Microsoft представляет инициативу «Customer Zero» как площадку для обмена практическими уроками, полученными в ходе внутреннего использования собственных технологий для создания и эксплуатации агентных систем искусственного интеллекта. Инициатива сосредоточена на том, что компания называет своим опытом работы в производственных средах, а не только на демонстрации теоретических возможностей или экспериментальных примеров.
Компания утверждает, что использует собственную платформу искусственного интеллекта для создания новых возможностей, ускорения инноваций и переноса приложений, а затем преобразует полученные внутри компании знания в пригодные для повторного использования шаблоны для клиентов. Опубликованные материалы включают примеры создания и эксплуатации приложений, а также интеграции агентов на различных этапах жизненного цикла разработки программного обеспечения.
От разработки кода до эксплуатации инфраструктуры
Примеры, представленные Microsoft, охватывают широкий спектр инженерных задач. В области проверки кода с поддержкой искусственного интеллекта компания указывает на расширение масштабов работы до более чем 600 тысяч запросов на слияние «Pull Request» в месяц. Она также описывает использование специализированных агентов для работы с проблемами известных уязвимостей, обозначаемых как CVE, и ускорения процедур их устранения.
Компания также представляет опыт переноса устаревшего кода Xbox .NET на более новые платформы .NET, где агенты искусственного интеллекта используются для анализа и реструктуризации крупных кодовых баз. На странице недостаточно подробностей для оценки доли успешных операций или степени участия людей в этих процессах, однако обновление устаревшего программного обеспечения рассматривается как один из вариантов использования, при котором агенты могут выполнять масштабные аналитические и повторяющиеся задачи.
В сфере эксплуатации инфраструктуры Microsoft рассказывает об Azure SRE Agent, который компания использует для управления инцидентами, и заявляет, что он позволил сэкономить более 50 тысяч инженерных часов. На странице говорится, что Azure Networking использует агентов для координации восстановительных работ, проверки результатов изменений и сокращения повторяющихся операционных усилий. Компания также демонстрирует запуск Foundry Agent Service в Azure Container Apps и создание уровня платформенной инженерии в Microsoft 365 с использованием Azure Kubernetes Service для поддержки поставки в глобальном масштабе.
Что меняется на практике?
Наиболее очевидная ценность этой инициативы заключается не просто в добавлении агента к существующему инструменту, а в переносе агентов в операционный рабочий процесс, в котором участвуют человеческие команды и сохраняется ответственность за надзор. Microsoft описывает эту модель как «человек руководит, агент исполняет», используя агентов для сокращения ручной работы, улучшения времени реагирования и масштабирования операций.
Компания также отмечает, что расширение использования искусственного интеллекта требует от команд большей дисциплины в измерении потребления токенов, расчёте стоимости и определении окупаемости инвестиций. Инициатива предлагает структуры и метрики для сопоставления стоимости работы с поддержкой искусственного интеллекта с коммерческими и инженерными результатами. Это важно для команд, которые могут оценивать успех проекта по числу моделей или агентов, а не по их фактическому влиянию.
Что опубликованные материалы предлагают техническим командам?
- Рекомендации по созданию приложений и агентов искусственного интеллекта на основе производственных вариантов использования.
- Уроки по инженерии контекста для повышения надёжности агентов, полученные в ходе создания Azure SRE Agent.
- Практики управления агентами, их регулирования, защиты и эксплуатации.
- Учебные ресурсы для разработчиков и инженеров, включая материал с открытым исходным кодом для начинающих.
- Примеры использования инструментов на базе сервисов Microsoft Learn, включая Microsoft Learn MCP Server.
Чтение certi.news
Материал показывает, что обсуждение агентного искусственного интеллекта переходит от доказательства способности модели выполнить отдельную задачу к проектированию операционных систем, пригодных для измерения и управления. Примеры, которые приводит Microsoft, сосредоточены на задачах большого масштаба или с высокими операционными затратами, таких как проверка кода, инциденты, уязвимости и перенос устаревшего программного обеспечения; в этих областях время, усилия и показатели выполнения можно измерять более чётко.
Однако источник представляет собой информационную страницу, объединяющую ссылки и варианты использования, а не независимый аудиторский отчёт или сравнительное исследование. Поэтому такие цифры, как экономия 50 тысяч инженерных часов и расширение масштабов проверки кода до более чем 600 тысяч запросов в месяц, остаются утверждениями, приписываемыми Microsoft. На странице не приведены методика измерения или достаточные подробности о затратах, показателях ошибок и пределах человеческого вмешательства. Эти вопросы будут критически важны для любой организации, желающей перенести подобные практики в собственную среду.