Door AI Trends Staff  

Naarmate AI meer mainstream wordt als een aanpak voor softwareontwikkeling, moeten de IT-operaties van ondernemingen worden betrokken bij het beheren van de complexiteit ervan. De behoefte aan AI om IT-operaties, AIOps, te helpen, is versneld naarmate organisaties proberen AI-systemen in hun productieomgevingen op te nemen.    

Tools positionering in de AIOps-markt nemen analytics en machine learning om de klus te klaren. Gartner voorspelt dat het gebruik van tools in deze categorie zal groeien van vijf procent van de grote ondernemingen in 2018 naar 30% door 2023.  

Tools voor AIOps “bieden modern ITOps teams een real-time inzicht in elk type probleem, ”aldus Venugopala Chalamala, oprichter en CEO van Atlas, een IT-servicebedrijf, in een recent account in Forbes. "Traditionele IT-beheeroplossingen kunnen het volume niet bijhouden en bieden ook realtime inzicht en voorspellende analyse." 

Gevraagd om advies te geven aan organisaties die beginnen met AIOps, stelde Wilson Pang, de CTO van Appen, de probleem dat moet worden aangepakt duidelijk worden gedefinieerd. “Is het doel om afwijkingen op te sporen die mensen moeilijk kunnen vinden? Of wilt u een tool waarmee uw Ops-team de hoofdoorzaken snel kan identificeren wanneer zich een probleem voordoet? Of wil je een automatisch herstelmechanisme inzetten via AI? AIOps kan op veel gebieden helpen, ”zei hij. Appen is een AI-dienstenbedrijf dat helpt bij het verzamelen van afbeeldingen, tekst, spraak, audio en video, en andere gegevens die nodig zijn om AI-systemen te bouwen.   

Naarmate het aantal AI-systemen toeneemt, moet de monitoringstrategie worden aangepast, suggereerde een andere leidinggevende. “Je moet goed begrijpen wat er nodig is om te monitoren en op te slaan. Hoe meer AI-modellen, hoe complexer de monitoringstrategie. Vervolgens moet u de criteria van aanvaardbare prestaties door een model of een groep modellen definiëren ”, aldus Rosaria Silipo, Ph.D., de belangrijkste datawetenschapper bij MES, gevestigd in Zürich, en biedt software voor machine learning en datamining-analyse. "Ten slotte is er een strategie nodig om de training opnieuw te triggeren wanneer de prestaties onder een acceptatiedrempel komen", zei ze.  

Forrester-analist stelt voor dat geautomatiseerde tools IT-personeel kunnen vrijmaken 

Voor zover de AIOps-tool IT-operatietaken kan automatiseren, kan IT-operations-personeel worden vrijgemaakt voor ander werk, stelt Rich Lane, senior onderzoeksanalist, infrastructuur en operaties bij Forrester Research, uit een artikel in SiliconenHOEK.   

Het zou voor het IT-personeel beter zijn om zich te concentreren op 'projectwerk dat klanten betere digitale diensten oplevert en hen helpt de taken met weinig complexiteit en grote volumes uit te voeren die ze minstens 20 besteden.% van hun dag op, zo niet meer, ”verklaarde Lane. 

Tools met slimme analyses die gegevens kunnen bekijken die zijn verzameld via een reeks applicaties en apparaten van eindgebruikers en automatisch in realtime op problemen kunnen reageren, hebben de voorkeur, stelde hij voor. "Als je kijkt naar waar de mensen zich vandaag bevinden, en vooral tijdens de vele maanden van de pandemie, dan raken velen van hen echt uitgebrand door steeds weer dezelfde taken uit te voeren, gewoon door te proberen de lichten aan te houden", aldus Lane. . "We zouden die dingen moeten automatiseren."  

Vanuit het oogpunt van een applicatieprestatiebeheerbedrijf AppDynamiek, AIOps verwijst naar het gebruik van AI en machine learning om grote hoeveelheden gegevens uit elke hoek van de IT-omgeving op te nemen en te analyseren, de complexiteit ervan te verminderen door datasilo's samen te brengen met de middelen om ze te filteren, patronen te detecteren en zinvolle informatie te clusteren voor meer efficiënt handelen.  

Hierdoor kunnen IT-teams prestatie-uitdagingen proactief en in realtime beheren voordat ze systeembrede problemen worden. AIOps-tools zijn ook in staat om te voorspellen wanneer problemen zich voordoen, zodat ze kunnen worden voorkomen. 

Momenteel kan AIOps worden toegepast op de volgende toepassingen, stelt het bedrijf voor: 

Intelligente alarmering: Door gegevens uit elk deel van de IT-omgeving op te nemen, filtert en correleert AIOps de zinvolle gegevens in incidenten. Dit voorkomt alarmstormen die het gevolg zijn van domino-effecten. Intelligente alarmering vermindert ook alertheid vermoeidheid en helpt bij het stellen van prioriteiten op basis van gebruikers- en bedrijfsimpact.  

Interdomein situationeel begrip: AIOps verzamelt alle gegevens en creëert causaliteit / relaties, geeft IT een overzicht van wat er op het spel staat en stelt het in staat om de informatie op te splitsen en in stukjes te snijden voor een beter begrip van de situatie. 

MachineING de identificatie van waarschijnlijke grondoorzaken: Eenmaal gewaarschuwd, krijgt IT de belangrijkste vermoedelijke oorzaken te zien en bewijs dat leidt tot de conclusies van AIOps. Dit helpt vertrouwen op te bouwen en biedt de mogelijkheid voor feedback, waardoor de AI-engine kan leren van menselijke expertise. 

Cohortanalyse: AIOps blinkt uit in de analyse van enorme hoeveelheden gegevens. Met moderne, sterk gedistribueerde architecturen waarin tienduizenden instances tegelijkertijd worden uitgevoerd, is het identificeren van uitschieters in configuratie of geïmplementeerde applicatieversies een onoverkomelijke taak voor mensen.   

MachineING sanering: AIOps helpt bij het automatiseren van closed-loop remediation voor bekende problemen. Zodra problemen zijn geïdentificeerd - en gebaseerd op historische gegevens van eerdere problemen - stelt AIOps de beste aanpak voor om het herstel te versnellen.  

Als advies voor IT-managers over hoe verder te gaan, adviseerden de AppDynamic-experts: identificeer uw AIOps-doelen, ga stap voor stap en houd de AIOps-markt nauwlettend in de gaten, want deze evolueert snel. 

In andere suggesties van leidinggevenden die in Forbes werden geciteerd, suggereerde Ali Siddiqui, de Chief Product Officer bij BMC, een toonaangevend bedrijfssoftwarebedrijf, dat de waarde van een AIOps-tool toeneemt naarmate het meer gegevens kan observeren en analyseren.  

“Het is ook belangrijk dat er een open benadering is die kan worden geïntegreerd met uw bestaande IT-tools en databronnen. Zodra u over uw tools beschikt, identificeert u de juiste processen die flexibiliteit en samenwerking tussen functies ondersteunen om te integreren in Dev, Ops en beveiliging, ”verklaarde hij. "Ten slotte moeten organisaties nadenken over de mensen: uw meest waardevolle hulpbron opnieuw inzetten om ervoor te zorgen dat de juiste tools en processen aanwezig zijn en dat u op basis van inzichten kunt handelen." 

Het is belangrijk dat de organisatie die op zoek is naar AIOps een systeem heeft om bij te houden wat er in de IT-operatie gebeurt. Muddu Sudhakar, de oprichter en CEO van Aisera, leverancier van AI-servicemanagementsoftware, verklaarde: “De sleutel is om een ​​goed incidentbeheersysteem te hebben. Je hebt ook een zeer goed logboeksysteem nodig. Ook moet er proactief en voorspellend beheer zijn van incidenten en uitval. Je wilt niet dat mensen dit doen. " 

Lees de bronartikelen en informatie in Forbesin SiliconenHOEK en van AppDynamics. 

Bron: https://www.aitrends.com/aiops/guidelines-for-getting-started-with-aiops/