Кратко: ИИ может быть доступным и отвечать на запросы, но при этом работать непреднамеренным образом. Это различие приобретает все большую важность по мере того, как ИИ глубже внедряется в производственные среды. Отчет о состоянии наблюдаемости за 2026 год выявляет разрыв между амбициями в отношении ИИ и его практической реализацией в таких аспектах, как качество, поведение агентов, безопасность, затраты и влияние на бизнес. Устранение этого разрыва требует средств наблюдаемости, способных верифицировать поведение ИИ и его эффекты во всей технологической инфраструктуре.
Новое исследование Dynatrace State of Observability 2026 обнажает скрытое напряжение в сфере корпоративного ИИ: 87% респондентов используют ИИ-агентов для обеспечения наблюдаемости и ИТ-операций, в то время как 44% нацелены на полностью автономные операции в течение пяти лет по сравнению с 12% сегодня.
Тем не менее, по словам респондентов, люди проверяют в среднем 66% решений, принимаемых с помощью ИИ, и лишь 27% в настоящее время обеспечивают видимость того, как агенты принимают решения и действуют. Этот дефицит отражает более общую тенденцию: по девяти возможностям наблюдаемости за ИИ практическая реализация отстает от воспринимаемой важности в среднем на 14 процентных пунктов.
Для технологических лидеров этот разрыв в реализации — именно та область, за которой стоит следить: организации готовят ИИ-агентов к выполнению более сложных задач до того, как многие из них успеют четко определить, каким образом эти агенты пришли к тому или иному решению.
Для решения этих задач требуются две взаимодополняющие возможности:
- Наблюдаемость ИИ формирует доказательную базу о поведении, качестве, безопасности, затратах и влиянии ИИ.
- Наблюдаемость на базе ИИ использует причинно-следственный анализ (казуальный анализ), автоматизацию и агентов для улучшения операций и расширения автономности.
Первое помогает определить, работает ли ИИ так, как задумано; второе помогает людям и агентам управлять более широким технологическим ландшафтом.
Об исследовании: компания Dynatrace заказала онлайн-опрос 1202 технологических лидеров на предприятиях в 12 странах, который был проведен в августе 2026 года. Если не указано иное, результаты отражают оценки респондентов в отношении своих организаций; суммы процентов могут не составлять 100% из-за округления или вопросов с множественным выбором. См. полную методологию отчета для ознакомления с критериями отбора респондентов, участвующими рынками, взвешиванием данных, формулировками вопросов и применимыми базами.
Об исследовании: компания Dynatrace заказала онлайн-опрос 1202 технологических лидеров на предприятиях в 12 странах, который был проведен в августе 2026 года. Если не указано иное, результаты отражают оценки респондентов в отношении своих организаций; суммы процентов могут не составлять 100% из-за округления или вопросов с множественным выбором. См. полную методологию отчета для ознакомления с критериями отбора респондентов, участвующими рынками, взвешиванием данных, формулировками вопросов и применимыми базами.
Что показывает отчет о состоянии наблюдаемости за 2026 год
Как ИИ меняет определение того, работает ли ПО?
Рабочие нагрузки ИИ могут соответствовать традиционным требованиям к доступности, задержкам и уровню ошибок, но при этом выдавать неточные, небезопасные, дорогостоящие или иные непреднамеренные результаты. Измерение влияния поведения ИИ на бизнес наглядно демонстрирует разрыв в реализации: 39% считают это важным, в то время как 24% занимаются этим в настоящее время.
Производительность ИИ зависит от приложений, инфраструктуры, систем безопасности и сервисов, которые его окружают. Наблюдаемость должна связывать эту среду с поведением ИИ, потреблением ресурсов и влиянием на бизнес, чтобы определить, работает ли ИИ так, как задумано.
Почему ИИ добавляет сложности до того, как помогает с ней справиться?
ИИ привносит модели, агентов, взаимодействия и дополнительные требования к ресурсам в и без того распределенные среды:
- 81% сообщают об увеличении расходов на вычисления и инфраструктуру из-за рабочих нагрузок ИИ
- 77% сообщают о возрастающей потребности в прозрачности распределения затрат
Для руководителей вывод очевиден: командам необходимо оценивать производительность, надежность и экономику ИИ в контексте приложений и инфраструктуры, которые его поддерживают.
Наблюдаемость на базе ИИ может помочь командам использовать казуальный анализ и автоматизацию для интерпретации этой сложности и принятия мер в отношении того, что действительно важно. Показывая, что делает ИИ, от чего он зависит и во сколько обходится, наблюдаемость дает лидерам более четкую основу для решения о том, какие рабочие нагрузки оправдывают потребление ресурсов и где необходимо более жесткое управление затратами.
Как наблюдаемость поддерживает расширение полномочий ИИ в принятии решений?
Поскольку ИИ играет все большую роль в операционном жизненном цикле, предоставление ему возможности принимать более судьбоносные решения повышает потребность в валидации, интеграции и надзоре. Руководителям необходим достаточный уровень видимости действий и последствий ИИ, чтобы решать, где можно расширять автономию, а где по-прежнему целесообразно сохранять более жесткий контроль.
- ИИ уже вносит свой вклад на всех этапах операционного жизненного цикла: о зафиксированном влиянии сообщают во всех девяти измеряемых областях, от прогностического обнаружения до соблюдения нормативных требований.
- Организации используют многоуровневую валидацию: респонденты используют в среднем около четырех методов для проверки поведения ИИ, причем наиболее широко применяется проверка точности исходных данных.
- Интеграция, а не одно лишь доверие, ограничивает дальнейшее расширение автономии: сложность интеграции лидирует среди указанных барьеров (31%), наряду с нехваткой навыков, недостатком контроля, качеством данных и прозрачностью логики (объяснимостью).
Наблюдаемость ИИ помогает командам оценивать эти действия и последствия; наблюдаемость на базе ИИ применяет казуальный интеллект и автоматизацию для оптимизации операций и расширения автономии там, где это уместно.
Как наблюдаемость помогает расставлять приоритеты рисков безопасности в средах эпохи ИИ?
Тот же принцип доказательности применим и к безопасности: качество решения о риске зависит от фактов, отражающих то, что действительно происходит в работающей среде.
- 55% респондентов с квалификацией в области безопасности столкнулись с инцидентом нулевого дня за последний год.
- 45% говорят, что их организации постоянно мониторят среды выполнения на предмет уязвимостей, которые действительно могут быть проэксплуатированы или на которые целенаправленно совершаются атаки.
Организации также распространяют мониторинг безопасности на рабочие нагрузки и агентов ИИ, одновременно внедряя обнаружение угроз на базе ИИ.
Контекст среды выполнения проясняет расстановку приоритетов: статическая оценка степени опасности показывает, что может быть уязвимо, в то время как данные выполнения (runtime) показывают, что именно поддается эксплуатации, что затронуто проблемой и где устранение уязвимостей имеет наибольшее значение.
Как открытые стандарты помогают поддерживать непрерывную видимость поведения ИИ от разработки до промышленной эксплуатации?
Данные о поведении ИИ также должны сохранять актуальность при изменениях в технологиях, поставщиках и стадиях жизненного цикла. Открытые стандарты, такие как OpenTelemetry, обеспечивают нейтральную по отношению к вендорам основу для инструментирования, которая помогает сохранить эту преемственность.
Исследование показывает широкое распространение, но меньшую стратегическую стандартизацию:
- 77% внедрили OpenTelemetry на этапе, выходящем за рамки оценки, но только 20% сделали ее стратегическим стандартом
- 37% называют наблюдаемость рабочих нагрузок ИИ и LLM главным драйвером внедрения.
Эти результаты показывают, что OpenTelemetry приобретает все большую актуальность для комплексной стратегии наблюдаемости ИИ, однако инструментирование — это лишь фундамент. Открытые стандарты могут поддерживать видимость по мере того, как ИИ переходит от одного поставщика к другому и из разработки в производство; при этом средства наблюдаемости по-прежнему должны интерпретировать эту телеметрию в операционном и бизнес-контексте.
Наблюдаемость формирует фактологическую основу для принятия надежных решений с участием ИИ и достижения измеримых результатов
Контекстно-зависимая наблюдаемость связывает поведение ИИ с окружающими его системами, рисками, затратами и результатами. Эта осведомленность дает лидерам более прочную основу для принятия трех решений:
- Где ИИ приносит достаточно ценности для масштабирования
- Где оправдано расширение полномочий
- Там, где риски или затраты требуют вмешательства
Возможность заключается в том, чтобы принимать эти решения быстрее, опираясь на надежные данные о том, как ведет себя ИИ и к каким результатам это приводит.
Ознакомьтесь с полными результатами исследования State of Observability 2026, чтобы оценить, где ИИ готов к масштабированию, где требуются более строгие средства контроля и как развиваются стратегии наблюдаемости в сферах ИТ-операций, безопасности, экономики и открытых стандартов.
Часто задаваемые вопросы В чем разница между наблюдаемостью ИИ и наблюдаемостью на базе ИИ? Наблюдение за ИИ непрерывно оценивает поведение, качество, безопасность, стоимость, управление и влияние ИИ на бизнес, чтобы определить, работает ли ИИ так, как задумано. Наблюдаемость на базе ИИ использует причинно-следственный анализ, помощников, автоматизацию и агенты для понимания технологических сред, улучшения операций и повышения автономности. Каков разрыв между амбициями в отношении ИИ и их реализацией? По девяти требованиям к наблюдаемости ИИ текущая реализация отстает от воспринимаемой важности в среднем на 14%. Разрыв охватывает такие возможности, как качество ИИ, решения агентов, безопасность, затраты и влияние на бизнес. Как наблюдаемость помогает сделать ИИ надежным? Наблюдаемость показывает, как ИИ ведет себя в контексте окружающих его систем. Это помогает командам проверять результаты, исследовать причины, выявлять операционные последствия и определять, где ИИ требует вмешательства или может взять на себя большую ответственность. Как наблюдаемость помогает управлять затратами на ИИ? Наблюдаемость связывает рабочие нагрузки ИИ с потреблением ресурсов, поддерживающей инфраструктурой и операционным воздействием. Это помогает руководителям распределять затраты, понимать, чем они вызваны, и решать, какие рабочие нагрузки оправдывают большие инвестиции или требуют более жесткого контроля затрат. Как наблюдаемость помогает расставлять приоритеты рисков безопасности в средах эпохи ИИ? Наблюдаемость связывает сигналы безопасности с данными о реальном воздействии во время выполнения. Это помогает командам отличать уязвимости, которые просто присутствуют, от тех, которые можно использовать или на которые активно нацелены, понимать затронутые службы и расставлять приоритеты при устранении в соответствии с непосредственным риском. Почему открытые стандарты важны для наблюдаемости ИИ? Открытые стандарты, такие как OpenTelemetry, обеспечивают единообразное инструментирование у разных провайдеров, технологий и этапов жизненного цикла. Это дает организациям большую гибкость в отслеживании поведения ИИ от разработки и оценки до продакшена по мере развития технологий и выбора инструментов.
Часто задаваемые вопросы
В чем разница между наблюдаемостью ИИ и наблюдаемостью на базе ИИ?
Наблюдение за ИИ непрерывно оценивает поведение, качество, безопасность, стоимость, управление и влияние ИИ на бизнес, чтобы определить, работает ли ИИ так, как задумано.
Наблюдаемость на базе ИИ использует причинно-следственный анализ, помощников, автоматизацию и агенты для понимания технологических сред, улучшения операций и повышения автономности.
Каков разрыв между амбициями в отношении ИИ и их реализацией?
По девяти требованиям к наблюдаемости ИИ текущая реализация отстает от воспринимаемой важности в среднем на 14%. Разрыв охватывает такие возможности, как качество ИИ, решения агентов, безопасность, затраты и влияние на бизнес.
Как наблюдаемость помогает сделать ИИ надежным?
Наблюдаемость показывает, как ИИ ведет себя в контексте окружающих его систем. Это помогает командам проверять результаты, исследовать причины, выявлять операционные последствия и определять, где ИИ требует вмешательства или может взять на себя большую ответственность.
Как наблюдаемость помогает управлять затратами на ИИ?
Наблюдаемость связывает рабочие нагрузки ИИ с потреблением ресурсов, поддерживающей инфраструктурой и операционным воздействием. Это помогает руководителям распределять затраты, понимать, чем они вызваны, и решать, какие рабочие нагрузки оправдывают большие инвестиции или требуют более жесткого контроля затрат.
Как наблюдаемость помогает расставлять приоритеты рисков безопасности в средах эпохи ИИ?
Наблюдаемость связывает сигналы безопасности с данными о реальном воздействии во время выполнения. Это помогает командам отличать уязвимости, которые просто присутствуют, от тех, которые можно использовать или на которые активно нацелены, понимать затронутые службы и расставлять приоритеты при устранении в соответствии с непосредственным риском.
Почему открытые стандарты важны для наблюдаемости ИИ?
Открытые стандарты, такие как OpenTelemetry, обеспечивают единообразное инструментирование у разных провайдеров, технологий и этапов жизненного цикла. Это дает организациям большую гибкость в отслеживании поведения ИИ от разработки и оценки до продакшена по мере развития технологий и выбора инструментов.
