O evaluare publicată pe arXiv pe 6 iulie 2026 a trecut 302 incidente Kubernetes auditate calitativ prin modele cu retrieval augmentat și a punctat separat două capacități. Numirea serviciului care a cauzat incidentul: corectă între 91,4% și 99,7% din cazuri. Alegerea unei acțiuni valide de restabilire pentru incidentul pe care tocmai îl diagnosticase: între 36,8% și 60,3%. Între cele două coloane stau patruzeci până la cincizeci și cinci de puncte, iar distanța asta e cea mai utilă cifră publicată despre AIOps anul acesta.

Asta e o afirmație despre tipuri de muncă, nu despre calitatea modelelor. Modelul citește bine și decide prost, iar asta împarte piața în două grămezi. O parte din munca operațională eșuează vizibil, în fața omului care o are pe mână. O parte eșuează transformându-se într-o acțiune asupra producției. AIOps își face banii în primul tip și e deocamdată o povară în al doilea, iar cea mai mare parte a dezamăgirii de pe piața asta vine din a-l cumpăra pentru al doilea după un demo al primului.

Corelarea alertelor, deduplicarea și prima versiune a poveștii

PagerDuty își promovează produsul AIOps spunând că reduce zgomotul alertelor cu până la 91%. Citește asta alături de un sondaj din februarie 2026 pe 1.039 de profesioniști din SRE, DevOps și operațiuni IT, sponsorizat de NeuBird, în care 44% au raportat în ultimul an o întrerupere legată de alerte suprimate sau ignorate. O corelare care strânge patruzeci de alerte într-un singur incident e un câștig real. O corelare care decide discret ce alerte nu vezi niciodată e felul în care se produc acei 44%, iar ce le desparte e dacă gruparea poate fi inspectată.

Cele mai puternice cazuri sunt cele pe care un om le poate verifica în câteva secunde. Un model care citește istoricul de deploy, deplasarea metricii și trei fluxuri de loguri și redactează narațiunea incidentului face o muncă altfel făcută la 3 dimineața de cineva cu memorie proastă, iar când greșește dovada stă chiar în paragraf. Explicarea motivului pentru care s-a mișcat o factură e același tip de sarcină, plină de corelații pe care un om le observă cu o lună întârziere, iar State of FinOps 2026 al FinOps Foundation, publicat pe 19 februarie 2026 pe 1.192 de respondenți care administrează peste 83 de miliarde de dolari de cheltuială anuală, a constatat că 98% dintre ei gestionează acum cheltuiala de IA, față de 31% cu doi ani înainte. Transformarea unui incident rezolvat într-un runbook scris e și mai bună: faptele sunt stabilite, iar cel mai prost rezultat e un om care corectează o frază.

Analiza de cod cu IA pe infrastructură prinde o clasă de greșeli și e oarbă la alta

Raportul Veracode GenAI Code Security 2026, publicat pe 28 iulie 2026, a testat peste 100 de modele și a constatat că rata medie de trecere a testelor de securitate a rămas blocată la 56%, cu un punct peste 55%. Aproximativ 44% dintre sarcinile de generare au introdus o vulnerabilitate riscantă atunci când nimeni nu a cerut explicit securitate în prompt. Cel mai bun, GPT-5.5, a ajuns la 68%, ratând în continuare o sarcină de securitate din trei.

Partea neuniformă e partea utilă. Acele modele au trecut sarcinile de SQL injection în 83% din cazuri și pe cele de criptografie în 87%, dar cross-site scripting doar în 15% și log injection în 12%. Un recenzent bazat pe IA e puternic la ce a văzut etichetat de o mie de ori și aproape orb în rest, iar el nu-ți va spune în ce regim e. Pe un diff de infrastructure-as-code, folosește-l ca al doilea cititor pentru greșelile evidente în retrospectivă: security group-ul deschis către 0.0.0.0/0, schimbarea care e o înlocuire, nu o actualizare. Nu-l face poartă: clasele pe care le ratează sunt exact cele pentru care nimeni n-a scris o regulă.

Remedierea autonomă e locul unde dovezile încetează să susțină discursul de vânzare

Același studiu poartă constatarea care ar trebui să încheie discuția despre self-healing pentru încă un an. Chiar și atunci când modelul a identificat corect atât serviciul care a cauzat incidentul, cât și tipul de defect, a ales o remediere invalidă în 39,5% până la 62,0% dintre incidentele diagnosticate corect. Diagnosticul nu se transferă în acțiune. Predicția Gartner din iunie 2025, că peste 40% dintre proiectele de IA agentică vor fi anulate până la finalul lui 2027, numea controalele de risc inadecvate alături de cost, iar acesta e cel care lipsește.

Planificarea de capacitate eșuează dintr-un motiv înrudit: modelul produce o cifră fermă pornind de la dovezi subțiri, iar o cifră fermă e exact ce vrea o ședință de planificare. Articolul 14 din Regulamentul UE privind inteligența artificială e scris tocmai împotriva acestui lucru, cerând ca o persoană care exercită supravegherea să poată întrerupe un sistem cu grad ridicat de risc și să-l aducă într-o stare de oprire sigură, și numind părtinirea față de automatizare drept lucrul căruia supravegherea trebuie să-i reziste.

Plafonul de cheltuială trebuie să stea deasupra consolei de facturare a furnizorului

În mai 2026, unui agent autonom i s-au dat credențiale AWS nerestricționate și i s-a spus să facă port-scan pe DN42, o rețea de pasionați. A provizionat cinci instanțe m8g.12xlarge, cu 48 de vCPU fiecare, plus load balancer-e și funcții Lambda, apoi a tot reaplicat același template CloudFormation. Operatorul a aflat cam 24 de ore mai târziu din debitările pe card, în total 6.531,30 dolari, pentru un workload despre care comunitatea a apreciat că ar fi încăput pe un VPS de 5 dolari pe lună. AWS a redus ulterior factura la 1.894 de dolari. Protecția care a funcționat a fost un credit de bunăvoință.

Uneltele de buget ale niciunui furnizor major nu l-ar fi oprit, iar toți trei o spun în scris. Amazon documentează că AWS Budgets se reîmprospătează de până la trei ori pe zi, fiecare actualizare fiind de regulă cu 8 până la 12 ore în urma celei precedente, o cadență făcută pentru oameni care greșesc scump pe rând. Microsoft afirmă că depășirea unui prag de buget Azure nu afectează resursele și nu oprește consumul, datele de cost fiind disponibile de obicei în 8 până la 24 de ore. Google Cloud afirmă că un buget doar cu alerte nu plafonează automat utilizarea sau cheltuiala. AWS livrează o soluție open-source, Budget Controls, care acționează la 90% dintr-un buget, acoperă patru servicii într-o singură regiune și recunoaște că storage-ul și rețelistica acumulează în continuare costuri. O agenție de trei oameni, despre care s-a scris în iulie 2026, a încasat o factură AWS de 14.000 de dolari într-o singură zi, față de o factură lunară normală de 10 până la 15 dolari, după ce atacatorii au extras chei statice de pe o instanță și le-au cheltuit pe apeluri către modele Bedrock.

Răspunsul nostru e să punem limita acolo unde se emit credențialele, nu acolo unde se asamblează factura. Cheltuiala pe Sencai e urmărită pe măsură ce se întâmplă, pe furnizor, proiect și mediu, cu plafoane și bugete care alertează în timp ce se acumulează, nu pe un ciclu de facturare de 8 până la 24 de ore. Acțiunea automată la depășirea unui plafon e pe roadmap-ul nostru și nu e livrată, deci astăzi tot un om retrage credențiala. IA e singurul buget pe care îl putem mărgini dinainte: se cumpără în credite, iar un credit e o sumă fixă de bani, nu un număr de tokeni, deci o schimbare de preț a modelului mută câți tokeni cumperi cu un credit și niciodată cât valorează el. Fiecare plan personal plătit are o alocare lunară și un plafon dur stabilit la un multiplu al ei, deci un script scăpat de sub control nu poate produce o factură nelimitată. Runbook-urile sunt condiționate de aprobare din același motiv: modelul propune, un om identificat execută.

Un audit trail care poate spune dacă a făcut-o un om sau un model

Articolul 12(1) din Regulamentul UE privind inteligența artificială cere ca sistemele cu grad ridicat de risc să permită tehnic înregistrarea automată a evenimentelor pe durata de viață a sistemului, iar articolul 26(6) cere implementatorilor să păstreze acele jurnale cel puțin șase luni, cu excepția cazului în care altă lege spune mai mult. Dacă îți faci planurile în raport cu o dată din august 2026, corecteaz-o. Regulamentul (UE) 2026/1744, Omnibusul digital privind IA, în vigoare de la 27 iulie 2026, a mutat sistemele de sine stătătoare cu grad ridicat de risc din anexa III la 2 decembrie 2027, iar sistemele încorporate în produse din anexa I la 2 august 2028. Datele s-au mutat; obligațiile nu.

Motivul operațional pentru a construi asta nu are nicio legătură cu termenul-limită. La șase luni după un incident, întrebarea e dacă schimbarea a făcut-o un om sau un model, iar o configurație care înregistrează acțiunile de IA într-un sistem și pe cele umane în altul nu poate răspunde fără un join în care nu are nimeni încredere. Am refuzat să ținem două evidențe: acțiunile modelelor și acțiunile oamenilor ajung într-un singur trail append-only. Sencai îl exportă în CSV cu entry_hash și prev_hash pe fiecare linie, deci un cititor care nu ne crede pe cuvânt poate recalcula lanțul. Câmpul care își merită locul e cel mic de lângă actor, care spune dacă schimbarea a venit de la un om sau de la un model care cheltuiește alocarea unui om.

Regula care iese din dovezi e lipsită de strălucire și rezistă. Lasă un model să citească orice, inclusiv lucrurile pe care le citește prost, pentru că o citire proastă se vede în paragraful pe care l-a scris. Lasă-l să scrie doar acolo unde un om identificat semnează schimbarea și unde dedesubt stă o limită pe credențiale, în caz că și omul acela greșește. Între o notificare de la furnizor pe un ciclu de 8 până la 24 de ore și cineva care își citește mailul în zilele lucrătoare există un detector de fum și niciun sprinkler. Operatorul DN42 avea un detector de fum.