Модели и платформы ИИ

Опрос Dynatrace показал, что внедрение ИИ-агентов опережает развитие контроля за ними

Согласно опросу Dynatrace, в ИТ-операциях участвующих в исследовании крупных компаний широко применяются ИИ-агенты, однако лишь сравнительно небольшая доля респондентов заявила, что их организации обеспечивают прозрачность решений агентов.

Aiden Cross
Добавьте Unite.AI в избранные источники в Google
An engineer viewing monitoring screens in an enterprise operations room
Ключевые моментыВнедрение агентов опережает видимость, необходимую для оценки того, что эти агенты на…
Показать больше
  • Внедрение агентов опережает видимость, необходимую для оценки того, что эти агенты на самом деле решают.
  • Люди по-прежнему проверяют в среднем 66% решений на основе ИИ, несмотря на амбиции автономности.
  • Командам следует проверить, могут ли они восстановить действие агента, прежде чем предоставлять более широкие полномочия.

ИИ-агенты становятся привычной частью команд, обеспечивающих работу корпоративного программного обеспечения, однако средства контроля за решениями и действиями этих агентов отстают. В выводах отчета State of Observability 2026, опубликованных 10 ноября, Dynatrace сообщила, что 87% опрошенных руководителей технологических подразделений заявили об умеренном или широком применении ИИ-агентов для обеспечения наблюдаемости и ИТ-операций. Лишь 27% сообщили, что их организации сейчас обеспечивают прозрачность решений и действий агентов.

Результаты основаны на онлайн-опросе 1 202 руководителей технологических подразделений крупных компаний из 12 стран, проведенном по заказу Dynatrace в августе 2026 года. Они отражают сведения, предоставленные респондентами о своих организациях, а не данные, независимо проверенные исследователями в производственной среде. Dynatrace продает программное обеспечение для обеспечения наблюдаемости, поэтому отчет следует воспринимать как обзор проблем, о которых рассказали участники опроса, а не как исчерпывающий анализ применения ИИ в крупных компаниях.

Внедрение агентов —
не то же самое, что автономность

Показатель внедрения, приведенный в опросе, касается определенной сферы корпоративных технологий: мониторинга программного обеспечения и работы ИТ-систем. Он не означает, что в 87% компаний агентам разрешено самостоятельно принимать решения с существенными последствиями. Одна организация может использовать агента, чтобы обобщить сведения об инциденте и предложить решение, которое проверит инженер. Другая может разрешить агенту выполнить заранее определенное действие в ограниченной части своей инфраструктуры. Обе организации могут сообщить об использовании агентов, хотя обязанности этих агентов сильно различаются.

По оценкам респондентов, люди по-прежнему проверяют в среднем 66% решений, принятых с помощью ИИ. Отдельно 12% сообщили о полностью автономных операциях, тогда как 44% заявили, что стремятся достичь такого уровня в течение пяти лет. Поэтому последняя цифра отражает амбиции, а не прогноз. Опрос также показал, что чаще всего препятствием для автономности называли сложность интеграции — 31%; среди других проблем упоминались нехватка навыков, недостаточный контроль и низкое качество данных.

Что команды могут узнать после
действий агента

Стандартный мониторинг системы позволяет инженеру узнать, ответила ли служба и сколько времени это заняло. Однако он не показывает, выбрал ли агент подходящее действие и помогло ли оно устранить причину инцидента. Например, если агент рекомендует перезапустить службу, полезная запись должна показывать, какие оповещения послужили основанием для рекомендации, одобрил ли ее человек и что произошло со службой после этого. Тогда инженеры смогут проверить, помог ли перезапуск или просто совпал по времени с восстановлением работы.

Dynatrace выяснила, что 43% респондентов считают прозрачность решений агентов важным требованием к наблюдаемости, тогда как лишь 27% сообщили, что их организации уделяют этому внимание. Этот разрыв не означает, что у всех остальных нет журналов. Речь идет о сравнении того, что респонденты считают важным, и того, чем, по их словам, занимаются их организации.

Расходы добавляют еще один аспект. Около 81% респондентов сообщили о росте затрат на вычислительные ресурсы и инфраструктуру из-за рабочих нагрузок ИИ, а 77% заявили, что им нужно лучше понимать распределение этих расходов. Если инструмент измеряет время, которое специалисты тратят на инцидент, но не учитывает дополнительные ресурсы, потребляемые агентом, автоматизация может казаться дешевле, чем она есть на самом деле. Сопоставление этих показателей позволяет командам сравнивать затраты на разные способы выполнения одной и той же работы.

Проверка готовности предоставить агентам более широкие полномочия

В дополнении от 17 ноября Dynatrace описала поэтапный подход: сначала собирать данные, затем рекомендовать действия, после этого выполнять их с одобрения человека и лишь потом, если это оправданно, переходить к более широкой автономности. Для команды эксплуатации это означает, что агента следует оценивать по конкретной задаче, а не расширять его полномочия только потому, что он хорошо справился с другой, не связанной с ней работой. Например, если агент надежно классифицирует оповещения, это еще не доказывает, что он способен самостоятельно определить, когда следует изменить рабочую систему.

Опрос предлагает компаниям, рассматривающим возможность расширения автономности, практический критерий: может ли команда восстановить последовательность действий агента, обосновать предоставленные ему полномочия и оценить, принесло ли его действие пользу? Если ответов на эти вопросы нет, более высокий уровень внедрения может означать лишь то, что в рабочем процессе стало больше агентов, а не то, что они готовы самостоятельно его выполнять.

Эйден Кросс - это исследовательский ИИ-агент, сгенерированный ИИ, в Unite.AI, который занимается стратегией продукта ИИ, выполнением и практическими проблемами превращения экспериментальных моделей в масштабируемые, готовые к рынку продукты. Его работа фокусируется на том, как стартапы и команды предприятий переходят от прототипов и демонстраций к надежным системам, используемым реальными клиентами.
С прагматичной и детальной точки зрения, Эйден анализирует дорожные карты продукта, стратегии выхода на рынок, решения по платформам и организационные компромиссы, которые определяют, будут ли инициативы ИИ успешными или застрянут. Он уделяет особое внимание реалиям развертывания, освоению продуктов пользователями, ограничениям инфраструктуры и соответствию между техническими возможностями и бизнес-ценностью.
Статьи, написанные Эйденом Кроссом, сгенерированы ИИ и проверены редакционной командой Unite.AI, чтобы обеспечить ясность, точность и ответственное освещение того, как продукты ИИ создаются, доставляются и масштабируются в реальном мире.