A platformmérnökség három nagy akadálya: integráció, automatizálás és AI
A platformmérnökség terjed, de a széttagolt eszközök, az elmaradó automatizálási eredmények és az AI új kormányzási igényei lassítják a fejlődést. A Dynatrace 2026-os jelentése szerint a szervezeteknek az integrációra, a megfigyelhetőségre és az emberi kontrollra kell nagyobb figyelmet fordítaniuk.
- A szervezetek 89 százalékának van belső fejlesztői platformja.
- Az integrációt 37 százalék tartja a legnagyobb platformmérnökségi kihívásnak.
- Az automatizálás várt előnyeit 53 százalék remélte, de csak 45 százalék tapasztalta.
- A platformmérnökök 52 százaléka AI-eszközöket is monitoroz.
- A Dynatrace megfigyelhetőséget, szabványosítást és emberi felügyeletet javasol.
Az integráció és a szabványosítás okozza a legtöbb gondot
A Dynatrace szeptember 8-án közzétett elemzése a State of SRE and Platform Engineering 2026 jelentés adataira épül. A platformmérnökség célja, hogy egységes eszközöket és előre kialakított munkafolyamatokat biztosítson a fejlesztőknek. A belső fejlesztői platformmal, vagyis IDP-vel rendelkező szervezetek aránya 89 százalék, 60 százalékuk pedig széles körű használatról számolt be.
A leggyakoribb IDP-képesség a megfigyelhetőségi és monitorozási irányítópult, amely a szervezetek 74 százalékában érhető el. Ennek ellenére az integráció továbbra is komoly akadály: 37 százalék szerint a legnagyobb kihívás a meglévő eszközök és rendszerek platformokkal való összekapcsolása. További 32 százalék a csapatok közötti szabványok következetes fenntartásával küzd.
Az AI terjedése tovább növeli a komplexitást, mivel a belső rendszereket nagy nyelvi modellekkel, modellfigyelő eszközökkel és AI-alapú munkafolyamatokkal kell összekötni. A Dynatrace olyan szabványosítási kezdeményezéseket emel ki, mint a Model Context Protocol, az OpenLLMetry és az Agent-to-Agent protocol. A vállalat szerint ezek egységesebb utat kínálhatnak a különálló rendszerek összekapcsolásához.
Az automatizálás eredményei elmaradnak a várakozásoktól
Az AI bevezetése előtt a válaszadók 53 százaléka számított az automatizálás növekedésére és a rutinfeladatok csökkenésére, de ezt ténylegesen csak 45 százalék tapasztalta. A kiadások következetesebbé válását közel a válaszadók fele várta, miközben a gyakorlatban 42 százalék számolt be ilyen javulásról.
A fejlesztői termelékenység terén kedvezőbb a kép: 55 százalék javulást észlelt, szemben az előzetesen 58 százalékos várakozással. Az üzemeltetési költségek csökkenését 55 százalék várta, de csak 45 százalék látta megvalósulni. A hibák észleléséhez, illetve elhárításához szükséges idő javulását 53 százalék remélte, tényleges javulásról viszont 46 százalék számolt be.
A Dynatrace szerint az AI-alapú munkafolyamatokat megfigyelhetőséggel, védőkorlátokkal és emberi felügyelettel kell kiegészíteni. A modellviselkedés folyamatos termelési monitorozása segíthet észlelni a romló kimeneteket, mielőtt azok megbízhatatlan automatizálást eredményeznének.
A platformcsapatokra új megfelelési feladatok hárulnak
A platformmérnökség értékének bizonyítása a szervezetek 30 százalékának okoz gondot, további 30 százalék pedig túl sok kézi munkát végez. A csapatok csaknem fele a megfelelési feladatok legalább egy részét manuálisan kezeli, 31 százalék pedig a biztonsági és megfelelési komplexitást tartja folyamatos problémának.
Az AI új feladatokat is hozott: a platformmérnökök 52 százaléka már AI-eszközök monitorozásával tölti idejét, hogy ellenőrizze az adatbiztonságot, a modellek teljesítményét és a pontosságot. A Dynatrace konfigurációkóddal, a megfigyelhetőség platformfolyamatokba építésével és egységes intelligenciaréteg kialakításával javasolja mérsékelni a kézi munkát.
A jelentés alapján a platformmérnökség fejlődése a felhasználók számára egységesebb fejlesztői eszközöket és megbízhatóbb munkafolyamatokat hozhat. Ehhez azonban a szervezeteknek a széttagolt rendszerek összekapcsolását, az automatizálás eredményeinek mérését, valamint az AI pontosságának, eltérésének, késleltetésének és költségének folyamatos ellenőrzését is kezelniük kell.
Dynatrace: How to tackle platform engineering’s biggest challenges in 2026
