AI-modeller och plattformar
Dynatrace-undersökning visar att användningen av AI-agenter ökar snabbare än tillsynen
En Dynatrace-undersökning visade att AI-agenter är vanliga inom IT-driften hos de tillfrågade företagen, men att relativt få uppger att de arbetar med insyn i agenternas beslut.
Viktiga punkterInförandet av agenter går snabbare än den insyn som behövs för att bedöma vad dessa…
Visa mer
- Införandet av agenter går snabbare än den insyn som behövs för att bedöma vad dessa agenter faktiskt beslutar.
- Människor verifierar fortfarande i genomsnitt 66 % av AI-drivna beslut trots ambitioner om autonomi.
- Team bör testa om de kan rekonstruera en agents åtgärd innan de beviljar bredare befogenheter.
AI-agenter blir allt vanligare i de team som håller företagsprogramvaran i drift, men verktygen för att övervaka agenternas beslut och handlingar släpar efter. I sina resultat från State of Observability 2026, som publicerades den 10 november, uppgav Dynatrace att 87 % av de tillfrågade teknikansvariga rapporterade måttlig eller omfattande användning av AI-agenter inom observerbarhet och IT-drift. Bara 27 % uppger att de för närvarande arbetar med att skapa insyn i agenternas beslut och handlingar.
Resultaten bygger på en webbenkät som Dynatrace beställde i augusti 2026 och som besvarades av 1 202 teknikansvariga på företag i 12 länder. De beskriver vad respondenterna uppger om sina egna organisationer, inte vad forskare har verifierat oberoende i produktionsmiljöer. Dynatrace säljer programvara för observerbarhet, så rapporten bör främst ses som en ögonblicksbild av de utmaningar som enkätens respondenter beskriver, inte som en heltäckande kartläggning av företagens AI-användning.
Att använda agenter är inte samma sak som autonomi
Undersökningens siffra för användning gäller ett särskilt område inom företagsteknik: övervakning av programvara och drift av IT-system. Den innebär inte att 87 % av företagen har agenter med befogenhet att fatta betydelsefulla beslut på egen hand. En organisation kan till exempel använda en agent för att sammanfatta en incident och föreslå en åtgärd som en tekniker får granska. En annan kan låta en agent utföra en förutbestämd åtgärd inom en avgränsad del av infrastrukturen. Båda kan uppge att de använder agenter, trots att agenternas ansvarsområden skiljer sig mycket åt.
Respondenterna uppskattade att människor fortfarande verifierar i genomsnitt 66 % av de AI-drivna besluten. Separat uppgav 12 % att de hade helt autonoma driftsprocesser, medan 44 % sade att de siktade på att nå den nivån inom fem år. Den senare siffran är alltså ett mått på ambition, inte en prognos. Undersökningen visade också att integrationskomplexitet var det oftast angivna hindret för autonomi, med 31 %, vid sidan av utmaningar som kompetens, tillsyn och datakvalitet.
Vad teamen kan se efter att en agent har agerat
Med vanlig systemövervakning kan en tekniker se att en tjänst svarade och hur lång tid det tog. Det visar inte om agenten valde en lämplig åtgärd eller om åtgärden löste den bakomliggande incidenten. Om en agent till exempel rekommenderar att en tjänst startas om, bör en användbar logg visa vilka larm som låg till grund för rekommendationen, om en person godkände den och vad som hände med tjänsten efteråt. Då kan teknikerna kontrollera om omstarten hjälpte eller bara råkade sammanfalla med att tjänsten återhämtade sig.
Dynatrace fann att 43 % ansåg att insyn i agenternas beslut var ett viktigt krav på observerbarhet, jämfört med 27 % som uppgav att de arbetade med detta. Skillnaden visar inte att alla andra saknar loggar. Det handlar om en jämförelse mellan vad respondenterna ansåg vara viktigt och vad de sade att deras organisationer arbetade med.
Kostnaderna tillför ytterligare en dimension. 81 % uppgav att utgifterna för beräkningskapacitet och infrastruktur hade ökat till följd av AI-arbetsbelastningar, och 77 % sade att de behövde bättre insyn i hur kostnaderna fördelas. Ett verktyg som mäter hur länge operatörer arbetar med en incident utan att registrera de extra resurser som en agent förbrukar kan få automatiseringen att framstå som billigare än den är. Genom att koppla samman de två måtten kan teamen jämföra kostnaden för olika sätt att utföra samma arbete.
Prövningen av mer omfattande befogenheter för agenter
I en uppföljning den 17 november beskrev Dynatrace en stegvis utveckling från att samla in underlag till att rekommendera åtgärder och därefter agera med godkännande, innan man går vidare mot större autonomi där det är motiverat. För ett driftteam innebär det att en agent bör utvärderas mot en specifik uppgift, snarare än att få utökade behörigheter för att den har presterat väl i orelaterade arbetsuppgifter. En agent som pålitligt kategoriserar larm har till exempel inte nödvändigtvis visat att den kan avgöra när ett produktionssystem ska ändras.
Undersökningen pekar på ett praktiskt test för företag som överväger större autonomi: kan ett team återskapa vad en agent gjorde, motivera vilka befogenheter den hade och mäta om åtgärden hjälpte? Utan svar på de frågorna kan en högre användningsgrad spegla att fler agenter ingår i arbetsflödet, snarare än att det finns belägg för att de är redo att sköta det.












