Streszczenie: Technologia Artificial Intelligence for IT Operations (AIOps) wspiera i automatyzuje działy operacyjne IT, umożliwiając zarządzanie skomplikowanymi systemami biznesowymi poprzez analizę dużych ilości danych z różnych źródeł oraz wykrywanie korelacji i potencjalnych anomalii. Jest to szczególnie przydatne dla firm posiadających dedykowane aplikacje biznesowe, gdzie wsparcie techniczne może być ograniczone. AIOps ułatwia pracę działom programistycznym i wsparcia technicznego, wskazując potencjalne problemy i sugerując rozwiązania. Przykładowo, w sytuacji zwiększonego ruchu na stronie internetowej podczas akcji promocyjnych, AIOps może automatycznie zwiększyć zasoby infrastruktury, zapobiegając przeciążeniom systemu. Dzięki zdolności do samouczenia się, AIOps potrafi odróżniać rzeczywiste błędy od nieistotnych zdarzeń, minimalizując szum informacyjny i optymalizując działania operacyjne. Badanie Forrester Total Economic Impact wykazało, że zastosowanie narzędzia Turbonomic, opartego na technologii AIOps, przynosi średnio 471% zwrotu z inwestycji, z okresem zwrotu wynoszącym mniej niż sześć miesięcy. W przyszłości można spodziewać się dalszego rozwoju AIOps i AI, co wpłynie na sposób zarządzania IT w przedsiębiorstwach.
O tym, w jaki sposób narzędzia opierające się na technologii analitycznej Artificial Intelligence for IT Operations pomagają przedsiębiorstwom lepiej zarządzać operacjami IT i infrastrukturą, opowiada Sylwester Pruszkowski, inżynier ds. sprzedaży w Cloudware Polska.
Artificial Intelligence for IT Operations (AIOps) to nowy trend na rynku IT, zmierzający w kierunku wsparcia i automatyzacji działów operacyjnych IT. Czy mógłby pan opowiedzieć nieco więcej o tej dziedzinie i na jakie problemy biznesowe odpowiada jej zastosowanie?
AIOps to faktycznie nowy trend na rynku IT, którego celem jest wsparcie i automatyzacja działów operacyjnych. Rozwiązanie odpowiada na zapotrzebowanie w obszarze utrzymania coraz bardziej skomplikowanych systemów biznesowych. Jest przeznaczone do obsługi dużych ilości danych pochodzących z różnych źródeł oraz wykrywania korelacji i potencjalnych anomalii, które mogą wystąpić w złożonych aplikacjach.
Warto zaznaczyć, że AIOps jest szczególnie przydatny w firmach, które posiadają aplikacje biznesowe szyte na miarę, gdzie wsparcie techniczne może nie być łatwo dostępne. Jeśli dysponujemy dedykowanym rozwiązaniem, to musimy opierać się na własnej wiedzy. Tymczasem rozwiązania AIOps ułatwiają pracę działom programistycznym czy supportowym poprzez m.in. wskazywanie, gdzie potencjalnie może wystąpić problem i jak sobie z nim poradzić. Jak to działa w praktyce? Wyobraźmy sobie, że jesteśmy właścicielem sklepu internetowego. Jest czarny piątek, a nasze serwery stają się coraz bardziej przeciążone przez ilość wejść kupujących na naszą stronę. W końcu system pada. Dzięki stosowaniu AIOps takie sytuacje nie mają racji bytu, ponieważ rozwiązanie samo „zauważy” anomalię i na nią zareaguje – w tym przypadku zwiększając w odpowiednim czasie zasoby infrastruktury naszego sklepu.
Reasumując, AIOps to technologia, która pomaga przedsiębiorstwom lepiej zarządzać operacjami IT i infrastrukturą poprzez wykrywanie i rozwiązywanie problemów jeszcze przed ich wystąpieniem.
W nazwie technologii AIOps występuje sztuczna inteligencja (AI) – w jaki sposób ujawnia ona swoje działanie? Skąd wiemy, że to AI, a nie „zwykłe” algorytmy?
O sztucznej inteligencji stanowi umiejętność samostanowienia i samouczenia, a sama AI to nic więcej jak właśnie algorytmy. Jeśli dostarczymy im odpowiednią ilość danych, powinny wyciągać z nich wnioski i potencjalnie udoskonalać same siebie. W technologii AIOps sztuczna inteligencja potrafi rozpoznać anomalię i zareagować na nią w sposób właściwy dla systemu – ponieważ się tego nauczyła. Z biegiem czasu jest też w stanie zrozumieć, które zdarzenia są rzeczywiście błędem, a które nie mają wpływu na działanie systemu, dzięki temu unikamy szumu informacyjnego i minimalizujemy zadania operacyjne do tych niezbędnych.
W jaki sposób zastosowanie rozwiązań AIOps wpływa na pracę działów IT?
AIOps, zaczynając od najniższego poziomu, to agent, który rozpoznaje wszystkie procesy uruchomione na serwerze, dobiera w odpowiedni sposób wszelkie metryki i decyduje o tym, które działania należy monitorować. W dalszej kolejności warstwa przetwarzania danych świetnie sobie radzi w analizowaniu i łączeniu ze sobą wszystkich węzłów przetwarzania działających we wszystkich aplikacjach biznesowych, przedstawiając je zainteresowanym w formie wizualnej. Co robią w tym czasie programiści? Mogą skupić się na innych zadaniach, których nie można zautomatyzować, np. rozwijaniu nowych, innowacyjnych funkcjonalności.
Jednym z elementów wdrożenia AIOps jest zbieranie wysokiej jakości danych o infrastrukturze i operacjach – m.in. po to, by szkolić i kierować systemami AI w celu ich optymalizacji i monitorowania. Ten etap nazywany jest „obserwalnością” (observability). Czym różni się on od standardowego monitorowania wydajności aplikacji (APM)?
Enterprise observability obejmuje również standardowe monitorowanie wydajności aplikacji, ale w odróżnieniu od APM posiada dodatkowe możliwości. Najważniejsza z nich to interpretacja zbieranych z różnych źródeł danych, w tym metryk czy logów. Dzięki temu użytkownik otrzymuje szerszy kontekst tego, co dzieje się w obserwowanym systemie. Dodatkowo rozwiązania typu observability umożliwiają predykcję niedalekiej przyszłości. Takie działanie pomocne jest przy wychwytywaniu przyszłych anomalii. AIOps pomaga również w sferze bezpieczeństwa, co jest pomocne w wykrywaniu zagrożeń związanych z cyberbezpieczeństwem.
Przykładem narzędzia do monitorowania wydajności aplikacji jest IBM Instana. Proszę o podanie korzyści wynikających ze stosowania tego rozwiązania – z perspektywy biznesowej?
Każda firma jest skupiona przede wszystkim na ciągłości funkcjonowania biznesu. IBM Instana Observability zapewnia ją poprzez ciągły monitoring kondycji aplikacji i informowanie nas o potencjalnych problemach, które niewykryte mogłyby doprowadzić właśnie do przerwania ciągłości biznesu. Kolejną ważną funkcją z perspektywy biznesowej jest zautomatyzowana diagnostyka, która znacznie skraca czas wykrywania błędów – co z jednej strony wpływa na poprawę wydajności systemów, a z drugiej przekłada się na lepsze wyniki finansowe.
Kolejnym ważnym aspektem AIOps jest optymalizacja zasobów IT, a narzędzie, które jest w tym przydatne, to IBM Turbonomic. Proszę opowiedzieć, na czym dokładnie polega jego zastosowanie.
IBM Instana Observability wspiera warstwę aplikacyjną, natomiast IBM Turbonomic – infrastrukturalną. Warto przy tym zaznaczyć, że nie ma znaczenia, czy mówimy o infrastrukturze opartej o własne centrum danych, serwery fizyczne czy rozwiązania chmurowe. Turbonomic zapewnia użytkownikom przede wszystkim jak najbardziej efektywne wykorzystanie mocy obliczeniowej, pamięci masowej i zasobów sieciowych. Monitoruje użycie tych zasobów i podpowiada nam, w jaki sposób możemy je zoptymalizować. Ostatecznie wpływa to na redukcję kosztów, ponieważ oprogramowanie jest w stanie szybciej oszacować przykładowo wydajność jakiejś aplikacji albo wskazać, który fizyczny host jest niewykorzystywany, więc należałoby go wyłączyć (ekstremalny przykład).
Warto przy tym przytoczyć wyniki badania Forrester Total Economic Impact, które wykazało, że zastosowanie Turbonomic daje średnio 471% zwrotu z inwestycji, a okres zwrotu wynosi mniej niż sześć miesięcy!
Obserwując dynamiczny rozwój AIOps i samej AI, należy przypuszczać, że w przyszłości możemy spodziewać się większego wykorzystywania technologii, które będą miały wpływ na sposób zarządzania IT. Czy już teraz widoczne są jakieś trendy w tym zakresie?
AIOps to dość młody obszar, który w parze ze sztuczną inteligencją dość dynamicznie rozpycha się po rynku. W kontekście AI trudno też nie wspomnieć o ChatGPT, który zyskuje coraz większe grono zwolenników. Choć należy podkreślić, że pojawiają się także obawy o etyczność stosowania tego typu rozwiązań. Na szczęście w obszarze AIOps nie musimy się tym przejmować, ponieważ tutaj operujemy wyłącznie konkretnymi danymi – profilujemy wykorzystanie AI pod konkretny cel, który nie stanowi przedmiotu etycznych rozważań.
Życzeniowo chciałbym, aby to automatyzacja była bardziej wykorzystywana i rozwijana, chociażby po to, by poprawiać diagnostykę i reakcje na anomalie – a to dopiero początek jej zastosowań.
Im więcej schematów uda nam się zautomatyzować, tym mniej mozolnej pracy pozostawimy człowiekowi, choć trzeba przyznać, że ludzie wciąż boją się o swoje stanowiska. Natomiast uważam, że warto uświadamiać w tym zakresie swoich pracowników i tłumaczyć im, że takie rozwiązania są wdrażane m.in. po to, aby im pomóc. •
