ИИ-агенты резко увеличивают объём телеметрии и усложняют контроль над сетевой наблюдаемостью. По данным исследования State of Observability 2026 от Cisco Splunk, 57% организаций тратят на наблюдаемость больше, чем стоит сама инфраструктура, за которой они следят. В опросе участвовали 2 050 специалистов по ИТ-операциям и инженерии из 10 стран.
Ещё 60% респондентов говорят, что неожиданные всплески в счетах создают больше операционной нагрузки, чем стабильно высокие расходы. А 55% не могут точно контролировать свои расходы на ИИ.
Почему агенты генерируют столько данных
«Продакшен-агент отправляет в 4–5 раз больше данных в виде телеметрии», — заявил Камал Хатхи (Kamal Hathi), старший вице-президент и генеральный менеджер Splunk в Cisco, в интервью Network World.
Помимо традиционных трассировок приложений, агенты создают телеметрию о рабочих процессах, вызовах инструментов, извлечённом контексте, взаимодействиях с моделью и аутентификации. Когда агенты общаются друг с другом, объём данных в мультиагентных сессиях может расти экспоненциально, пояснил Хатхи.
«ИИ-агенты одновременно являются источником и потребителем машинных данных, — сказал Грег Леффлер (Greg Leffler), директор по евангелизму среди разработчиков в Splunk. — Этот двойной спрос быстро создаёт приток объёма данных и способствует непредсказуемым затратам».
Слепые зоны в сети
Рост расходов на телеметрию усугубляет уже существующую проблему: организации продолжают собирать большие объёмы данных, которые могут быть не нужны, отметил Леффлер.
Только 6% респондентов назвали ИИ-инфраструктуру главным источником затрат на наблюдаемость. На первом месте оказались шумные логи — 31%, за ними следуют метрики с высокой кардинальностью — 27% и объём трассировок — 21%. Леффлер признал, что исследование не оценило, какая доля роста затрат приходится именно на ИИ-агентов по сравнению с традиционным сбором данных.
По данным отчёта, 38% организаций сократили охват или срок хранения телеметрии, чтобы сдержать расходы. Это потенциально создаёт слепые зоны при устранении неполадок в сети.
«При сокращении охвата или хранения данных часто жертвуют историческими и разовыми расследованиями, и это создаёт слепые зоны для сетевых команд», — сказал Леффлер. Он добавил, что более короткие сроки хранения ограничивают исторические расследования, а уменьшение выборки повышает риск пропустить периодические сетевые проблемы.
Наблюдаемость за самими агентами
Помимо затрат на телеметрию, организациям приходится следить за работой ИИ-агентов, чтобы они действовали корректно и безопасно в рамках установленных правил.
Хотя 87% респондентов назвали мониторинг ИИ приоритетом, исследование выявило несколько проблем:
- 56% не могут измерять метрики рабочих нагрузок ИИ, например качество ответов больших языковых моделей;
- 49% заявили, что их инструменты наблюдаемости не обладают достаточными возможностями для мониторинга ИИ;
- 38% сообщили, что в их организациях не определены чётко ответственные за мониторинг ИИ.
«Инструменты сами по себе не могут определить, хорош ли результат; для этого нужно соглашение о том, что означает “качество” для каждого случая использования, и навыки, чтобы превратить это определение в точные оценки», — сказал Хатхи.
Сетевые операционные команды играют важную роль, потому что агенты генерируют значительный сетевой трафик, отметил Леффлер. Командам нужно отслеживать традиционные метрики — задержку и потери пакетов, — а также работать с командами безопасности, чтобы отличать легитимную активность агентов от вредоносного трафика. Например, ИИ-агент, многократно вызывающий API, может создавать трафик, похожий на атаку.
Исследование также показало, что 81% респондентов отметили рост сотрудничества между командами наблюдаемости и безопасности при мониторинге рабочих нагрузок ИИ.
Как сдерживать расходы
Для управления затратами на телеметрию и повышения видимости агентов Леффлер рекомендует развернуть нейтральный к вендорам OpenTelemetry Collector.
«С помощью OpenTelemetry Collector — технологически независимого инструмента для обработки и экспорта данных телеметрии — можно использовать процессоры как для управления затратами, так и для маркировки источников трафика, чтобы повысить видимость агентов и их инфраструктуры», — сказал Леффлер.
Для сетевых команд задача больше не сводится только к управлению растущим объёмом телеметрии от ИИ-агентов. Нужно определить, сколько данных необходимо для сохранения видимости, не позволяя расходам на наблюдаемость выйти из-под контроля. Смежные подходы к открытым сетевым решениям разобраны в материалах об открытом стандарте OSPA для коммутаторов и о Cisco N9000 с поддержкой SONiC.
Частые вопросы
Кого касается это исследование?
Всех, кто эксплуатирует сети и системы наблюдаемости: 2 050 специалистов по ИТ-операциям и инженерии из 10 стран. Особенно остро проблема стоит у компаний, которые уже внедрили ИИ-агентов в продакшен.
Насколько больше данных генерирует агент в продакшене?
По словам Камала Хатхи из Splunk, продакшен-агент отправляет в 4–5 раз больше данных в виде телеметрии, чем традиционные приложения.
Что чаще всего раздувает счёт за наблюдаемость?
Шумные логи — 31% респондентов назвали их главным драйвером затрат. Далее идут метрики с высокой кардинальностью (27%) и объём трассировок (21%). ИИ-инфраструктуру главным источником затрат назвали только 6%.
Чем опасны неожиданные всплески в счетах?
60% респондентов говорят, что непредсказуемые скачки биллинга создают больше операционной нагрузки, чем стабильно высокие расходы. Планировать бюджет и объяснять его руководству становится сложнее.
Как сокращение телеметрии влияет на поиск неполадок?
38% организаций уже урезали охват или срок хранения данных. При этом теряются исторические и разовые расследования, а уменьшение выборки повышает риск пропустить периодические сетевые проблемы.
Можно ли отличить легитимную активность агента от атаки?
Агент, многократно вызывающий API, может генерировать трафик, похожий на атаку. Поэтому сетевым командам нужно работать вместе с безопасниками и отслеживать задержку и потери пакетов.
Что рекомендует Splunk для контроля затрат?
Развернуть нейтральный к вендорам OpenTelemetry Collector. Его процессоры позволяют управлять затратами и маркировать источники трафика, повышая видимость агентов и их инфраструктуры.
Почему мониторинг ИИ сложен организационно?
87% считают мониторинг ИИ приоритетом, но 56% не могут измерять качество ответов моделей, 49% не имеют достаточных инструментов, а 38% не определили ответственных за мониторинг ИИ.
Источник: networkworld.com