Из 696 опрошенных специалистов 73% вообще не используют AIOps, еще 19% держат такие инструменты в пилоте, и только 8% пустили их в продакшен. Для тех, кто отвечает за доступность сервисов, цифра выглядит отрезвляюще: AI-агенты в SRE пока воспринимаются как полезный второй пилот, но не как автопилот, которому можно без присмотра доверить боевую инфраструктуру.
Об этом, как пишет The Register, говорят результаты опроса, который издание провело вместе с NeuBird AI в апреле 2026 года. Главный стоп-фактор предсказуем и от этого не менее показателен: 60% респондентов назвали основной проблемой нехватку доверия. Вопросы ROI, безопасности и качества данных тоже прозвучали, но сильно тише: каждый из этих пунктов набрал лишь около 12-13%. Иными словами, рынок не спорит с тем, что автоматизация инцидентов звучит заманчиво. Рынок спорит с тем, можно ли вообще подпускать модель к проду, где ошибка быстро превращается в простой, а простой — в деньги и злых клиентов.
На этом фоне NeuBird AI продвигает Production Ops Agent как инструмент, который должен закрыть именно дефицит доверия, а не просто добавить еще один красивый дашборд. Логика у продукта довольно прагматичная: агент не только пересказывает очередь алертов, а собирает в одну картину метрики, логи, трассировки, телеметрию инфраструктуры, активность деплоев и зависимости между сервисами, после чего пытается предложить вероятную первопричину и следующий шаг. В компании отдельно подчеркивают, что проблема часто начинается еще раньше алерта: если наблюдаемость изначально шумная, никакой умный помощник не спасет. Поэтому ставка делается на так называемую agentic instrumentation — генерацию правильных сигналов у источника, чтобы тревога сразу была высокосигнальной, а не еще одним поводом открыть war room на двадцать человек.
Полевой CTO NeuBird AI Франсуа Мартель формулирует то, что многие SRE-команды и так чувствуют на практике: интерес к агентам большой, а реальных внедрений мало. Этот разрыв он объясняет не только консерватизмом эксплуатации, хотя его тут хватает. Операционные сценарии заметно сложнее задач, где у человека есть понятная точка проверки результата, как в кодинге или генерации контента. Если AI-агент суммировал жалобы пользователей с ошибками — неприятно, но терпимо. Если он без присмотра полез чинить инцидент и усугубил деградацию сервиса — это уже совсем другой разговор. По словам Мартеля, в крупных компаниях он видел длинные бэклоги из сотен AI-инициатив, где стартовый энтузиазм быстро сменялся долгим и вязким доведением до первого реального релиза.
Отсюда и ключевой тезис: доверие в эксплуатации нельзя объявить презентацией, его приходится медленно накапливать. В опросе 59% респондентов заявили, что для внедрения им нужна почти идеальная точность, а еще примерно трое из десяти готовы мириться лишь с уровнем около 80%. Для AI-агенты в SRE это очень высокий порог: красивые демо тут бесполезны, нужен проверяемый ход рассуждений. NeuBird поэтому делает ставку на объяснимость, причем не как приложение для аудита в конце закупки, а как часть самого продукта. Компания утверждает, что фиксирует цепочку рассуждений по каждому решению, а внутри использует для этого Langfuse. С инженерной точки зрения посыл понятный: агент должен объяснять свои выводы примерно так же, как это делает старший коллега после ночного инцидента, а не выдавать еще одну стену текста. Вдобавок компания говорит о SOC 2 Type II, режиме только на чтение и отсутствии хранения данных как о базовых архитектурных гарантиях, без которых разговор о доверии вообще не начинается.
Еще одна важная деталь в исследовании — предпочтение режима co-pilot. 62% опрошенных хотят, чтобы AI помогал, но не заменял инженера. Это довольно трезвая позиция, особенно если вспомнить, что зрелость команды в эксплуатации измеряется не количеством магии, а количеством управляемого риска. Мартель описывает вполне земной сценарий постепенной автоматизации: часть playbook'ов можно пометить как безопасные и отдать агенту, а все, что выше заранее оговоренного порога риска, должно проходить через ручное подтверждение. Например, аккуратно добавить памяти поду до известного лимита — одно дело. Выполнить более опасное изменение в бою — уже повод вернуть человека в контур. Для российских команд, где прод до сих пор часто защищают не только процессом, но и коллективной травмой от прошлых аварий, такая схема звучит заметно реалистичнее, чем лозунги про полностью автономные операции.
Опрос одновременно показывает, почему тема вообще не уходит с повестки. Чуть больше половины респондентов ждут от AIOps ответов менее чем за пять минут, а 75% хотят получить их максимум за десять. Для привычной инцидентной механики это очень жесткий таймер. Пока дежурный соберет фактуру, пока подтянутся сеть, платформа, база, приложение, пока все откроют свои дашборды и начнут спорить, SLA уже может трещать. Идея агента в этом месте не в том, чтобы торжественно заменить on-call инженера, а в том, чтобы сделать за него самую рутинную и дорогостоящую часть раннего расследования еще до того, как человек успеет зайти в систему. Если этот сценарий сработает, war room как основной формат разбора инцидентов действительно начнет выглядеть анахронизмом.
Есть и еще один неудобный для рынка сигнал. 52% участников опроса сказали, что готовы рассмотреть смену телеметрического стека, если AI-инсайты будут одинаково хорошо работать поверх любого бэкенда. Для вендоров наблюдаемости это неприятная новость: ценность постепенно может смещаться от хранения метрик и логов к слою интерпретации, зависимости и принятия решений. Проще говоря, платить будут не тому, кто лучше рисует графики, а тому, кто быстрее и убедительнее объясняет, что сломалось, почему и что делать дальше. Для разработчиков, продактов и IT-директоров здесь вывод простой: AI-агенты в SRE становятся не еще одной игрушкой для инновационного комитета, а новым интерфейсом к эксплуатации. Но путь в прод им, похоже, придется заслужить по старым правилам инфраструктуры: через предсказуемость, проверяемость и очень скучную, зато жизненно важную надежность. Подробности исследования и комментарии NeuBird AI собраны в материале .