| dc.contributor.author | Педосенко, Д. | uk |
| dc.contributor.author | Pedosenko, D. V. | en |
| dc.date.accessioned | 2026-09-03T10:32:04Z | |
| dc.date.available | 2026-09-03T10:32:04Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | Педосенко Д. Метод адаптивного управління життєвим циклом інтелектуальних агентів у мультидоменних ITSM-системах // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/28824. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/52955 | |
| dc.description.abstract | 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. | uk |
| dc.description.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. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/28824 | |
| dc.subject | software lifecycle | en |
| dc.subject | AIOps | en |
| dc.subject | ITSM | en |
| dc.subject | multi-tenant architecture | en |
| dc.subject | intelligent agents | en |
| dc.subject | MLOps | en |
| dc.subject | DevOps | en |
| dc.subject | життєвий цикл програмного забезпечення | uk |
| dc.subject | мультидоменна архітектура | uk |
| dc.subject | інтелектуальні агенти | uk |
| dc.title | Метод адаптивного управління життєвим циклом інтелектуальних агентів у мультидоменних ITSM-системах | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.41:004.8 | |
| dc.relation.references | знань; 3) доменна параметризація шаблону для конкретного клієнта; 4) офлайн-оцінювання з подальшим канарковим випуском на частку трафіку; 5) онлайн-моніторинг якості рішень, витрат токенів та поведінки інструментів; 6) ітеративне доопрацювання промтів і конфігурацій за результатами оцінювання; 7) міграція на нову версію базової моделі або виведення агента з експлуатації. Для зіставлення запропонованого методу з відомими підходами здійснено порівняльний аналіз ключових моделей супроводу програмних рішень з компонентами штучного інтелекту, результати якого наведено у таблиці 1. Таблиця 1. Порівняння моделей життєвого циклу для AI-компонент у ITSM-системах Модель Сфера застосування Сильні сторони Обмеження для ITSM-агентів Класичний DevOps Безперервна інтеграція Зрілі інструменти, Не охоплює дрейф коду швидкі випуски моделі та якість відповідей MLOps ML-моделі прогнозування Відтворюваність, Слабко покриває автоматичне агентську поведінку та дотренування інструменти LLMOps / AgentOps Промпт-інженерія, Оцінювальні Не враховує оцінювання LLM набори, мультидоменну спостережуваність ізоляцію артефактів Запропонований AI-driven ITSM з Доменний шар Потребує організаційної метод мультидоменним артефактів, зрілості замовника розгортанням синхронізовані субжиттєві цикли На основі сформульованих етапів розроблено архітектуру програмного середовища, яке реалізує запропонований метод. Основні функціональні модулі такого середовища наведено у таблиці 2. Таблиця 2. Функціональні модулі системи підтримки життєвого циклу AI-агентів Модуль Функції Реєстр шаблонів агентів Зберігання версіонованих базових конфігурацій агентів Менеджер доменних артефактів Версіонування промтів, інструментів і знань конкретного клієнта Конвеєр офлайн-оцінювання Виконання тест-наборів та обчислення метрик якості агента Оркестратор канаркового випуску Поетапне розкочування нової версії на частку трафіку домену Сервіс онлайн-спостережуваності Збір телеметрії, оцінок користувачів і логів інструментів Детектор дрейфу та регресій Виявлення відхилень і запуск процедур відкату або оновлення Реалізація запропонованої архітектури дає змогу скоротити час від виявлення проблеми у поведінці агента до її усунення, забезпечити незалежне версіонування артефактів кожного клієнтського домену та підтримати повторюваність релізів у мультидоменному середовищі. Висновки У роботі проаналізовано особливості життєвого циклу інтелектуальних агентів, що функціонують у складі AI-driven ITSM-систем з мультидоменним розгортанням. Показано, що наявні моделі життєвого циклу програмного забезпечення лише частково задовольняють вимоги до супроводу таких систем, оскільки не охоплюють специфіки доменно-залежних артефактів, недетермінованої поведінки агентів і необхідності безперервного оцінювання якості. Запропоновано метод адаптивного управління життєвим циклом, що інтегрує практики DevOps, MLOps та оцінювально-керованого розроблення з виділеним доменно-залежним шаром артефактів. Сформульовано основні етапи методу та визначено функціональні модулі програмного середовища, що підтримує його реалізацію. На відміну від еталонних агентських AIOps-фреймворків, запропонований метод явно враховує мультидоменну специфіку та доменно-залежне версіонування артефактів. Отримані результати можуть бути використані під час проєктування комерційних AI-driven ITSM-платформ та слугувати основою для подальших досліджень моделей і процесів життєвого циклу інтелектуальних інформаційних систем[6]. СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ | uk |
| dc.relation.references | 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 | en |
| dc.relation.references | 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 | en |
| dc.relation.references | 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 | en |
| dc.relation.references | 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 | en |
| dc.relation.references | Zota R. D., Brbulescu 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 | en |
