Генеральный директор Hud Роэ Адель говорит, что интеллектуальный анализ в реальном времени определит следующую эпоху программных операций.

      Искусственный интеллект значительно ускорил разработку программного обеспечения, и теперь кодирующие агенты способны производить большие объемы готового кода за считанные минуты. Однако, хотя написание программного обеспечения стало быстрее, обеспечение правильного поведения программного обеспечения в производственной среде остается одной из самых больших проблем инженерии.

      На протяжении десятилетий платформы наблюдаемости помогали командам контролировать инфраструктуру с помощью логов, метрик и трассировок. Но, по словам Роея Адлера, генерального директора Hud, стремительный рост разработки с помощью ИИ выявляет ограничения систем, изначально предназначенных для человеческих операторов, а не для автономных кодирующих агентов.

      Программное обеспечение пишется для другой эпохи

      Адлер считает, что этот сдвиг не просто связан с внедрением инструментов ИИ. Скорее, это признание того, что сама разработка программного обеспечения претерпевает фундаментальную трансформацию. Как он объясняет: «Фундаментальное изменение заключается в том, что программное обеспечение больше не пишется в первую очередь людьми с использованием инженерных процессов, которые мы оттачивали на протяжении десятилетий; его пишут кодирующие агенты, которые представляют собой совершенно другой вид». Эти агенты, по его словам, «быстрые, нетерпеливые, агрессивные», но им также не хватает производственного контекста, необходимого для того, чтобы последовательно принимать безопасные решения в сложных условиях.

      Вместо того чтобы замедлять внедрение ИИ, Адлер считает, что отрасли следует создать инфраструктуру, которая позволит кодирующим агентам стать надежными партнерами. На его взгляд, цель не в том, чтобы заменить инженеров, а в том, чтобы оснастить ИИ достаточным пониманием реального мира, чтобы уверенно работать в производственной среде.

      Быстрая разработка создала новую узкую горлышко

      Хотя ИИ значительно увеличивает объем кода, который могут производить разработчики, Адлер утверждает, что организации не наблюдают такого же ускорения в общей доставке программного обеспечения.

      Проблема, по его словам, не в том, что инженерные команды внезапно сталкиваются с новыми операционными слепыми зонами. Вместо этого существующие процессы проверки и валидации не были разработаны для темпа разработки, генерируемой ИИ. Поскольку все больше кода попадает в производство, поддерживать уверенность становится сложнее. Адлер отмечает, что хотя отдельные инженеры становятся более продуктивными, «узкое горлышко переместилось к воротам, которые пытались предотвратить плохие изменения, нарушающие систему».

      Он считает, что инженерные организации теперь сталкиваются с двумя актуальными вопросами: как проверять постоянно растущий объем кода, генерируемого ИИ, при этом сохраняя бизнес-намерения, и как сохранить институциональные знания, поскольку все меньше инженеров понимают каждую деталь все более генерируемых ИИ кодовых баз.

      Почему наблюдаемость не подходит для ИИ

      Инженерные команды уже значительно инвестируют в логи, метрики, трассировки и платформы мониторинга производительности приложений. Эти системы остаются ценными для выявления, когда услуги становятся ненадежными, но Адлер утверждает, что они не были разработаны для предоставления того рода доказательств, которые требуют системы ИИ.

      Как он говорит, «они созданы для того, чтобы выявить, что что-то не так, а не почему». Хотя логи, метрики и трассировки могут помочь инженерам расследовать инциденты, «агенты, перебирающие логи, — это то, что у нас есть сегодня, и этого недостаточно». Вместо этого Адлер считает, что ИИ требует «структурированного контекста на уровне функций, описывающего то, что на самом деле выполняется», предоставляя моделям прямую видимость того, как код ведет себя в реальных производственных условиях, а не заставляя их делать выводы из фрагментированной телеметрии.

      Эта философия лежит в основе того, что Hud называет интеллектуальностью в реальном времени.

      Почему контекст важнее, чем больше данных

      Традиционная наблюдаемость часто производит огромные объемы телеметрии, оставляя инженерам восстанавливать сбои задним числом. Адлер утверждает, что простое сбор большего объема информации не решает проблему, если критические детали остаются скрытыми.

      Как он объясняет, «больше телеметрии — это большее сено, а игла — это единственное, за чем вы пришли». Когда происходят производственные инциденты, инженерам не нужны терабайты логов. Вместо этого им нужен точный поток выполнения, затронутые параметры, пути кода, поведение зависимостей и окружающий судебный контекст, который объясняет, почему произошел сбой.

      Подход Hud сосредоточен на автоматическом захвате этого судебного контекста по мере возникновения инцидентов, а не на том, чтобы заставлять инженеров предсказывать, какие логи, панели мониторинга или инструменты им понадобятся заранее. Адлер утверждает, что этот сдвиг становится все более важным, потому что ручная настройка неизбежно оставляет пробелы в покрытии. «Все, что зависит от настройки, применяется неравномерно», — говорит он, добавляя, что организации часто пропускают те сбои, которые они никогда не предсказывали.

      Интеллект в реальном времени как новый архитектурный уровень

      Хотя многие поставщики наблюдаемости добавляют помощников ИИ к существующим продуктам, Адлер не рассматривает интеллектуальность в реальном времени как дополнительную функцию.

      Скорее, он утверждает, что «это другой уровень, а не функция, которую вы добавляете». Простое размещение ИИ поверх выборочной телеметрии означает, что модель наследует все ограничения исходных данных. Интеллект в реальном времени, напротив, изменяет то, какая информация захватывается с самого начала, создавая контекст, осведомленный о производстве, специально структурированный для рассуждений ИИ, а не для человеческого расследования.

      Это различие также объясняет акцент Hud на захвате контекста выполнения без выборки. По словам Адлера, выборка хорошо работает для панелей мониторинга и долгосрочных тенденций, но становится проблематичной во время реагирования на инциденты, потому что редкое событие, вызвавшее сбой, может быть именно тем, что будет отброшено. Поскольку ИИ рассуждает только на основе информации, которую ему предоставляют, отсутствие производственных данных не просто замедляет расследования; это может привести модели к неправильным выводам.

      Будущее — это проверка ИИ, а не отладка

      Смотря в будущее, Адлер ожидает, что инженеры будут тратить гораздо меньше времени на ручное расследование производственных инцидентов и значительно больше времени на валидацию исправлений, сгенерированных ИИ.

      Он указывает на организации, которые уже наблюдают резкое сокращение времени расследования, как только информация о коренной причине захватывается автоматически, а не восстанавливается вручную. Но он подчеркивает, что автономное обслуживание программного обеспечения зависит от предоставления ИИ прямого доступа к производственной правде, а не предположениям.

      Та же философия распространяется на автономные развертывания. Адлер считает, что организации в конечном итоге будут доверять кодирующим агентам вносить изменения в производство независимо, но только после того, как эти системы последовательно продемонстрируют прозрачное рассуждение и будут работать в рамках четких границ безопасности. Как он говорит, «доверие строится на доказательствах и обратимости, а не на вере». ИИ должен рассуждать на основе фактического производственного поведения, объяснять свои выводы и позволять людям быстро проверять или отменять его решения.

      В конечном итоге Адлер считает, что определяющей задачей эпохи программного обеспечения ИИ является не быстрое написание кода, а понимание того, как этот код ведет себя после развертывания. Как он заключает: «Поскольку ИИ пишет больше нашего программного обеспечения, дефицитным ресурсом больше не является написание кода; это знание о том, как этот код ведет себя в реальном мире. Тот, кто обладает этим пониманием и может представить его как людям, так и агентам, — это тот, кто уверенно поставляет и действительно использует силу революции генерации кода ИИ».