IBM спонсировала этот пост.
Организации изо всех сил стараются внедрить ИИ на предприятии, чтобы повысить производительность, эффективность и получить конкурентное преимущество. В 2024 году корпорации инвестировали 252,3 миллиарда долларов в искусственный интеллект, однако эффект неоднозначный: хотя большинство организаций видят положительный финансовый эффект, большинство из них сообщили об экономии затрат менее 10 % и увеличении доходов менее 5 %.*
Предприятия должны иметь возможность превращать проекты ИИ из абстрактных обещаний в осязаемые выгоды, которые дадут бизнес-пользователям то, что им нужно, тогда, когда им это нужно. Частично это означает создание более отказоустойчивых и надежных приложений с лучшей пропускной способностью, уменьшением количества ошибок и автоматическим исправлением, поскольку они поддерживают искусственный интеллект. Агенты ИИ также необходимо интегрировать на протяжении всего жизненного цикла разработки программного обеспечения (SDLC), в том числе в конвейеры CI/CD, платформы наблюдения и инструменты реагирования на инциденты.
Существует множество областей, в которых организации интегрируют искусственный интеллект в ИТ-операции, включая устранение инцидентов, прогнозный мониторинг и создание тестов, поддержку улучшенного среднего времени обнаружения (MTTD) и среднего времени разрешения (MTTR), а также помощь в обеспечении бесперебойной работы и производительности приложений. В недавнем отчете показано, что, первоначально сосредоточив инструменты ИИ на приложениях, используемых в ИТ-операциях, организации могут продемонстрировать ценность, получить быстрый возврат инвестиций (ROI) и обрести уверенность в том, как направить свои будущие усилия в области ИИ в более широком масштабе по всему предприятию.
Как агентный ИИ может изменить рабочие процессы ИТ-операций
ИТ-процессы и варианты использования, вероятно, наиболее подходят для агентного ИИ. Эти инструменты призваны помочь бизнесу оставаться в сети и достигать своих целей путем сопоставления огромных объемов информации, сигналов и событий. Цель — обнаружить проблемы и устранить их до того, как они повлияют на производительность и бизнес.
Кроме того, те, кто работает в сфере ИТ, привыкли к автоматизации. В отличие от многих бизнес-пользователей, которые могут неохотно передавать функции агентам, ИТ-персонал с большей вероятностью быстро обретет уверенность в том, что делают агенты. Следовательно, ИИ имеет более плавный путь внедрения в ИТ-операции, чем на предприятии в целом.
Начав с малого в сфере ИТ, чтобы проверить эффективность агентов и масштабировать их для ИТ-операций, ценность агентов ИИ может быстро стать очевидной. Основываясь на этом прочном фундаменте, агенты могут применяться для решения бизнес-задач, обладая более высоким уровнем знаний.
В конце концов, именно ИТ-персонал разрабатывает и внедряет ИИ. Привлечение их к участию путем демонстрации ощутимых преимуществ в выполнении повседневных задач, которые они выполняют, является жизненно важным шагом. Если ИТ-специалисты с энтузиазмом относятся к внедрению агентного ИИ на предприятии и их усилия полностью поддерживаются высшим руководством, становится гораздо проще заручиться поддержкой бизнес-подразделений.
Ключевые элементы агентной структуры искусственного интеллекта
При планировании инициатив в области агентного ИИ разумно создать структуру, которая поможет оценить, где агенты ИИ с наибольшей вероятностью принесут улучшения, как оценить готовность ИИ в различных частях организации, как управлять и координировать действия агентов ИИ и как реализовать управление для ответственного надзора.
Ключевые элементы такой структуры могут включать:
ИТ-операции и кибербезопасность
- Лучшие практики автоматизации ИТ-операций и кибербезопасности.
- Автоматическое устранение проблем и обеспечение дальнейшей автоматизации с помощью автоматизированных рабочих процессов.
- автоматизация проверок соответствия с помощью рекомендаций «Соответствие как код», снижение аудиторских рисков и нормативных требований, а также создание готовых к аудиту артефактов.
- Создание информационных панелей с нулевой конфигурацией, оповещение, устранение и устранение неполадок.
- Предоставление приложениям именно тех ресурсов, которые им нужны, когда они им нужны, включая оптимизацию рабочих нагрузок графического процессора без ущерба для производительности.
- Выявление перегрузки ресурсов и перерасхода средств в гибридных облачных средах.
Рекомендации на основе данных
- Оценка и сопоставление данных для выявления проблем и реализации практических рекомендаций.
- Консолидация разрозненных данных, чтобы они могли предоставлять ценную информацию и генерировать действия для предотвращения проблем, а не просто выдавать оповещения.
- Предоставление действенных рекомендаций, пороговых значений и планов исправления с использованием агентного ИИ.
- Отображение доказательств в виде визуализации и взаимодействия на естественном языке, чтобы пользователи могли проверить выводы, изучить контекст и перейти к исправлению ситуации.
Разработка программного обеспечения
- Сканирование и обнаружение проблемного кода, который может привести к проблемам безопасности или устойчивости.
- автоматизация полной видимости приложений на протяжении всего жизненного цикла мониторинга, включая обнаружение изменений в реальном времени, картографирование, отслеживание и профилирование.
- Обеспечение автоматического и непрерывного обнаружения, развертывания, настройки и сопоставления зависимостей.
Традиционно эти задачи требовали перехода от экрана к экрану для просмотра показателей ЦП, памяти и диска, проверки файлов журналов для сбора дополнительных данных и углубления в поиске основной причины. Вместо этого агенты могут автоматизировать все это и сопоставлять действия между различными агентами, чтобы рекомендовать действия, или, если им полностью доверяют, предпринимать определенные действия на основе заранее заданной политики.
Пользователь может начать с просмотра доказательств, чтобы понять, почему агентный ИИ рекомендовал конкретное действие. Затем человек может одобрить действие или скорректировать его по мере необходимости. Поскольку большая часть рабочей нагрузки ИТ-операций становится автоматизированной, пользователь может понять, почему агент ИИ сделал то, что сделал. Таким образом, систему можно постоянно оптимизировать и совершенствовать. Те, кто скептически относится к агентному ИИ, могут постепенно обрести уверенность в его выводах и снизить степень контроля. Это освобождает ИТ-специалистов для участия в более стратегических действиях.
Агенты искусственного интеллекта также могут быть адаптированы к потребностям, приоритетам и предпочтениям предприятия или конкретных приложений. В некоторых случаях решающим фактором будет производительность, а в других – экономия средств. Агентов можно адаптировать к требованиям предприятия, создавать политики для конкретных задач и предпринимать предписанные действия в ответ на конкретные ситуации. В следующий раз, когда система столкнется с известным сценарием, она сможет автоматически выполнить свои обязанности. В зависимости от приложения и бизнес-кейса человек может быть полностью в курсе, полностью вне его или может входить и выходить в зависимости от своего уровня комфорта и доверия.
В конце концов, все дело в предоставлении ресурсов нужного типа и количества в нужном месте и в нужное время. Недостаточное выделение ресурсов замедляет работу команды, тогда как избыточное выделение ресурсов, особенно дорогих вычислительных ресурсов графического процессора, является серьезной тратой денег.
Агенты ИИ в реальном мире: истории успеха
Существует множество примеров того, как агенты ИИ используются для автоматизации задач в сфере ИТ и бизнес-операций и приносят ощутимую пользу. Вот несколько примеров.
- Одна группа специалистов по обеспечению надежности сайтов (SRE) использовала агенты искусственного интеллекта, чтобы разблокировать стандартизированный и повторяемый подход к обеспечению устойчивости приложений. Результаты: Сокращение человеко-дней при оценке состояния устойчивости IBM в масштабе всего предприятия для каждого приложения на 62 % по сравнению с оценкой вручную; сократило количество человеко-часов, затрачиваемых командой IBM SRE на ежемесячный анализ операций, на 72% по сравнению с составлением отчета вручную; а благодаря устранению разрозненности ИТ-отдел стал более продуктивным. Кроме того, предприятие внедрило масштабируемую структуру для измерения, улучшения и поддержания устойчивости приложений во всей организации.
- В тестовом тесте агенты ИИ помогли ускорить масштабное управление распространенными уязвимостями и рисками (CVE). Результат: устранение последствий CVE на 90 % быстрее и управление инвентаризацией сертификатов на 98 % быстрее.
- В пилотной программе глобальной организации финансовых услуг агенты ИИ ускорили управление исправлениями с 90 минут до максимум 20 минут на каждый экземпляр и сократили «среднее время установки исправлений» для критических уязвимостей с 80 часов до 8 часов.
Как начать с малого, масштабироваться ответственно
Продолжается гонка за использование ИИ для достижения корпоративной славы. Предприятия, стремящиеся сломя голову заняться ИИ, могут в конечном итоге совершить ошибки, которые снизят доверие к агентному ИИ. Разумный подход заключается в том, чтобы начать с малого, предпочтительно в сценариях использования ИТ-операций, и ответственно масштабировать ИТ-инфраструктуру, прежде чем задействовать автоматизированных агентов по всему бизнесу.
IBM Concert, Instana и Turbonomic созданы, чтобы предоставить основу, необходимую для быстрого окупаемости инвестиций с помощью агентного ИИ. Они обеспечивают интегрированное наблюдение за приложениями и управление рисками, которые могут помочь раскрыть потенциал ваших приложений с помощью автоматизации на основе искусственного интеллекта, подкрепленной комплексной структурой управления.
Узнайте больше о том, как IBM Observability может упростить сложность и повысить устойчивость к масштабированию.
* Нестор Маслей, Лоредана Фатторини, Раймон Перро, Иоланда Хиль, Ванесса Парли, Ньенга Кариуки, Эмили Кэпстик, Анка Руэл, Эрик Бриньольфссон, Джон Этчеменди, Катрина Лигетт, Тера Лайонс, Джеймс Маньика, Хуан Карлос Ниблс, Йоав Шохам, Рассел Уолд, Тоби Уолш, Армин Хамра, Лапо Сантарласки, Джулия Беттс Лотуфо, Александра Рим, Эндрю Ши, Сукрут Оук. «Годовой отчет AI Index 2025», Руководящий комитет AI Index, Институт человекоориентированного искусственного интеллекта, Стэнфордский университет, Стэнфорд, Калифорния, апрель 2025 г. (CC BY-ND 4.0).
IBM помогает организациям преодолеть сложность ИТ-операций с помощью стратегии автоматизации, которая плавно соединяет приложения и системы с помощью автоматизации на основе искусственного интеллекта и API, обеспечивая динамическую, масштабируемую и интеллектуальную системную интеграцию посредством унифицированного опыта. Узнайте больше ТЕНДЕНЦИОННЫЕ ИСТОРИИ YOUTUBE.COM/THENEWSTACK Технологии развиваются быстро, не пропустите ни одной серии. Подпишитесь на наш канал YouTube, чтобы смотреть все наши подкасты, интервью, демонстрации и многое другое. ПОДПИСАТЬСЯ Группа, созданная в Sketch. Билл Лобиг, вице-президент подразделения IBM Observability & Automation, управление продуктами, отвечает за управление программными продуктами IBM Observability & Automation. Сюда входит целый ряд технологий, позволяющих людям и организациям оптимизировать свои расходы на технологии и обеспечить здоровье и… Подробнее от Билла Лобига
