--- title: Araç Çoğalması ve Yapay Zeka Ağ İşletimini Zorlaştırıyor url: https://www.dataloco.com/tr/arac-cogalmasi-ve-yapay-zeka-ag-isletimini-zorlastiriyor published: 2026-10-12T14:53:30+00:00 language: tr section: Yapay zeka source: https://www.computerwoche.de/article/4233191/tool-wildwuchs-und-ki-erschweren-den-netzwerkbetrieb.html organizations: Enterprise Management Associates publisher: Dataloco --- # Araç Çoğalması ve Yapay Zeka Ağ İşletimini Zorlaştırıyor Kuruluşlardaki ağ ekipleri, yapay zekanın giderek daha fazla işletme görevini üstlendiği durumlarda, bir insanın ne zaman kontrol edip karar vermesi gerektiğini belirlemek zorunda kalmaktadır. Bu durum, modern bilgi teknolojisi operasyonlarında gözlemlenebilirlik araçlarının aşırı çoğalması ve bu araçların yarattığı karmaşa ile doğrudan bağlantılıdır. Yapay zeka sistemleri altyapıda değişiklik yapmaya başladıkça, insan denetiminin önemi daha da artmaktadır. Enterprise Management Associates analist kuruluşu tarafından gerçekleştirilen ve üç yüz elli altı bilgi teknolojisi uzmanının katıldığı bir araştırma, şirketlerde genellikle altı ila sekiz arasında gözlemlenebilirlik aracının kullanıldığını ortaya koymuştur. Bu araç çeşitliliği, entegrasyon süreçlerini zorlaştırmakta, personel kaynaklarını tüketmekte ve bilgi teknolojisi altyapısı üzerindeki genel görüşü engellemektedir. Araçların fazla olması, teknik uzmanları bağlamakta, personel ihtiyacını artırmakta ve arızaların giderilmesini geciktirmektedir. Çoğu şirket, alarm bildirimlerini birbirleriyle ilişkilendirmek veya anormallikleri tespit etmek gibi gözlemlenebilirliğin belirli alanlarında zaten yapay zekadan yararlanmaktadır. Ancak yapay zeka kullanımı bile, karmaşık bilgi teknolojisi ortamları için gerekli tüm araçları tek bir platformda birleştirmeyi başaramamaktadır. Araştırma bulgularına göre, katılımcıların yüzde elli biri inceleme sırasında gözlemlenebilirlik ortamını standartlaştırma yönünde adımlar atmış durumdadır. Katılımcıların yüzde otuz ikisi bu tür girişimleri planlamakta veya değerlendirirken, yüzde on yedisi standartlaştırma sürecini tamamlamıştır. Daha büyük şirketler, kendi beyanlarına göre daha fazla gözlemlenebilirlik aracı kullanmaktadır. Araç çeşitliliğinin sonuçları bilgi teknolojisi ekipleri tarafından çeşitli seviyelerde hissedilmektedir. Katılımcıların yüzde kırk beşi, birden fazla aracın işletilmesi için yüksek personel ve nitelik ihtiyacına işaret etmektedir. Katılımcıların yüzde kırk dördü, karmaşık entegrasyonların ve uygulama programlama arayüzlerinin teknik uzmanların zamanını aldığını bildirmektedir. Yüzde kırk bir, araçlar arasında sürekli geçiş yapmanın hata aramayı ve arızalara tepki vermeyi yavaşlattığını açıklamaktadır. Yüzde kırk, daha yüksek manuel çaba gerekliliğinden şikayet etmektedir. Yüzde otuz dört ise alarm yoğunluğunun gereksiz rutin işlere neden olduğunu ve çalışanları zihinsel olarak yıprattığını belirtmektedir. Buna ek olarak, toplam işletme maliyetlerinde artış, arızaların daha yavaş tespit edilmesi ve giderilmesi, tutarsız veri kalitesi ve izleme boşlukları gibi sorunlar yaşanmaktadır. Ağ ekibinin araçları sorunsuz bağlantılar bildirse ve bulut ile uygulama ekiplerinin araçları sorunsuz işletim gösterse bile, kullanıcılar sorun yaşamaya devam edebilmektedir. Yapay zeka, bu bilgileri bir araya getirmeye ve işletme süreçlerini otomatikleştirmeye yardımcı olabilir ancak bilgi teknolojisi işletimindeki temel eksiklikleri ortadan kaldırmamaktadır. Katılımcıların yüzde otuz ikisi, yapay zekayı gözlemlenebilirlik araçları genelinde kapsamlı şekilde kullandıklarını belirtirken, yüzde elli birisi bunu seçili alanlarda uygulamaktadır. On üç yüzde ise henüz pilot aşamasındadır. Kullanım amaçları arasında arızaları özetleme ve açıklama, alarmları ilişkilendirme ve ilgisiz alarmları filtreleme yer almaktadır. Kapasite tahminleri, anormallik tespiti, öngörücü analizler ve hata nedenlerinin aranması da diğer uygulama alanlarıdır. Yapay zekayı kapsamlı kullanan şirketler, gözlemlenebilirliği standartlaştırma stratejileri konusunda daha iyimser görünmektedir. Araç çoğalmasıyla ilgili sorunlar birbirini güçlendirebilmektedir. Bu nedenle, şirketler gözlemlenebilirlik ortamını basitleştirmeden önce kullanılan araçlar için net kurallar ve sorumluluklar belirlemelidir. Etkili bir araç yönetişimi vazgeçilmezdir. Katılımcı şirketlerin yüzde yirmi dördünde gözlemlenebilirlik araçları için yönetişim tamamen merkezileştirilmiştir. Yüzde kırk sekizi ise sorumluluğu büyük ölçüde birleştirmiş, belirli bilgi teknolojisi alanları için istisnalar bırakmıştır. Merkezi sorumluluğa sahip şirketler, standartlaştırma stratejilerine daha iyimser bakmaktadır. Ancak sadece yetkileri merkezileştirmek yeterli değildir; ilgili ekibe uygulama için gerekli kaynaklar da sağlanmalıdır. Yapay zeka sistemleri ağ altyapısında bağımsız olarak değişiklik yapmaya başladığında, bunların kontrolü daha da kritik hale gelmektedir. Şirketler yapay zekaya ne kadar özerklik tanırsa, onun yönetimiyle o kadar fazla ilgilenmek zorunda kalır. Yapay zeka olasılıklara dayalı çalıştığı için yanıtları ve eylemleri her zaman öngörülebilir değildir. Klasik güvenlik mekanizmaları ise belirli kuralları takip ederek deterministik çalışır. Bir yapay zeka sistemi, meşru bir iş sürecinin arkasında yatan bir kuralı gereksiz olarak yorumlayıp silebilir. Bu nedenle ağ ekipleri, yapay zeka daha fazla işletme görevi üstlenirken, insanın ne zaman devreye gireceğini net bir şekilde tanımlamalıdır. İnsan denetimi, olağandışı istisnalar, iş açısından kritik kurallar ve potansiyel olarak zararlı veya hatalı sonuçlar durumunda özellikle gereklidir.