Софтуерната индустрия се надпреварва да пише код с помощта на изкуствен интелект, но се бори сериозно с неговата надеждност след внедряването му в реална среда. Проучване сред 200 ръководители по надеждност на обекти (SRE) и DevOps лидери в големи предприятия в САЩ, Обединеното кралство и ЕС очертава тревожна картина на скритите разходи в бума на ИИ кодирането.

Според доклада на Lightrun „2026 State of AI-Powered Engineering Report“ [1] [2], споделен ексклузивно с VentureBeat, 43% от промените в кода, генерирани от ИИ, изискват ръчно дебъгване в производствени среди (production), дори след като са преминали успешно тестовете за осигуряване на качеството (QA) и междинните среди (staging).

Нито един от анкетираните не е заявил, че неговата организация може да потвърди корекция, предложена от ИИ, само с един цикъл на внедряване. Цели 88% съобщават, че се нуждаят от два до три цикъла, докато 11% изискват между четири и шест.

Цената на „данък надеждност“

Въпреки твърденията на лидери като Сатя Надела (Microsoft) и Сундар Пичай (Google), че около една четвърт от кода на техните компании вече се генерира от ИИ, инфраструктурата за улавяне на грешки изостава значително.

„Инженерингът удря стена на доверие при приемането на ИИ“, казва Ор Маймон, главен бизнес директор в Lightrun. Разработчиците вече прекарват средно 38% от работната си седмица — приблизително два пълни дни — в дебъгване, проверка и отстраняване на неизправности, специфични за средата [2].

Урокът от сривовете в Amazon

Опасностите вече не са теоретични. В началото на март 2026 г. Amazon претърпя поредица от сериозни сривове, които подчертават точно този модел на отказ. На 2 март Amazon.com претърпя прекъсване, продължило близо шест часа, довело до 120 000 изгубени поръчки [5].

Три дни по-късно, на 5 март, по-тежък срив засегна онлайн магазина, причинявайки 99% спад в обема на поръчките в САЩ и загуба на приблизително 6,3 милиона поръчки [3]. И двата инцидента бяха проследени до промени в кода с помощта на ИИ, внедрени в реална среда без надлежно одобрение. В отговор Amazon стартира 90-дневно „нулиране на безопасността на кода“ за 335 критични системи.

Проблемът с „видимостта“

Докладът твърди, че основният структурен проблем е т.нар. „Runtime Visibility Gap“ — липсата на възможност инструментите за ИИ и съществуващите системи за мониторинг да наблюдават какво се случва вътре в работещите приложения.

• 97% от инженерните лидери заявяват, че техните ИИ агенти за SRE работят без значителна видимост в реалното производство.
• 60% от анкетираните идентифицират липсата на видимост в поведението на системата на живо като основна пречка при разрешаването на инциденти.
• В сектора на финансите 74% от екипите се доверяват на човешката интуиция и „племенните знания“ пред автоматизираната диагностика по време на сериозни инциденти [2].

Данните от доклада на Google DORA за 2025 г. потвърждават тази динамика, откривайки, че приемането на ИИ корелира с близо 10% увеличение на нестабилността на кода [4].

Пазарът на AIOps се оценява на 18,95 милиарда долара през 2026 г., но оперативно инструментите остават в експериментална фаза. „Машините се научиха да пишат код. Никой не ги научи да го наблюдават как работи“, заключава Маймон.

Източници:

[1]: 43% of AI-generated code changes need debugging in production, survey finds - VentureBeat
[2]: Lightrun's 2026 State of AI-Powered Engineering Report - Lightrun
[3]: Amazon online store suffers outage for some users - CNBC
[4]: Google 2025 DORA Report: State of AI-Assisted Software Development - Google Cloud
[5]: Amazon down for thousands of users in US, Downdetector shows - Reuters