Штучний інтелект дуже швидко навчився писати код, але з експлуатацією софту, тобто з його стабільною роботою після запуску, справи йдуть гірше. Звіт Google DORA 2025, в опитуванні якого взяли участь близько 5 000 респондентів, показує: чим більше команди використовують ШІ, тим швидше вони випускають зміни, але стабільність систем при цьому знижується. Дослідники не встановили, що код, згенерований ШІ, напряму викликає збої. Однак розробники заощаджують час на генерації і витрачають його на рев'ю та перевірку, тож виграш у швидкості частково з'їдається після написання коду.
Проблема в операціях. Більше коду й частіші деплої означають більше точок відмови. Коли щось ламається, інженеру доводиться вручну простежити останні зміни, логи та конфігурації, щоб знайти причину. Додаткові інструменти моніторингу часто лише множать кількість сповіщень, але не прискорюють відновлення. Для багатьох команд, які вже переживають перевантаження алертами, це звучить знайомо, а кожна нова система спостереження додає ще один потік даних, який треба читати.
На цьому тлі з'являються інструменти автономного реагування на інциденти. Стартап DataAgent створює платформу, яка стежить за застосунками та хмарною інфраструктурою, досліджує проблеми і може діяти самостійно. Компанія стверджує, що її ціль — випадки, які не вкладаються в заздалегідь прописані правила, тобто ті ситуації, для яких скриптові плейбуки не працюють. Незалежних даних про продуктивність або вартість рішення компанія поки не опублікувала, тож ефективність лишається недоведеною.
Наскільки довіряти ШІ в роботі з продакшном, видно з опитувань. За даними опитування PagerDuty 2026, 44% компаній вимагають участі людини, якщо ШІ пропонує виправлення для систем, які бачать клієнти. 43% вимагають людини, коли ШІ координує реагування на інцидент. Це означає, що більшість організацій поки не готові віддати автоматиці останнє слово там, де помилка б'є по користувачах. Серед дій, які мають вимагати підтвердження, називають масове видалення даних, вимкнення механізмів безпеки та розкриття чутливої інформації.
Окрему проблему становлять відкати. Rollback, тобто повернення попередньої версії, може не спрацювати, якщо оновлення змінило бази даних або залежності: стару версію коду вже неможливо просто підняти, бо схема даних ушкоджена. Саме тут автоматичне виправлення ризикує створити другий інцидент поверх першого, тому наявність людини в контурі рішень має не формальний, а практичний сенс.
Є й економічний бік. Логи та телеметрія коштують грошей на збір, зберігання й аналіз, і чим більше даних, тим більший рахунок від хмарного провайдера. DataAgent пропонує локальних агентів, які скорочують обсяг даних, що відправляються в хмару. Для українських команд, які працюють з обмеженими бюджетами на інфраструктуру і часто мають вимоги до зберігання даних, цей підхід варто тримати в полі зору, але лише після перевірки на власних навантаженнях.
Відкритим лишається головне питання: чи може ШІ безпечно виконувати повторювані операційні завдання в масштабі. Поки що це не доведено. Водночас роль інженера, за оцінкою дослідників, зміщується в бік проєктування систем і політик, тобто визначення того, що система має право робити сама. Фахівці наголошують, що вигоди від ШІ можуть отримати лише команди з сильними інженерними практиками. Для українського ринку, де багато продуктових команд тільки переходять від ручного релізного процесу до частих деплоїв, це практичне застереження: спершу варто налагодити моніторинг, відкати і рев'ю змін, а вже потім довіряти автоматиці виправлення.