Dynatrace объявила о завершении приобретения компании Arize в рамках сделки стоимостью 915 миллионов долларов после того, как в середине августа сообщила о намерении провести эту сделку. Операция объединяет опыт Dynatrace в мониторинге производительности приложений, инфраструктуры и безопасности с возможностями Arize по отслеживанию, оценке и исправлению проблем в поведении моделей и агентов искусственного интеллекта.
Сделка стала ответом на проблему, которую одни лишь традиционные инструменты мониторинга не выявляют: сервисы и инфраструктура могут работать нормально, тогда как агент выдаёт неправильный ответ, вызывает неподходящий инструмент или не справляется с выполнением задачи. Поэтому командам разработки и эксплуатации необходимо связывать происходящее внутри модели и агента с происходящим в интерфейсах программирования и сервисах, от которых они зависят.
Два уровня операционной видимости
Компания Dynatrace была основана в Австрии в 2005 году и развивалась от мониторинга производительности приложений до комплексного мониторинга и обеспечения безопасности. С 2017 года компания также инвестировала в Davis — своего помощника на базе искусственного интеллекта, который позднее превратился в механизм анализа первопричин, а также получил прогнозные и генеративные возможности и SRE-агентов для расследования и устранения инцидентов.
Arize, вышедшая из скрытого режима в 2020 году, начинала как стартап для мониторинга моделей машинного обучения в промышленной эксплуатации, а затем расширила сферу деятельности по мере распространения больших языковых моделей и агентов, включив отслеживание их поведения, проведение оценок и выявление сбоев, которые могут не проявляться при традиционном мониторинге приложений.
На практике Dynatrace обычно обслуживает команды надёжности сайтов и платформ, тогда как Arize ориентируется на инженеров по искусственному интеллекту и разработчиков. После интеграции платформ расследовать сбой агента можно будет на обоих уровнях: с одной стороны, анализировать логику модели и использование инструментов, а с другой — базовые сервисы и интерфейсы программирования.
От чтения данных к принятию мер
Aparna Dhinakaran, соучредитель и директор по продуктам Arize, считает, что объём данных трассировки делает ручную проверку непрактичной. Вместо того чтобы заставлять инженеров просматривать миллиарды трасс, агенты могут анализировать данные телеметрии и искать повторяющиеся закономерности и возможные причины.
Arize утверждает, что инструмент Signal проверяет производственные трассы, выявляет повторяющиеся проблемы и предлагает исправления. Он также может открывать запросы на слияние, анализируя трассы помощника Alyx; по словам Dhinakaran, Arize принимает примерно от 65% до 70% запросов на слияние, предложенных инструментом. В этой модели инженер переходит от ручного поиска по трассам к проверке предлагаемых изменений.
Что меняется на практике?
Основная ценность сделки заключается в сокращении разрыва между созданием приложений на базе искусственного интеллекта и их надёжной эксплуатацией в промышленной среде. Разработчики и платформенные команды смогут связывать ответ или решение агента с цепочкой использованных им сервисов, вместо того чтобы работать с каждым уровнем посредством отдельного инструмента.
Однако эта тенденция не отменяет необходимости в средствах контроля. Как поясняется в источнике, долгосрочное видение предполагает программное обеспечение, способное самостоятельно обслуживать и совершенствовать себя, при этом окончательная проверка остаётся за людьми. Кроме того, указанная доля принятых запросов на слияние относится к опыту Arize и конкретному инструменту и не доказывает, что самостоятельное исправление подходит для каждой производственной среды. Вопросы полномочий, безопасности изменений и границ действий, которые агенту разрешено выполнять, остаются решающими факторами, прежде чем автоматизированный анализ можно будет превратить в непосредственное изменение систем.