Шестдесет и два процента от ИТ и инженерните специалисти вече редовно разчитат на AI агенти, за да установят причината за сривове в системите си, но над половината нямат начин да измерят дали агентите дават правилни резултати. Splunk проведе проучване сред 2050 специалисти в десет държави.
Агентите диагностицират, хората все още внедряват кода
Екипите подхождат предпазливо към задачите, които възлагат на агентите. Откриването на първопричините за инциденти, настройката на известията за тревога и съставянето на работни ръководства (runbooks) — поетапните указания, следвани от инженерите по време на инцидент — вече са обичайни задачи за агентите. Писането на нов код обаче е на последно място в списъка, като около една четвърт от анкетираните никога не го поверяват на агент.
Логиката е ясна. Неправилно зададен праг за предупреждение се връща назад за минута. Некачественият код в продукционна среда е много по-сериозен проблем.
За повечето екипи агентите са ускорили работния процес. Голямото мнозинство твърди, че те спомагат за по-ранното засичане на проблеми, а мнозина споделят, че възстановяването на системите също протича по-бързо. Въпреки това 14% посочват, че възстановяването се е забавило след въвеждането на агентите.
Шахиназ Сафари, която оглавява отдела за изкуствен интелект в подразделението за наблюдаемост на Splunk, сравнява това с наемането на нови служители. „Както всеки новоназначен кадър, те идват с невероятен потенциал, но и с период на по-засилен контрол, докато ги интегрирате във вашата среда“, отбелязва тя.
Този надзор вече получи и свое наименование — „данък проверка“. Това е времето, което инженерите отделят за повторна проверка на разсъжденията на агента, преди да се доверят на предоставения от него отговор.
Всички искат мониторинг, но малцина разполагат с необходимите инструменти
Повечето респонденти определят мониторинга на AI като водещ приоритет. Халюцинациите обаче показват колко далеч изостава практиката от тези намерения. Осемдесет и пет процента смятат за важно да забелязват кога моделът си измисля отговори, но едва 58% заявяват, че могат надеждно да ги уловят.
Част от проблема се корени в наличните инструменти. Около половината от участниците споделят, че техните решения за наблюдаемост не са проектирани за проследяване на изкуствен интелект. Другата част е свързана с отговорността. На кого принадлежи некоректно функциониращ агент — на екипа по наука за данните, разработил модела, на SRE екипа, управляващ инфраструктурата, или на звеното по сигурност? Тридесет и осем процента отбелязват, че тяхната организация все още не е взела това решение.
„Когато наблюдаемостта на агентите е отговорност на всички, тя не е отговорност на никого“, казва Марк Уудс, главен полеви технически директор и технически съветник за EMEA в Splunk.
Представете си агент, изпаднал в безкраен цикъл, който изпраща хиляди заявки в минута към вътрешен приложен програмен интерфейс (API). Инженерният екип вижда срив в производителността, докато отделът по сигурност вижда нещо, наподобяващо атака за отказ на услуга (DoS). Това е единичен инцидент, като 81% от анкетираните посочват, че мониторингът на AI е подтикнал екипите им да си сътрудничат по-тясно със звената за сигурност.
Сметката пристига твърде късно
Финансовата страна прави ситуацията още по-нестабилна. В 57% от организациите наблюдаемостта вече струва повече от инфраструктурата, която наблюдава. Половината от тях са били изненадани от неочаквано високи сметки за телеметрия през настоящата година.
Грег Лефлър, директор по евангелизация на разработчиците в Splunk, описва усещането по следния начин: „Прилича на пазаруване в супермаркет, където цената на един домат може внезапно да скочи от два на деветдесет долара за една нощ… а сметката идва едва в края на месеца“.