Али Сиддики – главный технологический офицер компании ВМС.
С целью цифровой трансформации появляются новые вызовы для ИТ-команд в условиях роста искусственного интеллекта и других технологических достижений. Этот давление возникает в то время, когда ИТ-отделы испытывают трудности с удержанием специалистов, и ресурсы остаются ограниченными.
Эта ситуация имеет реальные последствия для занятости ИТ-специалистов. Основная задача ИТ-команды – обеспечение доступности и надежности сервиса. Однако часто ИТ-команды проводят свое время на тушении пожаров и реагировании на чрезвычайные ситуации, вместо того чтобы помогать своим организациям инновациировать.
AIOps, особенно с GenAI, становится все более популярным для помощи ИТ-командам опережать события. AIOps относится к применению искусственного интеллекта в ИТ-операциях, направленного на смягчение рутиных задач и стимулирование инноваций. С учетом этого, давайте рассмотрим три ключевые способности AIOps, позволяющие ИТ-командам переходить от реактивной к проактивной позиции, освобождая время для инноваций.
Современные ИТ-команды сталкиваются с задачей мониторинга сложных гибридных сред, часто полагаясь на огромный арсенал инструментов. Среди них выделяются определенные платформы своей интуитивной пользовательской средой, интеграцией приложений, эвристик и рабочих процессов в единое целое, направленных на повышение операционной эффективности. Такие системы разработаны для доступа даже для менее опытных первоуровневых операционных команд, предоставляя исследования, основанные на искусственном интеллекте и машинном обучении, которые преобразуют необработанные системные данные в практические выводы и рекомендации.
Есть реальная ценность в объединении источников данных и инструментов для обеспечения опытного AI выявления корневой причины сложных проблем. Generative AI идет еще дальше, переводя эти причины в понятные человеку резюме, предлагая решения и прогностические предсказания, используя операционное и сервисное управление и DevOps для экономии времени для ИТ-команд.
Традиционные инструменты мониторинга часто имеют значительный недостаток: многие уведомляют команды о проблемах только после их возникновения, что приводит к аварийному устранению неисправностей, медленным системам и возможным отключениям. Реактивные подходы часто не справляются в современной среде, когда сервисы имеют критическое значение. По мере роста систем в сложность, предвидение и решение проблем до их возникновения становится критичным и является целью каждого главного информационного офицера. Проактивность обеспечивает бизнес-континуитет, который должен включать управление рисками изменений воздействия (как по сфере, так и по тяжести).
Идеальный сценарий включает в себя информирование об проблемах до их влияния на операции, а не попытки смягчения их последствий после факта. Это включает в себя использование прогностического AI, способного идентифицировать проблемы с емкостью и ресурсами, а также потенциальные нарушения или снижения сервисов, и внедрение автоматизированных мер для их решения.
Скорость, с которой эволюционируют системы, часто превосходит человеческий мониторинг и управление. Это обусловило переход к продвинутым корпоративным инструментам с возможностями машинного обучения. Эти инструменты созданы для обработки и анализа огромных объемов системных данных из сложных ИТ-сред, преобразования этих данных в практические выводы и стимулирования автоматизированных реакций. Это позволяет ИТ-специалистам автоматизировать действия на основе всестороннего понимания операций своих систем и их воздействия на бизнес-цели.
Путем использования аналитики данных и автоматизированных действий организации могут лучше оптимизировать ценные ИТ-ресурсы, позволяя им приоритизировать задачи, создавать ценность и проводить инновационные мероприятия для увеличения потенциального бизнес-воздействия.
В виду обширности и разнообразия современной ИТ-инфраструктуры, сетей и приложений, а также разнообразия данных, которые производят системы, модели машинного обучения и искусственного интеллекта часто рассматриваются как необходимыех в инструментарии операций ИТ.
В среде, где ИТ-команды фокусируются на KPI, таких как предсказание отказов, анализ корневых причин и среднее время восстановления, человеческий разум может испытывать затруднения в приверженности объему и сложности данных достаточно быстро, чтобы иметь ощутимое воздействие на эти показатели. Когда организации полагаются на ручные, трудоемкие процессы для достижения показателей, они могут столкнуться с трудностями в масштабировании и стандартизации своих усилий по решению проблем.
Однако многие организации столкнутся с вызовами при внедрении технологий AIOps. Среди таких вызовов могут быть:
• Качество данных: ИТ-команды должны постоянно мониторить и учитывать миллионы поступающих данных и гарантировать их отсутствие ошибок и предвзятости. Некачественные данные могут привести к серьезным последствиям, таким как злоупотребление или дефектные результаты.
• Сложность и масштаб: По мере роста ИТ-операций предприятий и увеличения данных и инструментов возрастает дополнительное усложнение процесса согласования и моделирования сервисов для активов, которые охватывают облака, главные системы и приложения к сети.
• Силосы: ИТ-организации часто разделены, а не объединены под одним зонтом.
• Уверенность в автоматизации: Может быть сложно получить правильный контекст для выделения корневой причины и рекомендуемых действий на основе предыдущих случаев.
Для успешной реализации AIOps важно внедрить его на открытой платформе, которая интегрируется с существующими инструментами, обеспечивает готовые к использованию продвинутые возможности искусственного интеллекта/машинного обучения (включая причинный, прогностический и генеративный AI) и ускоряет автоматизацию. В конечном итоге вам стоит думать о случаях использования, которые важны для вашего бизнеса, и начинать с небольших шагов для доказательства ценности. С таким подходом AIOps может помочь вам принимать лучшие и более быстрые решения для вашей организации.
Прочная стратегия AIOps также требует культурного изменения. Успешные организации стандартизируют процессы для упрощения автоматизации, улучшают управление для поддержки новых ролей и эффективно реагируют на управление изменениями в организации. На практике это означает обеспечение согласованности внутренних целей, подготовку команд к принятию неудач и росту из них, а также обеспечение межфункционального сотрудничества. Открытая и последовательная коммуникация является необходимой. Этот культурный поворот может обеспечить эффективное использование сотрудничества и выравнивание всех на общую цель компании.
В целом, стратегический подход к AIOps может помочь оптимизировать операции для ИТ-команд. Он залагает прочный фундамент для автоматизации ИТ-операций, способствуя более быстрой инновационной деятельности компании.
