Az AI új feladatokat ad az SRE-csapatoknak

Az AI-modellek monitorozása lett a leggyakoribb SRE-feladat

A Dynatrace szeptember 1-jén közzétett, State of SRE 2026 kutatására épülő elemzése szerint a megkérdezett SRE-szakemberek 67 százaléka már AI-modellek monitorozásával is foglalkozik. Ez a leggyakoribb SRE-használati eset, megelőzve az incidenskezelést, az előrejelzést és a szolgáltatási szintcélok, vagyis az SLO-k kezelését.

Az AI-teljesítmény és a pontosság figyelése a válaszadók 58 százaléka szerint a leggyakrabban használt képességek közé tartozik. Az AI-rendszerek működése eltér a hagyományos szolgáltatásokétól: a modell sodródása, az átláthatatlan döntési útvonalak, az adatminőségi problémák és a biztonsági kockázatok új hibaforrásokat teremtenek. Ezek közül több már jóval az incidens bejelentése előtt megjelenhet.

A Dynatrace szerint ezért a megbízhatóság vizsgálatának a késleltetésen és az elérhetőségen túl a modell viselkedésére, bemeneteire, kimeneteire és a bizonyosságára is ki kell terjednie.

Az automatizálás sok esetben áthelyezte a terheket

A kutatás alapján az SRE-szakemberek több mint fele jelentős csökkenést várt a kézi munkában, az incidensek gyorsabb észlelését és elhárítását, valamint alacsonyabb üzemeltetési költségeket remélt az AI-tól. A Dynatrace értékelése szerint a gyakorlat visszafogottabb képet mutat.

Az üzemeltetési teher sok esetben nem tűnt el, hanem más formában jelent meg. Az SRE-csapatoknak ellenőrizniük kell az AI-kimeneteket, felügyelniük kell az automatizált döntéseket, és meg kell győződniük arról, hogy a modellek terhelés alatt is biztonságosan és megbízhatóan működnek. A vállalat szerint az automatizálás megfelelő környezetismeret nélkül új hibaforrásokat hozhat létre.

A Dynatrace azt javasolja, hogy az AI viselkedését is a megbízhatóság részeként kezeljék. A pontosságot, a kimenetek következetességét, a következtetés késleltetését, a hallucinációs kockázatot és a költséget a hagyományos üzemeltetési jelekkel együtt kell figyelni. Az önállóságot fokozatosan érdemes bevezetni, a monitorozástól a felügyelt helyreállításon át a korlátozott autonóm műveletekig.

Az SLO-k elterjedtek, de a fontos jelek kiválasztása nehéz

Az organizations közel kilenc tizede legalább egyes rendszereinél használ SLO-kat, 55 százalékuk pedig szervezeti szinten is széles körben alkalmazza ezeket. A célok adatból történő kezelése azonban továbbra is problémás. Az SRE-szakemberek közel fele a túl sok adatforrást és a túl sok mérőszámot jelölte meg akadályként.

A minőségi kapuk, vagyis a küszöbértékek, teljesítménymutatók és SLO-megfelelés ellenőrzésére szolgáló kontrollok szintén széles körben jelen vannak. A válaszadóknak mindössze 2 százaléka mondta azt, hogy nem használ ilyen kapukat. Az AI-rendszerek valószínűségi működése miatt azonban ezek önmagukban nem mutatják meg a teljes megbízhatóságot.

A Dynatrace szerint az SLO-k kialakítását a négy alapvető jelből, a késleltetésből, a forgalomból, a hibákból és a telítettségből érdemes kiindítani, majd a felhasználói, szolgáltatási vagy munkaterheléshez kötődő célokkal kiegészíteni. Az egységes megfigyelhetőség olyan közös intelligenciaréteget adhat, amely összekapcsolja a telemetriát, a rendszertopológiát és az üzleti környezetet.

Ez a megközelítés a felhasználók számára azt jelentheti, hogy az AI-alapú működés felügyelete nem kizárólag műszerfalak és infrastruktúramutatók alapján történik. A vállalat szerint az SRE-csapatok így gyorsabban azonosíthatják a releváns jeleket, miközben az automatizált döntések felügyelhetőbbé és elszámoltathatóbbá válhatnak.