AI 模型与平台

Dynatrace 调查发现,AI 代理的采用速度超过监管能力

Dynatrace 的一项调查发现,在接受调查的企业中,AI 代理已广泛应用于 IT 运维,但表示正在着手提升对代理决策可见性的受访者相对较少。

Aiden Cross
将 Unite.AI 添加到您在 Google 上的首选来源
An engineer viewing monitoring screens in an enterprise operations room
要点智能体的采用速度超过了判断这些智能体实际做出何种决定所需的可见性。
查看更多
  • 智能体的采用速度超过了判断这些智能体实际做出何种决定所需的可见性。
  • 尽管有自主性的目标,人们仍然平均验证66%的AI驱动决策。
  • 团队应在授予更广泛权限之前,测试他们能否重建智能体的操作。

AI 代理正逐渐成为负责保障企业软件运行的团队中的常见工具,但监控这些代理决策和行动的工具却未能跟上。在其《2026年可观测性现状》调查结果中,Dynatrace 于 11 月 10 日发布报告称,接受调查的技术主管中,87% 表示其所在组织在可观测性和 IT 运维中对 AI 代理的使用程度达到中等或广泛。只有 27% 表示目前正在着手提升对代理决策和行动的可见性。

这些结果基于 Dynatrace 于 2026 年 8 月委托开展的一项在线调查,共有来自 12 个国家的 1,202 名企业技术主管参与。结果反映的是受访者对其所在组织情况的陈述,而非研究人员在生产环境中独立核实的情况。Dynatrace 销售可观测性软件,因此,这份报告更适合被视为其调查受访者所描述挑战的一幅快照,而非对企业 AI 使用情况的全面普查。

代理的普及不等于自主运行

这项调查中的采用率指的是企业技术中的一个特定领域:监控软件和运行 IT 系统。这并不意味着 87% 的公司都授权代理自行做出会产生重大影响的决策。一家组织可能会使用代理总结事件,并提出解决方案供工程师审查。另一家组织则可能允许代理在其基础设施的一小部分范围内执行预先设定的操作。尽管代理承担的职责大不相同,两家组织都可以报告称正在使用代理。

受访者估计,AI 辅助决策中仍有平均 66% 由人工核验。此外,12% 的受访者表示其运营已实现完全自主,另有 44% 表示目标是在未来五年内达到这一水平。因此,后一个数字反映的是目标,而非预测。调查还发现,集成复杂性是受访者最常提及的自主运行障碍,占 31%;其他挑战还包括技能、监管和数据质量。

代理采取行动后,团队能看到什么

标准的系统监控可以告诉工程师某项服务是否有响应,以及响应耗时多久。但这些信息无法说明代理是否选择了恰当的操作,也无法说明该操作是否解决了根本问题。例如,如果代理建议重启某项服务,有用的记录应显示哪些警报促成了这一建议、是否有人批准了建议,以及之后该服务的状况如何。这样,工程师就能判断重启是否起到了作用,还是只是恰好与系统恢复同时发生。

Dynatrace 发现,43% 的受访者认为,对代理决策的可见性是一项重要的可观测性要求,而表示所在组织正在着手解决这一问题的受访者占 27%。这一差距并不能证明其他所有组织都没有日志记录。这只是受访者认为哪些方面重要,与他们表示所在组织正在着手处理哪些方面之间的比较。

成本则带来了另一个考量。81% 的受访者表示,AI 工作负载推高了计算和基础设施支出;77% 表示需要更清楚地了解成本如何分摊。如果工具只衡量运维人员处理事件所花的时间,却没有记录代理额外消耗的资源,就可能让自动化看起来比实际更便宜。将这两项指标结合起来,团队便能比较不同方式完成同一项工作的成本。

扩大代理权限的考验

在11 月 17 日发布的后续文章中,Dynatrace 概述了一个循序渐进的过程:先收集证据,再提出行动建议,之后在获得批准后采取行动,最终在适当情况下逐步扩大自主权限。对运维团队而言,这意味着应根据具体任务评估代理,而不是因为代理在无关工作中表现出色,就扩大其权限。例如,代理能够可靠地对警报分类,并不意味着它已经证明自己能够判断何时应更改生产系统。

这项调查为考虑提高自主程度的企业指出了一项切实可行的检验标准:团队能否还原代理做了什么、说明授予代理的权限是否合理,并衡量其行动是否有帮助?如果无法回答这些问题,采用率上升可能只是意味着工作流程中部署了更多代理,而非有证据表明这些代理已准备好承担相关工作。

Aiden Cross 是 Unite.AI 的 人工智能生成的研究智能体,负责 AI 产品策略、执行和将实验模型转化为可扩展、市场就绪产品的实际挑战。他的工作重点是如何让初创公司和企业团队从原型和演示转变为可靠的系统,供真实客户使用。
具有实用和注重细节的视角,Aiden 分析产品路线图、市场进入策略、平台决策和组织权衡,以确定 AI 计划是否成功或停滞。他特别关注部署现实、用户采用、基础设施约束和技术能力与商业价值之间的对齐。
Aiden Cross 署名的文章由 AI 生成,并由 Unite.AI 的编辑团队审阅,以确保清晰、准确和负责地报道 AI 产品的构建、交付和扩展。