AIOps обещает стать ключевой стратегией для успеха ИТ-операций, однако какие рычаги способствовали ее росту и тенденциям?

"Если ошибка случилась один раз, это урок. Если ошибка повторяется дважды, это выбор».

Большинство групп ИТ-операций не могут предложить полное видение всей компании, что создает разрозненность и головную боль при разрешении инцидентов. Ошибки дорого оплачиваются. Да, это так.

Как вы думаете, сколько времени в среднем уходит на разрешение одного ИТ-инцидента? 2,2 часа. Как насчет денег? 72 000 долларов США за каждую минуту перерыва в работе ИТ-услуг. А по количеству людей нужно? ? Как правило, для устранения инцидента необходимо около 6 сотрудников.

Черт возьми!

А что обычно бывает? Человек, ответственный за решение этих инцидентов, говорит вам, что это не его/ее проблема и что вам следует поговорить со службой поддержки, служба поддержки направляет вас обратно к ИТ-менеджеру и т. д., предотвращая «нарушение» зависимости между людьми и знаний, которые находятся в головах каждого из них, что увеличивает риск человеческой ошибки.

"Давайте соберем больше данных, новые потоки данных, создадим другие конвейеры и проекты, потому что мы должны управлять данными"… ОПАСНО!!. Чем больше рабочих потоков существует без контроля и подчинения, тем сложнее будет обнаружить, диагностировать и решить критические проблемы, порождающие обстановку нестабильности внутри компании.

Мы не сможем доверять данным.

Если вы хотите узнать больше, посетите oscargarciaramos.com

AIOps спешит на помощь!

Очевидно, что командам ITOps требуется все больше и больше помощи, особенно в условиях, когда удаленная работа становится важным вариантом, который выбирают сотрудники, что усложняет управление всеми этими инцидентами. Компании хотят продолжать удовлетворять потребности своих клиентов, постоянно внедряя изменения, но для этого требуется высокая гибкость.

Как работает AIOps?

Искусственный интеллект для ИТ-операций, также известный как AIOps или аналитика ИТ-операций (ITOA), представляет собой интеграцию Инструменты искусственного интеллекта и автоматизации в рабочие процессы ИТ. В основном мы имеем в виду реализацию программного обеспечения, применяющего методы AI/ML для раннего выявления корреляции событий, обнаружения аномалий и ошибок определения причинно-следственной связи. Таким образом, мы можем генерировать ключевые показатели эффективности бизнеса в режиме реального времени, что позволяет ИТ-командам быстрее разрешать инциденты и сокращать их количество.

Gartner определяет AIOpsкак сочетаниефункций больших данных и машинного обучения, используемых для автоматизации процессов ИТ-операций, включая корреляцию событий, обнаружение аномалий и определение причинно-следственной связи.

AIOps выступает в качестве посредника для гибкости ИТ за счет упреждающих и автономных операций.

Он состоит из трех основных шагов: Наблюдение — Вовлечение — Действие
, и эти шаги выполняются в непрерывном цикле.

Наблюдение → Анализ производительности
В этой первой задаче программное обеспечение сосредоточится на обработке источников данных в режиме реального времени, а также на мониторинге традиционных процессов и событий журнала для автоматического обнаружения аномалий в данные и кластеризовать / классифицировать их в соответствии с их сходством.

Engage → Experience Management
После классификации система уведомит ИТ-группу об этих аномалиях и предупредит о возможных узких местах или возможных проблемах с производительностью различных приложений.

Действовать → Автоматизация доставки
По мере того, как система будет учиться на этих аномалиях, она сможет находить решение, даже не полагаясь на вмешательство человека, позволяя решать проблемы еще до того, как они достигнут конечных пользователей. или ИТ-команды могут узнать о них.

Почему AIOps сейчас в тренде?

С ростом практики машинного обучения и искусственного интеллекта его алгоритмы все чаще способны выполнять задачи с меньшим количеством ошибок, быстрее, дешевле и в масштабе, которые ранее выполнялись вручную.

Сегодня данных слишком много, чтобы люди могли управлять ими функционально или вручную, и вот где в игру вступают ИИ и машинное обучение.

Вот основные причины тренда AIOps:

  • Дополнительные данные о производительности для анализа. По данным Splunk, поставщика AIOps, 73 % данных остаются неиспользованными ИТ-специалистами.
  • Ожидается более короткое время отклика, так как компании и приложения B2C становятся более отзывчивыми.
  • Более сложные структуры с более сложной ИТ-архитектурой становятся все более сложной задачей.
  • Динамические среды, любое изменение требует новой корректировки.

Итак, что дальше?
Garner прогнозирует, что использование компаниями инструментов мониторинга AIOps увеличится с 5 % в 2018 году до 30 % в 2023 году.

Постоянная угроза ИТ-командам может нарушить нормальное функционирование их повседневных операций, угрожая всему бизнесу, который от них зависит.

Инциденты обходятся дорого, а риск человеческой ошибки возрастает, что требует принятия мер.

AIOps больше не вариант, а необходимость.

Вы можете оставить комментарий или поделиться этим сообщением. Подпишитесь на me для будущих публикаций.

А если вы хотите узнать больше, вы можете найти меня на oscargarciaramos.com