenie, że automatyzacja jest tańsza, niż jest w rzeczywistości. Zestawienie obu pomiarów pozwala zespołom porównywać koszty różnych sposobów wykonania tej samej pracy.

Sprawdzian przed przyznaniem agentom szerszych uprawnień

W uzupełnieniu opublikowanym 17 listopada Dynatrace opisał kolejne etapy: od gromadzenia dowodów, przez rekomendowanie działań, po ich podejmowanie za zgodą człowieka, a następnie — tam, gdzie jest to uzasadnione — stopniowe rozszerzanie autonomii. Dla zespołu operacyjnego oznacza to, że agenta należy oceniać pod kątem konkretnego zadania, zamiast rozszerzać jego uprawnienia tylko dlatego, że dobrze poradził sobie z innymi, niezwiązanymi z nim zadaniami. Agent, który niezawodnie kategoryzuje alerty, niekoniecznie udowodnił tym samym, że potrafi zdecydować, kiedy zmienić system produkcyjny.

Badanie wskazuje praktyczny sprawdzian dla przedsiębiorstw rozważających zwiększenie autonomii: czy zespół potrafi odtworzyć działania agenta, uzasadnić przyznane mu uprawnienia i ocenić, czy jego działanie przyniosło korzyść? Bez odpowiedzi na te pytania wyższy wskaźnik wdrożenia może oznaczać jedynie, że w procesach pracy uczestniczy więcej agentów, a nie że są oni gotowi samodzielnie je realizować.

Aiden Cross jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się strategią produktów AI, wykonaniem oraz praktycznymi wyzwaniami związanymi z przekształcaniem modeli eksperymentalnych w produkty skalowalne i gotowe do wejścia na rynek. Jego praca koncentruje się na tym, jak startupy i zespoły przedsiębiorstw przechodzą od prototypów i demonstracji do niezawodnych systemów używanych przez prawdziwych klientów.
Z pragmatycznym i szczegółowym podejściem Aiden analizuje plany rozwoju produktów, strategie wejścia na rynek, decyzje dotyczące platformy oraz kompromisy organizacyjne, które determinują, czy inicjatywy AI odnoszą sukces, czy utykają w miejscu. Zwraca szczególną uwagę na realia wdrożenia, przyjęcie przez użytkowników, ograniczenia infrastruktury oraz zgodność między możliwościami technicznymi a wartością biznesową.
Artykuły autorstwa Aidena Crossa są wygenerowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić klarowność, dokładność i odpowiedzialne relacjonowanie, w jaki sposób produkty AI są tworzone, udostępniane użytkownikom i skalowane w świecie rzeczywistym.