Розмір шрифта:
МЕТОД АДАПТИВНОГО УПРАВЛІННЯ ЖИТТЄВИМ ЦИКЛОМ ІНТЕЛЕКТУАЛЬНИХ АГЕНТІВ У МУЛЬТИДОМЕННИХ ITSM-СИСТЕМАХ
Остання редакція: 2026-04-28
Анотація
У роботі досліджено проблему організації життєвого циклу інтелектуальних агентів, що функціонують у
складі ITSM-систем з мультидоменним розгортанням. Класичні моделі життєвого циклу програмного
забезпечення не враховують особливостей еволюції AI-компонент, специфіку доменно-залежних конфігурацій
та потребу безперервного оцінювання якості агентів після введення в експлуатацію. Запропоновано метод
адаптивного управління життєвим циклом, що поєднує практики DevOps та MLOps з підходом
оцінювально-керованого розроблення і механізмами ізоляції доменних артефактів. Сформульовано основні фази
запропонованого методу та визначено функціональні компоненти програмного середовища, яке підтримує його
реалізацію
METHOD OF ADAPTIVE LIFECYCLE MANAGEMENT OF INTELLIGENT AGENTS IN MULTI-TENANT ITSM SYSTEMS
Abstract:
The paper investigates the problem of organising the lifecycle of intelligent agents operating within ITSM systems deployed across multiple tenant domains. Conventional software lifecycle models do not capture the evolutionary nature of AI components, domain-specific configuration requirements, or the need for continuous quality evaluation after release. A method of adaptive lifecycle management is proposed, combining DevOps and MLOps practices with the evaluation-driven development principle and tenant-domain artefact isolation mechanisms. The principal phases of the method are formulated, and the functional modules of a software environment supporting its implementation are defined.
складі ITSM-систем з мультидоменним розгортанням. Класичні моделі життєвого циклу програмного
забезпечення не враховують особливостей еволюції AI-компонент, специфіку доменно-залежних конфігурацій
та потребу безперервного оцінювання якості агентів після введення в експлуатацію. Запропоновано метод
адаптивного управління життєвим циклом, що поєднує практики DevOps та MLOps з підходом
оцінювально-керованого розроблення і механізмами ізоляції доменних артефактів. Сформульовано основні фази
запропонованого методу та визначено функціональні компоненти програмного середовища, яке підтримує його
реалізацію
METHOD OF ADAPTIVE LIFECYCLE MANAGEMENT OF INTELLIGENT AGENTS IN MULTI-TENANT ITSM SYSTEMS
Abstract:
The paper investigates the problem of organising the lifecycle of intelligent agents operating within ITSM systems deployed across multiple tenant domains. Conventional software lifecycle models do not capture the evolutionary nature of AI components, domain-specific configuration requirements, or the need for continuous quality evaluation after release. A method of adaptive lifecycle management is proposed, combining DevOps and MLOps practices with the evaluation-driven development principle and tenant-domain artefact isolation mechanisms. The principal phases of the method are formulated, and the functional modules of a software environment supporting its implementation are defined.
Ключові слова
життєвий цикл програмного забезпечення; AIOps; ITSM; мультидоменна архітектура; інтелектуальні агенти; MLOps; DevOps
Посилання
1. Hu J., Yan Y., Zhao Y., Wang Z., Lin Y. та ін. «A Survey of AIOps in the Era of Large Language
Models», DOI: 10.1145/3746635, 2025. URL: https://arxiv.org/abs/2507.12472
2. Peralta A., Olivas J. A., Romero F. P., Navarro-Illana P. «Intelligent Incident Management Leveraging
Artificial Intelligence, Knowledge Engineering, and Mathematical Models in Enterprise Operations», DOI:
10.3390/math13071055, 2025. URL: https://www.mdpi.com/2227-7390/13/7/1055
3. Roshan A. та ін. «Multi-Tenant Isolation Challenges in Enterprise LLM Agent Platforms», 2025. URL:
https://www.researchgate.net/publication/399564099_Multi-Tenant_Isolation_Challenges_in_Enterprise_LL
M_Agent_Platforms
4. Steidl M., Felderer M., Ramler R. «The Pipeline for the Continuous Development of Artificial
Intelligence Models: Current State of Research and Practice», DOI: 10.48550/arXiv.2301.09001, 2023.
URL: https://arxiv.org/abs/2301.09001
5. Xia B., Lu Q., Zhu L., Xing Z., Zhao D., Zhang H. «Evaluation-Driven Development of LLM Agents:
A Process Model and Reference Architecture», DOI: 10.48550/arXiv.2411.13768, 2024. URL:
https://arxiv.org/abs/2411.13768
6. Zota R. D., Bărbulescu C., Constantinescu R. «A Practical Approach to Defining a Framework for
Developing an Agentic AIOps System», DOI: 10.3390/electronics14091775, 2025. URL:
https://www.mdpi.com/2079-9292/14/9/1775
Models», DOI: 10.1145/3746635, 2025. URL: https://arxiv.org/abs/2507.12472
2. Peralta A., Olivas J. A., Romero F. P., Navarro-Illana P. «Intelligent Incident Management Leveraging
Artificial Intelligence, Knowledge Engineering, and Mathematical Models in Enterprise Operations», DOI:
10.3390/math13071055, 2025. URL: https://www.mdpi.com/2227-7390/13/7/1055
3. Roshan A. та ін. «Multi-Tenant Isolation Challenges in Enterprise LLM Agent Platforms», 2025. URL:
https://www.researchgate.net/publication/399564099_Multi-Tenant_Isolation_Challenges_in_Enterprise_LL
M_Agent_Platforms
4. Steidl M., Felderer M., Ramler R. «The Pipeline for the Continuous Development of Artificial
Intelligence Models: Current State of Research and Practice», DOI: 10.48550/arXiv.2301.09001, 2023.
URL: https://arxiv.org/abs/2301.09001
5. Xia B., Lu Q., Zhu L., Xing Z., Zhao D., Zhang H. «Evaluation-Driven Development of LLM Agents:
A Process Model and Reference Architecture», DOI: 10.48550/arXiv.2411.13768, 2024. URL:
https://arxiv.org/abs/2411.13768
6. Zota R. D., Bărbulescu C., Constantinescu R. «A Practical Approach to Defining a Framework for
Developing an Agentic AIOps System», DOI: 10.3390/electronics14091775, 2025. URL:
https://www.mdpi.com/2079-9292/14/9/1775
Повний текст:
PDF