В этом блоге вы подробно узнаете об искусственном интеллекте и его применении в ИТ-операциях, AIOps. Он объясняет концепцию AIOps, цель, варианты использования и прогнозы на будущее простыми краткими словами, чтобы помочь вам сориентироваться на пути к автоматизированному и интеллектуальному рабочему процессу ИТ-операций.
Эта статья изначально была опубликована на The Chief I/O: Все, что вам нужно знать об AIOps
Благодаря научно-фантастическим фильмам и анимациям, когда вы слышите слово ИИ, вы думаете о роботе, способном сделать вашу жизнь проще. Но правда в том, что если вы когда-либо просматривали предложения фильмов Netflix или спрашивали Siri или Alexa о ближайшей заправочной станции, то вы подсознательно взаимодействовали с искусственным интеллектом.
И в этом суть ИИ; он спроектирован так, чтобы ощущаться не как взаимодействие с машиной, а как интеллект, подобный человеческому.
Возьмем, к примеру, типичный чат-бот, используемый малыми предприятиями; он запрограммирован так, чтобы отвечать на предопределенные запросы сообщений и отвечать на ваши вопросы предопределенными сообщениями или часто задаваемыми вопросами.
С другой стороны, ИИ обучен учиться на огромном количестве данных с течением времени, а затем разрабатывать алгоритм, который поможет ему анализировать и решать проблемы, подобные человеческим.
Юнилевер, одна из крупнейших мировых компаний по производству потребительских товаров, в которой работает более ста пятидесяти трех тысяч сотрудников по всему миру, использует искусственный интеллект, чтобы сделать процесс найма более эффективным.
Unilever набирает около тридцати тысяч человек в год и в среднем получает более 1,8 миллиона заявок на участие в этом процессе найма. Обработка этого огромного количества заявок, сортировка и собеседование с людьми — огромная задача, требующая значительного количества времени и ресурсов.
Для проверки эффективности технологии искусственного интеллекта компания заключила партнерское соглашение с Pymetrics. Он использовал ИИ в процессе найма Программа будущих лидеров — программа, доступная всего для 800 человек, но получившая более двухсот пятидесяти тысяч заявок.
Pymetrics разработала онлайн-игру, в которой сначала оцениваются рассуждения, способности, логика и готовность к риску кандидата. Затем следует второй процесс, который требует от кандидата прохождения видеоинтервью. Разумеется, это видеоинтервью оценивает искусственный интеллект. Он использует комбинацию машинного обучения, обработки естественного языка и анализа языка тела, которые являются подмножествами искусственного интеллекта, для оценки каждого кандидата и сопоставления их профилей с профилями ранее успешных сотрудников.
Система собеседования также предназначена для предоставления обратной связи всем участникам с подробностями их процесса оценки, независимо от того, подходят ли они для этой роли.
Подобно тому, как он используется для оптимизации процесса найма, как в случае с Unilever, искусственный интеллект также используется для прогнозирования задержек рейсов в авиационной отрасли, диагностики рака в сфере здравоохранения, повышения качества обучения в сфере образования и других различных вариантов использования. по различным отраслям. С появлением AIOps ИТ-операции не остались в стороне от этой технологической революции.
Что такое AIOps?
Искусственный интеллект для операций или алгоритмические операции, AIOps — это термин, придуманный Gartner, исследовательской фирмой в области ИТ, для описания использования искусственного интеллекта и машинного обучения в ИТ-операциях.
Искусственный интеллект или машинное обучение в ИТ-операциях использует массивные наборы данных для обучения машин выполнению итерационных операций с полуконтролируемым образом. Примерами таких задач являются непрерывная интеграция, развертывание, доставка и мониторинг.
AIOps против MLOps: в чем разница?
Несмотря на то, что их различие кажется сложным, на практике оба термина различны. Например, AIOps и MLOps — это два термина, которые описывают использование искусственного интеллекта и машинного обучения, но в разных случаях.
Вот простое объяснение разницы между AIOps и MLOps;
AIOps относится к применению машинного обучения и искусственного интеллекта в ИТ-операциях для оптимизации повторяющихся задач. MLOPs, с другой стороны, относится к применению ИТ-операций и методов DevOps в рабочих процессах машинного обучения.
Краткая история AIOps
Несмотря на то, что это относительно новый термин, который все еще набирает обороты среди предприятий, машинное обучение в ИТ-операциях можно датировать 2001 годом, когда машинное обучение появилось в ИТ-операциях.
В этот период машинное обучение используется на платформах операционной аналитики для высокоуровневого распознавания образов.
Когда в 2010 году предприятия начали переходить в облако, машинное обучение также испытало больший рост в ИТ-операциях, что способствовало внедрению больших данных для стимулирования роста бизнеса.
В 2016 году искусственный интеллект в ИТ-операциях испытал эффект Гартнера.
Gartner придумала слово «AIOps в 2016 году»; описать линейное использование машинного обучения и искусственного интеллекта для улучшения рабочего процесса ИТ-операций.
Он также определил цели и преимущества AIOps, некоторые из которых мы подробно рассмотрим позже в этом блоге.
С тех пор AIOps пережил значительный рост по мере развития облачных технологий и ИТ-операций.
Цель AIOps
Целью применения искусственного интеллекта в ИТ-операциях является автоматизация ИТ-процессов, интеллектуальный сбор и анализ данных и острое решение ИТ-проблем.
AIOps также помогает объединить ИТ-мониторинг, визуализацию и управление, чтобы обеспечить непрерывное понимание, которое помогает предоставлять долгосрочные решения и улучшения ИТ-проблем.
Для достижения этой цели AIOps объединяет три дисциплины ИТ-операций; управление услугами, управление производительностью и автоматизация.
В 2019 году старший директор-аналитик Gartner Падрейг Брайн сказал: ИТ-операции сталкиваются с проблемами из-за быстрого роста объемов данных, генерируемых ИТ-инфраструктурой и приложениями, которые необходимо собирать, анализировать и обрабатывать. Это предложение резюмирует цель AIOps.
Преимущества AIOps
Краткое описание преимуществ искусственного интеллекта в ИТ-операциях таково; AIOps снижает затраты и увеличивает доход.
В дополнение к этому ниже приведены некоторые преимущества внедрения AIOps в вашей организации.
Автоматизация
Вероятно, самая захватывающая часть технологии AIOps — это автоматизация. От простых до более сложных операционных задач, AIOps позволяет автоматизировать или частично автоматизировать основные сложные задачи, оставляя вас только для наблюдения за действиями.
Улучшает мониторинг
Поскольку ИТ-операции генерируют тысячи данных каждую минуту, мониторинг вашей системной среды и сбор данных для аналитического использования проблематичны. AIOps облегчает это бремя, обеспечивая информативную визуализацию данных с помощью платформ AIOps.
Повышает производительность
Использование потенциала AIOps повышает эффективность и производительность группы ИТ-операций.
ИТ-операции включают в себя множество повторяющихся и сложных задач, таких как сбор данных и мониторинг окружающей среды. Использование автоматизации, предлагаемой AIOps, поможет специалистам по ИТ-операциям упростить и автоматизировать свои повторяющиеся задачи, что позволит им работать быстрее и сосредоточиться на большем количестве бизнес-задач и задач, ориентированных на производительность.
Экономия затрат
Важным фактором, который следует учитывать при выборе любой облачной технологии, является экономия средств. Работа в облаке может быть дорогостоящей, если все сделано неправильно, но AIOps избавляет вас от таких случаев. Кроме того, AIOps обеспечивает значительную экономию эксплуатационных расходов, поскольку многие операционные задачи выполняются автоматически, а не вручную. В результате у ИТ-отдела меньше задач.
Улучшенный клиентский опыт
AIOps помогает вашей организации эффективно создавать бизнес-решения и управлять ими. Искусственный интеллект помогает вам диагностировать и выявлять потенциальные сбои производительности в вашем приложении и дает вам рекомендации, которые помогут вам устранить их до того, как ваши клиенты заметят их. Это улучшает общий пользовательский опыт ваших приложений, поскольку пользователи испытывают меньше сбоев и более эффективно используют ваше приложение.
AIOps также помогает предприятиям решать сложные ИТ-задачи, такие как; динамичность ИТ-архитектур, цифровая трансформация бизнеса, разрозненные ИТ-операции.
Варианты использования AIOps
Несмотря на то, что применение AIOps отличается от одного предприятия к другому, ниже приведены некоторые типичные варианты использования AIOps в ИТ-среде.
Обнаружение аномалий
Команды DevOps часто обнаруживают сбои и аномалии в своей инфраструктуре, когда пользователь сообщает об ужасном качестве обслуживания. Это требует от них быстрой идентификации проблемы, поиска и исправления ошибки вручную. Но со сложными системами данных в современных системах задача становится слишком сложной и менее эффективной. AIOps использует искусственный интеллект, машинное обучение и глубокое обучение для сравнения показателей производительности в реальном времени с прошлой аналитикой для выявления и обнаружения системных аномалий.
Анализ причин
Вместо того, чтобы просто решать проблему на поверхности, важно в первую очередь найти основную причину проблемы. Таким образом, в дополнение к обнаружению аномалий, AIOps может собирать и сопоставлять события, а затем использовать модели логического вывода машинного обучения для разделения связанных событий, чтобы определить основную причину проблем.
ИТ-шумоподавление
Под «ИТ-шумом» мы подразумеваем ложные или ненужные оповещения и уведомления, которые мешают ИТ-персоналу выяснить реальную проблему с системой и приводят к пустой трате времени и ресурсов. Алгоритмы искусственного интеллекта и машинного обучения решают эту проблему, автоматически собирая, сопоставляя и вычисляя оповещения по стекам приложений. Это гарантирует, что только те данные, которые ИТ-команды могут использовать для выявления основных причин аномалий, будут предупреждены, что сэкономит им время и энергию, затрачиваемые на ручной анализ.
Корреляция событий
Согласно отчету биржи AIOps, 40% компаний получают более 1 миллиона предупреждений об инцидентах в день. К сожалению, это приводит к утомлению предупреждений, что приводит к тому, что ИТ-специалисты игнорируют критические предупреждения, которые могут привести к простою системы.
AIOps собирает эти оповещения, анализирует их, чтобы найти связи между данными, и группирует их в меньшее количество уведомлений, гарантируя оповещение только о проблемах с высокой ценностью для бизнеса.
Что такое платформы AIOps?
Платформа AIOps собирает данные из различных источников, принимает их и использует искусственный интеллект для сортировки и обработки данных, а также для предоставления информации и рекомендаций для ИТ-среды.
Платформы AIOps используют различные аспекты искусственного интеллекта, такие как машинное обучение и большие данные, собирают данные из различных источников приложений и интеллектуально выявляют, реагируют и предупреждают об ИТ-проблемах в режиме реального времени.
Платформа AIOps играет несколько ролей типичных инструментов сбора, организации, мониторинга и управления данными, тем самым помогая ИТ-командам работать быстрее и эффективнее с унифицированным интерфейсом.
Некоторые примеры платформ AIOps:
- ПейджерДьюти
- датадог
- Динатрэйс
- Мугсофт
- Большая Панда
- AppDynamics
- Логлизёр
- Селдон Кор
Рынок AIOps
Выросший с 1,73 млрд долларов США в 2017 году до 13,51 млрд долларов США в 2020 году рынок AIOps за три года вырос на 87%.
Исследование 2021 года, проведенное Mordor Intelligence, также прогнозирует, что в период с 2021 по 2026 год рынок вырастет на 21,05%, достигнув размера рынка до 40,91 миллиарда долларов США.
Этот массовый рост и очень оптимистичный прогноз являются результатом более широкого внедрения технологии.
Известные игроки рынка AIOps, крупнейший рынок которых находится в Азии и Европе, включают Moogsoft, Dynatrace, Splunk, BMC Software и Sumo Logic.
С 2017 года Gartner выпускает ежегодный отчет под названием Руководство по рынку платформ AIOps. В этом отчете представлены результаты исследования Gartner о последних разработках в отрасли AIOps и анализ прошлого года.
Отчет содержит ответы на такие вопросы, как зачем организациям нужна единая платформа AIOps, не зависящая от предметной области, почему предприятия внедряют платформы AIOps в дополнение к традиционным инструментам мониторинга, как оценить, следует ли вашей организации рассмотреть возможность внедрения AIOps, какие варианты использования ИТ-систем AIOps подходят и почему поставщики AIOps должны сосредоточиться на решениях AIOps, не зависящих от предметной области.
AIOps с открытым исходным кодом против AIOps SaaS
Понимание критериев хорошей платформы AIOps, типов предложений AIOps и различий между решением AIOps с открытым исходным кодом и решением AIOps программное обеспечение как услуга (SaaS) — отличный способ определить, какое из них использовать в ваша организация.
Критерии хорошей платформы AIOps
Чтобы любое программное обеспечение, SaaS или с открытым исходным кодом, было рекомендовано в качестве платформы AIOps, оно должно иметь следующие функции.
Прием данных
Платформа AIOps должна иметь возможность принимать данные из различных источников. Это важнейшая функция любой платформы AIOps, поскольку функции каждой платформы AIOps начинаются с данных.
Искусственный интеллект
Как следует из названия AIOps, что такое инструмент AIOps без возможности развертывания и демонстрации искусственного интеллекта?
Искусственный интеллект помогает платформе AIOps обрабатывать данные, поступающие на первом этапе, и использовать другие вспомогательные технологии, такие как распознавание образов и машинное обучение, для сортировки данных и обеспечения интеллектуальной видимости и рекомендаций. «Moogsoft AIOps и HCL»
Автоматизация
Еще одной важной особенностью платформы AIOps является возможность автоматизации задач. Он должен быть в состоянии автоматизировать такие задачи, как анализ, визуализация данных, мониторинг и оповещение.
Типы предложений AIOps
Gartner сгруппировала платформы AIOps по двум типам предложений; доменно-независимый и доменно-ориентированный.
Платформы AIOps, ориентированные на предметную область, как правило, имеют ограничения по своей гибкости. Поскольку он вращается вокруг определенного сетевого домена и конечной точки, он ограничен определенными типами данных и источниками.
Примеры доменно-ориентированных платформ AIOps включают Dynatrace, AppDynamics и Datadog.
С другой стороны, платформы AIOps, не зависящие от предметной области, обладают гибкостью для приема больших объемов данных из различных источников, что делает их полезными для множества вариантов использования.
Примеры платформ AIOps, не зависящих от предметной области, включают BigPanda, Moogsoft и Splunk.
Разница между платформами AIOps с открытым исходным кодом и платформами AIOps SaaS
Основное и отличительное различие между инструментом AIOps с открытым исходным кодом и инструментом SaaS заключается в том, что; Инструменты AIOps с открытым исходным кодом обычно бесплатны, настраиваются и представляют меньший риск зависания от поставщика.
Недостатком платформ AIOps с открытым исходным кодом является то, что вы не можете получить комплексное решение AIOps с одной платформой, если не объедините две или более. Вот почему платформы AIOps с открытым исходным кодом предпочтительно называют инструментами AIOps.
Платформы SaaS AIOps, напротив, являются проприетарным программным обеспечением. Они предлагают полнофункциональное управляемое решение AIOps, которое может гарантировать соответствие требованиям безопасности и снизить риски неправомерного использования данных.
Однако все это имеет свою цену.
Практический пример AIOps
Типичным примером AIOps в действии является случай HCL Technologies, международной компании, предоставляющей управляемые ИТ-услуги.
Как ИТ-компания, HCL столкнулась с такими проблемами, как операционный шум, усталость от предупреждений, длительный анализ основных причин и перебои в обслуживании.
В то время компания использовала традиционный подход к фильтрации и корреляции на основе правил для решения проблем с ИТ. Однако по мере увеличения сложности ИТ-среды и частичного перехода в облако компания HCL столкнулась с резким ростом событий и расходов.
«Переход к agile и облачным технологиям увеличивает количество необработанных событий и скорость регистрации в геометрической прогрессии, перегружая оперативный персонал службы поддержки», — пожаловался технический директор технологий HCL.
Для решения этой проблемы HCL Technologies обратилась за консультацией к популярному поставщику AIOps — компании Moogsoft.
Внедрив решение Moogsoft, HCL добилась сокращения количества билетов на мероприятия на 62%, плавного перехода на платформу и значительной экономии средств, и это лишь некоторые из них.
Почему будущее за AIOps
Есть популярная фраза: «Все может стать только лучше».
Следует ожидать большего, особенно в технологиях, которые предлагают столько же AIOps.
Ожидается, что в будущем AIOps получит все большее распространение и в конечном итоге станет технологией де-факто в ИТ-операциях.
В отчете Gartner Innovation Insight for Observability прогнозируется, что 40% команд DevOps дополнят инструменты мониторинга приложений и инфраструктуры возможностями платформы AIOps».
Вслед за оптимистичным прогнозом размера рынка, сделанным Mordor Intelligence, прогноз Gartner свидетельствует о том, что AIOps будет по-прежнему доминировать в рабочих процессах ИТ сейчас и в будущем.
Необходимые наборы навыков для развертывания AIOps
С внедрением и влиянием AIOps в ИТ-индустрии ИТ-специалистам необходимо адаптироваться к определенным наборам навыков, чтобы развиваться вместе с технологией.
В дополнение к стандартным ИТ-навыкам специалисты, работающие с AIOps, должны обладать навыками мониторинга и аудита.
Искусственный интеллект — это «работающая машина», и он требует постоянного наблюдения, чтобы максимально эффективно использовать его возможности.
Следовательно, ИТ-специалисты, желающие использовать AIOps, должны обновить свои навыки, чтобы иметь возможность эффективно проводить аудит и управлять процессами машинного обучения.
Вывод
AIOps предоставляет интеллектуальные возможности, необходимые для управления сложными современными ИТ-средами. В дополнение ко всему, что вы прочитали в этом блоге, вам необходимо понять, как оценить свою ИТ-среду и определить, готовы ли вы внедрить AIOps в свои рабочие процессы. Состояние AIOps: Что нужно компаниям для внедрения AIOps? и Руководство по рынку платформ AIOps от Gartner — отличные ресурсы, которые помогут вам начать путь к AIOps с правильной ноги.
Подпишитесь на наши 📬 еженедельные рассылки и следите за нами в 🐦 Twitter, 📺 Youtube, 💬 Linkedin Group, 📸 Instagram и 👥 Facebook.
