HPE Zerto строит on-premises агентную систему устранения неполадок на базе Amazon Bedrock

HPE Zerto создала агентную систему устранения неполадок, которая работает внутри on-premises среды клиента, используя Amazon Bedrock для своей слоя рассуждений. Система соединяет интерфейс на естественном языке с живыми данными аварийного восстановления, документацией по продукту и операционными инструментами, стремясь помочь командам по устойчивости расследовать проблемы без ручного переключения между панелями и материалами поддержки.

Архитектура, подробно описанная в публикации AWS Machine Learning Blog, отражает практическое ограничение для корпоративного ИИ: сервис модели может быть облачным, но чувствительный операционный контекст и выполнение инструментов должны оставаться ближе к инфраструктуре клиента. По словам HPE Zerto, система развёртывается как pod внутри продукта Zerto и доступна через существующий операционный интерфейс.

Для разработчиков ИИ и корпоративных технологических команд важное новшество — не столько новый чатбот, сколько граница, которую HPE Zerto провела вокруг него. Агенты могут рассуждать о текущем состоянии среды и извлекать релевантные знания, но их доступ опосредуется локальными API, системами поиска и средствами безопасности. Такой дизайн призван сделать ИИ-ассистента полезным во время сбоев и проблем конфигурации, не превращая модель общего назначения в неограниченного оператора.

Многоагентный слой, подключённый к живым данным восстановления

Согласно AWS Machine Learning Blog, система использует агентов, построенных с помощью Strands Agents. Эти агенты работают как on-premises pod и могут опираться на три основных источника информации: локально хранящуюся историю разговоров, внутренние инструменты и внешнее извлечение знаний.

Путь внутренних инструментов открыт через локальный сервер Model Context Protocol. Этот сервер предоставляет структурированный доступ к Zerto Manager APIs, позволяя агенту просматривать живую информацию из среды клиента, а не полагаться только на статическую документацию или описание инцидента пользователем.

Внешний путь использует Amazon Bedrock Knowledge Bases для получения общедоступной документации, runbooks и других операционных материалов. Это сочетание важно, потому что устранение неполадок в системах аварийного восстановления обычно требует как текущего состояния, так и процедурного контекста. Оповещение может показывать, что именно отказало, тогда как runbook или руководство по продукту объясняет безопасную последовательность для исследования или исправления.

Интерфейс встроен в существующий пользовательский опыт Zerto. HPE Zerto сообщает, что использует Server-Sent Events для потоковой передачи хода расследования пользователю, показывая промежуточную активность вместо ожидания единственного финального ответа. Заявленные сценарии использования включают ответы на вопросы по конфигурации, помощь в устранении проблем со здоровьем системы, поддержку настройки и внедрения функций, а также сводку по рискам, риску нарушения SLA и готовности к восстановлению.

Это не означает, что модель самостоятельно управляет всей средой восстановления. Источник описывает систему, предназначенную для рассуждений, действий и ответов с помощью предоставленных ей инструментов. Практическая безопасность развёртывания, таким образом, зависит от разрешений, логики проверки и границ действий, реализованных вокруг этих инструментов — деталей, которые AWS post обсуждает на архитектурном уровне, но не полностью количественно оценивает как отчёт о производительности в продакшене.

Почему важна модель on-premises-развёртывания

Целевые пользователи HPE Zerto управляют киберустойчивостью, непрерывной защитой данных и аварийным восстановлением в гибридных или мультиоблачных средах. В таких условиях операционные данные могут включать состояние защищённых рабочих нагрузок, статус репликации, предупреждения, события, отношения между площадками и готовность к восстановлению. Как утверждает компания, проблема в том, что эта информация фрагментирована по интерфейсам и документации, что замедляет принятие решений во время сбоев или киберинцидентов.

Запуск агентного слоя внутри среды клиента частично решает эту проблему. Ассистента можно разместить рядом с системами, которые ему нужно проверять, при этом история сеансов хранится локально, а продукт остаётся доступным через привычный административный UI. Для предприятий это может упростить развёртывание и уменьшить необходимость переносить операционный контекст в отдельное внешнее приложение.

Слой модели по-прежнему опирается на Amazon Bedrock. AWS заявляет, что HPE Zerto выбрала сервис за контролируемый доступ к foundation models, возможность оценивать разные модели и интеграцию с guardrails, observability и сервисами извлечения. HPE Zerto также использует Amazon Bedrock Guardrails для применения политик, соответствия требованиям и средств безопасности к промптам и сгенерированным ответам.

Такая гибридная схема иллюстрирует модель развёртывания, всё более актуальную для корпоративного ИИ: держать доступ к данным и выполнение ближе к системе учёта, а для инференса и выбора модели использовать управляемую модельную платформу. Это может дать гибкость, но также создаёт зависимости между локальным продуктом, сетевым путём к сервисам модели, качеством извлечения и разрешениями, предоставленными каждому агенту.

Доказательства и утверждения по-прежнему исходят от вендора

Доступное доказательство — это кейс AWS Machine Learning Blog, написанный вокруг архитектуры HPE Zerto. Он подтверждает описанные компоненты и подход к развёртыванию, но не даёт независимой проверки точности устранения неполадок, задержки ответа, внедрения клиентами, снижения объёма тикетов поддержки или измеримых улучшений времени восстановления.

Поэтому заявления о более быстрых и более информированных решениях по восстановлению и снижении операционной нагрузки следует читать как предполагаемые результаты системы, а не как независимо проверенные итоги. Источник также не уточняет, какие foundation models используются в продакшене, как организован роутинг моделей и как часто агентам разрешено выполнять прямые действия вместо выдачи рекомендаций оператору.

Вторая публикация AWS Machine Learning Blog об Intuit EWOK Agent от Intuit даёт смежную точку отсчёта, но не дополнительное доказательство в отношении HPE Zerto. Intuit описывает агента, который переводит запросы на failover на естественном языке в проверенные рабочие процессы, тогда как детерминированная система исполнения выполняет изменения инфраструктуры. Intuit говорит, что команды используют эту систему уже восемь месяцев, и сообщает, что поддерживаемые рабочие процессы восстановления могут завершаться примерно за 20 минут, но это собственные утверждения Intuit о своей отдельной платформе.

Оба случая разделяют более общий принцип дизайна: пусть модель ИИ интерпретирует намерение и выбирает из ограниченных возможностей, а детерминированные системы обеспечивают соблюдение политик и выполняют операции с высоким влиянием. Этот паттерн более переносим, чем любой конкретный бенчмарк, но организациям всё равно следует тестировать его на своих данных, режимах отказов и требованиях к управлению изменениями.

Что это значит для разработчиков и корпоративных покупателей

Для разработчиков подход HPE Zerto подчёркивает grounding как проблему интеграции, а не как упражнение по написанию промптов. Агенту нужен надёжный доступ к текущему состоянию продукта, определённая схема инструментов, релевантная документация и достаточно контекста сеанса, чтобы не запрашивать повторно информацию, уже доступную в разговоре. Локальный MCP-сервер может предоставить структурированный интерфейс, но он также становится критической точкой контроля для аутентификации, авторизации, логирования и совместимости API.

Для корпоративных покупателей ключевые вопросы оценки — операционные. Может ли система отличить устаревшее оповещение от текущего состояния? Ссылается ли она или раскрывает источник рекомендации? Могут ли администраторы ограничивать инструменты по роли и среде? Что происходит, если модель недоступна, результат извлечения неполный или запрошенное исправление может повысить риск потери данных? AWS post описывает архитектуру, но не отвечает на все вопросы закупки и управления.

Ценность системы, вероятно, будет наибольшей там, где команды сталкиваются с высокой плотностью информации и неоднородным опытом операторов. Слой на естественном языке может сократить время на сбор контекста и объяснение симптомов, особенно для менее опытных администраторов. Но в аварийном восстановлении полезное объяснение — не то же самое, что безопасное выполнение. Любой переход от диагностики к исправлению требует явных разрешений, шагов подтверждения, аудиторских следов и надёжного возврата к человеку-оператору.

На что смотреть дальше

Следующие значимые сигналы — это подтверждения развёртывания, выходящие за пределы архитектурного описания. HPE Zerto может уточнить, доступен ли ассистент в общем доступе, какие редакции продукта и среды его поддерживают и могут ли клиенты настраивать выбор модели или разрешения инструментов.

Разработчикам также следует отслеживать опубликованные измерения точности ответов, качества извлечения, ложных рекомендаций, экономии времени при расследовании инцидентов и доли действий, которые пользователи принимают или отклоняют. Эти метрики покажут, улучшает ли система операционную работу, а не просто добавляет разговорный интерфейс.

На стороне платформы гибкость моделей останется важным испытанием. HPE Zerto говорит, что Amazon Bedrock позволяет оценивать foundation models по качеству, задержке и стоимости. Реальные сравнения, рекомендации по развёртыванию и более чёткие сведения о резидентности данных и поведении при сбое сети помогут предприятиям понять, даёт ли такая гибкость практическое преимущество.

Взгляд Creati.ai

Система HPE Zerto — полезный пример того, где корпоративный агентный ИИ становится конкретным: внутри существующего операционного продукта, подключённый к живому состоянию и ограниченный API и контролями, которые уже управляют средой. Самая сильная часть дизайна — разделение между разговорным слоем рассуждений и базовыми операционными интерфейсами продукта.

Более сложный вопрос — доказательства. В аварийном восстановлении агент следует оценивать не только по тому, может ли он объяснить оповещение, но и по тому, насколько его рекомендации актуальны, проверяемы и безопасны под давлением. Пока HPE Zerto или её клиенты не опубликуют данные о результатах, это объявление лучше всего понимать как надёжный шаблон развёртывания и архитектуру для оценки — пока не как доказательство того, что агенты уже решили операционные задачи восстановления.