Intelligenza artificiale promette di consentire macchine o bot per prendere il pesante lavoro di molte parti di imprese. Ora, sono sempre di più le iniziative, così come fornitore di prodotti, che autonomamente assumere il pesante lavoro dei reparti di tecnologia dell’informazione.
Foto: Ufficio Stampa del CERN
L’automazione di funzioni IT è in continua evoluzione, per decenni, ovviamente, da lavoro-sistemi di programmazione nel 1990 l’auto-guarigione systems ha introdotto più di un decennio fa. In questi giorni, l’automazione va da molti nomi, come sistemi autonomi, self-sistemi di guida o bot. Ultimamente, più di esso è caduta sotto il moniker di AIOps, unendo la sfilata di xOps metodologie, promettendo di applicare AI e di machine learning per meccanizzare, standardizzare e automatizzare l’erogazione di servizi IT.
Così lontano, così buono con AIOps, almeno nelle implementazioni che hanno avuto luogo finora. Un sondaggio di 200 dirigenti che dicono di essere già al lavoro con gli strumenti o pratica dicono che li aiuta a gestire la propria boli di pelo. Il sondaggio, pubblicato dalla OpsRamp, dire che l ‘ 87 per cento d’accordo che AIOps strumenti sono in grado di offrire valore “attraverso proattivo le operazioni e migliorare ibrido resilienza dell’infrastruttura.” Dal OpsRamp è un fornitore di AIOps strumenti, è ovvio che sarebbe tromba questi risultati. Allo stesso tempo, i punti di dati per cui AIOps è meglio distribuito, e alcune delle questioni ancora in mano il progresso.
Cominciamo con i problemi riscontrati con AIOps iniziative. I problemi specchio quelli visti con AI e machine learning-la costruzione di fiducia dei set di dati, e di trovare il talento che può fare AI e AIOps una realtà. Più di due terzi dei AIOps implementatori dire è di prendere il tempo per costruire la fiducia nella pertinenza e affidabilità delle AIOps raccomandazioni. Fino a quando ciò accade, l’indagine degli autori nota, “le squadre di combinare conoscenze basate su dati concreti, con un giudizio umano, al fine di trarre le conclusioni per l’ottimizzazione delle prestazioni.”
Una simile porzione di responsabili IT, il 64 per cento, dicono che non possono trovare la capacità di fare AIOps una realtà. L’indagine trova che ci vuole una maggioranza di imprese, il 53 per cento, tra i sei e i dodici mesi, per il noleggio di scienza di dati e analytics professionisti. Per più di uno su dieci, ci vuole più di un anno per assumere esperti. Teoricamente, nel lungo periodo, AIOps dovrebbe ridurre il fabbisogno di competenze per eseguire centri dati. Ora, però, le squadre hanno bisogno di acquisire competenze in tecniche di apprendimento automatico e di combinarli con incidente capacità di analisi a supporto AIOps distribuzioni.
Un’altra preoccupazione citata dalla maggior parte dei responsabili IT, il 57 per cento, è anche la stessa preoccupazione che è stata espressa preoccupazione circa le altre nuove tecnologie in passato-la perdita di controllo. Sono manager pronti a cedere il controllo totale di una self-driving sistemi autonomi che fornire spunti per la diagnosi del problema, la risoluzione dei problemi e il recupero? Non è ancora del tutto.
Ancora, tra quelle attivamente lavorando con AIOps, ci sono alcuni vantaggi di riporto, soprattutto sul piano operativo delle cose, secondo il sondaggio. Ci sono i guadagni di produttività, dall’eliminazione di basso valore, le attività ripetitive di fronte a un incidente del ciclo di vita (citato da 85 per cento), la rapida risoluzione dei problemi e veloce, root cause analysis (80 per cento), e di infrastrutture migliori performance attraverso la “riduzione del rumore” (77 per cento).
L’indagine esamina anche i cinque principali di un caso d’uso per AIOps in questo momento:
Intelligente di avviso (citato da 69 per cento di coloro che usano la AIOps strumenti). “AIOps strumenti offrono contestuale notifiche di allarme che consentono di DevOps squadre capire la cronologia degli eventi, semplificare l’incidente di collaborazione, e di soddisfare i requisiti per la risoluzione del problema,” l’indagine gli autori di stato.Root cause analysis (61 per cento). “AIOps assicura un servizio migliore operatività e affidabilità con una rapida diagnosi del problema che combina l’impatto di visibilità e contesto del servizio per determinare la possibile causa e l’effetto, per problemi operativi.” Anomalia di rilevamento delle minacce (55 per cento). “Algoritmi di apprendimento automatico possono rapidamente identificare anomalie attraverso il riconoscimento di pattern, in modo che le squadre in grado di estrarre il segnale dal rumore e identificare gli eventi che si discostano dal normale comportamento del sistema.”Capacità di ottimizzazione (54 per cento). La capacità di gestire le risorse di sistema è sempre stato la pietra angolare di gestione della performance, e di AI e di machine learning sta ora aiutando a farlo attraverso varie nuvole e sistemi on-premise, come necessario.Incidente auto-riparazione (53 per cento). L’indagine trova due intervistati su cinque sono stati in grado di accelerare in modo significativo il tempo per risolvere gli incidenti, e uno su dieci sono stati in grado di tagliare complessivo incidente tempi di risoluzione di quasi la metà.
Questi casi d’uso e i benefici di AIOps finora si riferiscono ad aumentare le prestazioni e la fornitura dei servizi IT da un punto di vista interno. Mentre è ancora un passo lontano da fonti di vantaggi di business, tuttavia, potenzialmente rafforzare lo scopo di servire come un business all’interno di un business, fornendo un servizio clienti di qualità superiore e le esperienze dei clienti mantenendo bassi i costi.
Argomenti Correlati:
Centri Dati
CXO
La Leadership Di Pensiero
L’innovazione
Tecnologia e Lavoro