CIO價值學院 第二堂課 Cloud Day 會後報導
AI 從 Chatbot、Copilot 演進至 Agentic 時代，自主性與風險同步提升 。Dynatrace 結合 Grail 湖倉與 Smartscape 拓撲技術，融合確定性 AI與代理式AI，打造可追蹤的自主維運架構，透過監督迴圈補足信任缺口，協助企業掌握雲地生態，以可控方式鞏固品牌根基 。
文／明雲青
資訊系統的自主化轉型，是一條從反應式自動化邁向完全自主的階梯 。可觀測性與AI維運平台供應商 Dynatrace 大中華區銷售工程總監賴偉臣表示，企業應採取「爬行、步行、奔跑」分階段策略 。目前企業正處於從自動化腳本過渡到監督式自主的關鍵節點，由人類審批AI生成計畫，在提升效率的同時掌握決策權 。
2026年 Al Agent 全面爆發，潛在資安與維運風險隨之升高 。缺乏防護欄時，不受控的Agent 可能在數秒內引發連鎖故障 。據業界案例顯示，Agent 曾在 9 秒內誤刪生產資料庫，事後僅留悔過書，凸顯 AI 缺乏稽核追蹤與驗證迴圈的隱患 。根據 Dynatrace 調查，65%的企業難以信任 AI監控結果，根源在於LLM 的上下文視窗有限，若無單一可靠資料來源，幻覺將導致系統中斷與財務損失 。
精準 AI 的落地，始於高品質資料 。Dynatrace 的Grail 湖倉平台採用讀取時定義模式，支撐大規模平行處理；Smartscape 拓撲引擎則映射應用、服務、流程與私有運算設施的依賴關係，提供即時不可變基準 。賴偉臣指出，確定性架構憑藉因果追蹤，彌補生成式AI的幻覺缺口，確保代理在完整上下文中執行任務 。
這套架構循著 AI從深度學習、大型語言模型、進階推理、多代理演進至通用AI的路徑，融合提示、容量、流程、情境、代理、模型融合、框架等多項學科，結合 Dynatrace Davis Al，提供確定性基準，將晦澀信號轉化為修正建議 。
監督迴圈透過 ServiceNow 觸發回滾建議，設置人工檢查點，由網站可靠性工程師(SRE)審查因果追蹤後批准，落實「檢測、規劃、暫停與提議、批准、執行」五步閉環 。據 Dynatrace 的數據，此模式使故障排查準確性提升12倍、速度提升3倍，Token 消耗減少2.5倍 。
這套協作體系在不同角色中各有體現：開發者透過 GitHub Copilot 與 Dynatrace MCP，在VS Code 中即時驗證程式碼；SRE 團隊藉 Azure 與 AWS DevOps Agent 偵測混合雲異常，從救火轉向主動維運；資安團隊則自動發現 SQL Injection，將風險窗口期由數天壓縮至分鐘級 。
這套協作體系讓團隊以AI為槓桿，在分秒必爭的數位環境中從容決策 。軟體穩定運作是品牌信任的基礎，簡化雲端服務與自動化維運是達成目標的路徑 。
