تتغيّر موثوقية SRE مع الذكاء الاصطناعي، ولا يعود ذلك فقط إلى وجود خدمات جديدة تجب مراقبتها. فالذكاء الاصطناعي يأتي من الجهتين معًا: تبعية إنتاجية بنماذجه ووكلائه، وأداة تشغيل بتحليل الحوادث آليًا والمعالجة بمساعدته. ويجد مهندسو SRE أنفسهم يراقبون أنظمة احتمالية بأدوات احتمالية بدورها.
الخلاصة التي ترسمها دراسة State of SRE and Platform Engineering 2026 من Dynatrace متوازنة: ممارسات SRE معتمدة على نطاق واسع، لكن فرقًا كثيرة تقضي وقتًا أطول مما تتخيل في تفسير الإشارات والتحقق مما تقترحه أدوات الذكاء الاصطناعي وتجميع بيانات متفرقة.
بدل عرض الوضع العام، يتتبع هذا المقال يوم فريق SRE ويقترح ردود فعل عملية للإمساك بزمام الأمور: أين يفيد الذكاء الاصطناعي فعلًا، وأين ينقل العمل من مكان إلى آخر، وكيف نمنحه استقلالية أكبر تدريجيًا.
يوم نموذجي: أين يدخل الذكاء الاصطناعي في موثوقية SRE
التاسعة صباحًا، مراجعة مناوبة الليل. تنبيهان يخصان مساعد البحث في موقع التجارة الإلكترونية: زمن الاستجابة طبيعي لكن نسبة النقر على النتائج انخفضت. لم تُصدر أي أداة خطأ، فالمؤشر التجاري هو الذي أطلق التنبيه. يظهر التحقيق أن تحديثًا لفهرس المتجهات (vector index) أُطلق بنموذج تضمينات (embeddings) خاطئ.
الحادية عشرة، تقترح أداة تحليل الحوادث سببًا محتملًا لتدهور واجهة API الخاصة بالدفع وتوصي بإعادة تشغيل حاويات (pods). قبل التطبيق يراجع المهندس الطوبولوجيا وعمليات النشر الأخيرة والسجلات (logs). الاقتراح صحيح لكن التحقق استغرق عشرين دقيقة.
الثالثة عصرًا، مراجعة أهداف SLO. تضم اللوحة 140 مؤشرًا، منها نحو ثلاثين لا ينظر إليها أحد. يدور النقاش حول ما يجب حذفه.
تلخّص هذه المشاهد الثلاثة تطور المهنة: أنماط فشل صامتة جديدة، وعمل رقابي على الأتمتة، ومعركة دائمة ضد الضجيج.
الذكاء الاصطناعي: تبعية إنتاجية جديدة
أصبحت متابعة نماذج الذكاء الاصطناعي من أكثر الاستخدامات التي يذكرها مهندسو SRE، متقدمةً على موضوعات تقليدية مثل إدارة الحوادث أو أهداف SLO. وليس ذلك صدفة: فالنموذج أو الوكيل يُدخل مخاطر لا تراها مقاييس البنية التحتية، مثل انجراف الإجابات وسوء جودة بيانات الإدخال وقرارات يصعب تفسيرها وكشف بيانات حساسة.
وبالنسبة إلى هذه الأنظمة لم يعد التوافر كافيًا لتعريف الموثوقية. يجب أيضًا متابعة اتساق المخرجات والدقة المقيسة بالتقييم وزمن الاستدلال والتكلفة. فصّلنا هذه المؤشرات في ما تغيّره أعباء عمل الذكاء الاصطناعي لفرق SRE، والرؤية الشاملة في دليلنا لقابلية ملاحظة الذكاء الاصطناعي.
لماذا تنقل الأتمتة العمل بدل أن تلغيه؟
توقعت فرق كثيرة من الذكاء الاصطناعي انخفاضًا واضحًا في العمل اليدوي وكشفًا أسرع وتكاليف أقل. وفي الواقع تغيّرت طبيعة جزء من العمل فحسب. فمراجعة تحليل مولَّد، وفحص معالجة مقترحة، والتأكد من أن وكيلًا لم يتصرف خارج نطاقه، كلها تستهلك وقتًا.
السبب الرئيسي هو نقص السياق. أداة الذكاء الاصطناعي التي ترى جزءًا فقط من المكدس (السجلات دون الطوبولوجيا، والمقاييس دون عمليات النشر) تنتج استنتاجات يجب على الإنسان إكمالها. وكلما كان السياق المقدَّم أغنى وأكثر ترابطًا صار التحقق أسرع. وهذه هي فائدة النهج التي تمنح المساعدين وصولًا منظمًا إلى قابلية الملاحظة، مثل إضافة Dynatrace لـ Cursor أو خادم Dynatrace MCP.
إشارات أقل وأحسن اختيارًا
تستخدم قرابة تسع مؤسسات من كل عشر أهداف SLO في جزء من أنظمتها على الأقل، وبوابات الجودة الآلية شبه شاملة. ومع ذلك يبقى تكاثر المصادر والمقاييس أول عائق مذكور. ومع الذكاء الاصطناعي يظهر فخ إضافي: بوابة جودة تنجح في بيئة ما قبل الإنتاج لا تضمن شيئًا لنظام احتمالي. يجب أن يستمر التحقق في الإنتاج.
القاعدة العملية: ابدأ بالإشارات الذهبية الأربع (زمن الاستجابة وحجم الطلبات والأخطاء والتشبع)، وأضف مؤشرات تتمحور حول المستخدم، ثم بضع إشارات للذكاء الاصطناعي (الانجراف والاتساق والتكلفة) تطلق إجراءً محددًا.
عمليًا: منح الذكاء الاصطناعي استقلالية متدرجة
الخطوة 1: المراقبة دون تنفيذ
يحلل الذكاء الاصطناعي ويقترح، ويقرر الإنسان وينفذ. نقيس نسبة الاقتراحات الصحيحة على مدى أسابيع. هذه هي المرحلة التي نتعلم فيها الثقة به، أو عدمها.
الخطوة 2: معالجة خاضعة للإشراف
في الإجراءات القابلة للتراجع والمفهومة جيدًا، يجهّز الذكاء الاصطناعي الإجراء ويعتمده إنسان بنقرة واحدة. يُسجَّل كل إجراء مع السياق الذي برّره.
الخطوة 3: استقلالية محدودة ومؤطَّرة
لا تنتقل إلى التشغيل الآلي إلا الإجراءات منخفضة المخاطر ضمن نطاق محدد. وتحدد سياسة مكتوبة وخاضعة لإدارة الإصدارات القواعد، مثلًا:
politique_autonomie:
service: api-catalogue
actions_autorisees:
- redemarrer_pod:
max_par_heure: 3
condition: "slo_latence en dépassement depuis 10 min"
- augmenter_replicas:
plafond: 12
actions_interdites:
- rollback_base_de_donnees
- modification_regles_reseau
escalade: astreinte-catalogue
journal: obligatoire
الخطوة 4: المراجعة الدورية
راجع كل شهر الإجراءات الآلية: كم منها حلّ المشكلة، وكم منها أُلغي، وكم منها أخفى سببًا أعمق. وسّع النطاق أو قلّصه بحسب هذه النتائج.
الخطوة 5: تكييف التحليل اللاحق للحادثة مع حوادث الذكاء الاصطناعي
أضف إلى نموذج التحليل اللاحق (post-mortem) بضعة أقسام خاصة بالذكاء الاصطناعي:
## Composant IA impliqué
- Modèle et version :
- Prompt ou configuration modifié récemment :
- Données ou index mis à jour :
## Détection
- Signal qui a alerté (technique / qualité / métier) :
- Délai entre dégradation et détection :
## Suite
- Nouvel exemple ajouté au jeu d'évaluation :
- Nouvelle règle de garde-fou :
ولربط سجلات الحادثة بسرعة باستعلامات قابلة لإعادة الاستخدام، تنطبق الطريقة الموصوفة في تحليل أنماط السجلات على خدمات الذكاء الاصطناعي أيضًا.
أفضل الممارسات
- تعريف موثوقية نظام الذكاء الاصطناعي بسلوكه، لا بتوافره فقط.
- تغذية أدوات المعالجة بسياق كامل: الطوبولوجيا وعمليات النشر والسجلات والأحداث التجارية.
- عدم الانتقال إلى الاستقلالية إلا بضوابط مكتوبة وتسجيل للأحداث ومالك محدد.
- حذف المؤشرات التي لا تطلق أي قرار بانتظام.
- احتساب الوقت المنفق في التحقق من الذكاء الاصطناعي: إنه عمل يدوي متكرر (toil) ويجب قياسه.
الأسئلة الشائعة
هل سيحل الذكاء الاصطناعي محل مهندسي SRE؟
لا شيء يدل على ذلك. إنه ينقل العمل نحو المراقبة وتحديد ضوابط الحماية وتحليل أنظمة أكثر تعقيدًا. ويبقى الحكم البشري محوريًا في القرارات عالية التأثير.
كيف نعرف أن المعالجة الآلية موثوقة؟
بقياسها: معدل النجاح ومعدل الإلغاء والحوادث المخفية. لا تكون المعالجة موثوقة إلا إذا رُصدت في الوضع الخاضع للإشراف مدة كافية على نطاق مستقر.
ما الإشارات التي تُتابَع أولًا لخدمة ذكاء اصطناعي؟
الإشارات الذهبية الأربع، ومؤشر جودة ناتج عن تقييمات على الحركة الفعلية، واستهلاك الرموز (tokens)، ومؤشر تجاري مرتبط بالخدمة المقدَّمة.
الخلاصة
لا يبسّط الذكاء الاصطناعي موثوقية SRE، بل يجعلها أكثر تطلبًا وأكثر إثارة للاهتمام. الفرق الأنجح تعامل قابلية الملاحظة كطبقة سياق مشتركة، وتمنح الاستقلالية على مراحل مقيسة، وتقلّص الضجيج بدل إضافة إشارات. وتبقى ردود الفعل نفسها التي صنعت نجاح SRE في الأنظمة الموزعة أفضل بوصلة.
للتوسع: AI is changing the reliability game for SREs (مدونة Dynatrace، بالإنجليزية).
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC. Dynatrace علامة تجارية لشركة Dynatrace LLC. تحقق دائمًا من القيم (المنافذ والإصدارات والأحجام) في الوثائق الرسمية الخاصة بإصدارك.