Cómo la IA mejorará los entornos de IoT

Will Cappelli de Moogsoft

Muy a menudo, un entorno de Internet de las cosas (IoT) se comporta normalmente, hace lo que sus diseñadores pretendían que hiciera. Sin embargo, de vez en cuando, las cosas salen mal, dice Will Cappelli, director de tecnología de EMEA y vicepresidente global de estrategia de productos en Moogsoft, Pueden tener lugar eventos que indiquen que la plataforma no se está comportando de la manera prevista o deseada. Por lo tanto, se requiere una intervención para restablecer el rumbo y reajustar las cosas. Pero, ¿cómo funciona este proceso?

Los enfoques tradicionales de los incidentes de IoT

En general, se puede describir como un vínculo entre una señal y una respuesta:el entorno indica que algo anda mal y se envía a un respondedor. El respondedor, que puede ser humano o robot, actúa sobre la señal y cambia las cosas. Si observa los entornos tradicionales de IoT, había dos tipos de mecanismo de señal / respuesta.

En primer lugar, estaba el mecanismo de respuesta "rápido pero tonto" que utilizan la mayoría de los entornos de IoT. Tendría una señal que viajaría a lo largo de una ruta cableada hasta un respondedor específico que generalmente solo haría una cosa, o podría seleccionar de un menú de tres de cuatro cosas y buscar reparar el sensor o reiniciar la red. Funcionaría muy rápido.

El segundo enfoque es "inteligente pero lento" que ha estado disponible principalmente a través de proveedores de administración de registros. Este enfoque se basa en intentar tomar la decisión correcta en un entorno complejo; no puede tener solo un par de opciones para elegir. Debe responder a cada situación de manera única.

La teoría es acumular grandes cantidades de datos sobre el medio ambiente en una base de datos de gestión de registros no estructurada y proporcionar a los responsables de la toma de decisiones un montón de herramientas para entender el medio ambiente, brindándoles una amplia gama de opciones en cuanto a lo que podría ser el la mejor solución.

Indiscutiblemente, esto puede producir resultados muy precisos, pero el proceso es lento, la latencia puede durar semanas. Particularmente en un entorno de IoT, eso no tiene ningún sentido real ya que no tienes ese tiempo para tomar las decisiones correctas.

Por qué utilizar AIOps en IoT

Ambos escenarios son anteriores a la aparición de la inteligencia artificial para operaciones de TI (AIOps). Lo que crean los enfoques de AI y AIOps es que, a través de la automatización, el análisis de la tarea puede brindarle una forma "rápida pero inteligente" de administrar un sistema de IoT. Toma efectivamente el modelo lento pero inteligente, pero automatiza la percepción humana, lo que resulta en una reducción significativa en la latencia entre la señal y la respuesta, pero sin sacrificar la calidad de la respuesta, lo que es crucial. En un nivel fundamental, eso es lo que AIOps aporta en términos de gestión de un entorno de IoT.

Seamos más específicos. Al examinar las tendencias de comportamiento y predecir dónde están impactando estas tendencias en la red, los AIOps pueden predecir rápidamente los incidentes antes de que ocurran. AIOps también reduce significativamente la cantidad de tiempo que se necesita para averiguar cuál es la causa raíz de un problema de rendimiento. Esencialmente, puede ayudarlo a mirar hacia el futuro y al pasado. Además, AIOps puede orquestar la redundancia en el entorno de forma más eficaz. Por ejemplo, si tiene un grupo de sensores que se están degradando, AIOps le permitirá incorporar diferentes sensores, lo que resultará en una asignación de recursos rentable.

Futuros de AIOps e IoT

Si miramos los futuros, se están realizando muchas investigaciones en torno a los vehículos autónomos, pero no nos adelantemos demasiado. Más relevante por ahora es el concepto de vehículos conectados. En algunos sentidos, los vehículos conectados son un punto intermedio entre la tecnología automotriz tradicional y los vehículos autónomos. Lo que quiero decir con esto es que tiene varios sensores que se alimentan en un servicio común que se proporciona a un lote de automóviles. Podría ser tan sencillo como la congestión del tráfico. Según la información que los vehículos conectados envían a la nave nodriza, se puede determinar dónde se está produciendo la congestión, lo que finalmente cambiará la ruta sugerida para cualquier vehículo dado en ese sistema en particular.

En el futuro, veremos la inteligencia automatizada, no solo como un acompañamiento de IoT, sino que esencialmente se convertirá en una capa de lo que significa automatizar todo. Piense en ello como un tejido de inteligencia que cubre todos los dispositivos. Entonces, en el futuro, todos los dispositivos habilitados para IP, desde refrigeradores hasta interruptores de luz y lavadoras, procesarán operaciones inteligentes.

Por qué IoT necesita IA

IoT trae consigo desafíos que requieren la implementación de AIOps para proporcionar una solución completa. ¿Qué significa esto? IoT introduce complejidades en el entorno que requieren el soporte de tecnologías de inteligencia artificial para gestionar los desafíos. Esto se logra principalmente mediante la automatización inteligente para seleccionar datos importantes del aluvión de datos que genera su entorno de IoT.

Sin embargo, hay una serie de otros problemas que la IA resuelve ... la capacidad de descubrir patrones en lo que es un conjunto de datos significativo, la capacidad de hacer inferencias basadas en esos patrones, la capacidad de comunicar esos resultados y, en última instancia, la capacidad de automatizar una respuesta correctiva. es decir, si el entorno de IoT requiere algún tipo de intervención para garantizar que continúe funcionando de manera eficaz.

Básicamente, las tareas que realiza la IA para una infraestructura de TI o una cartera de aplicaciones son las mismas que las que realiza para un entorno de IoT. Los factores que han hecho de la IA una necesidad para las operaciones de TI son los mismos factores para IoT, pero intensificados porque el entorno está altamente modularizado y hay una serie de elementos que actúan en casi autonomía.

Además, el entorno de IoT está muy distribuido y, por lo tanto, las relaciones dinámicas entre los componentes cambian todo el tiempo. Finalmente, el hecho de que los componentes dentro de un entorno de IoT son efímeros y aparecen y desaparecen con una vida útil muy corta. Estas son razones convincentes por las que IoT necesita las capacidades de AI y AIOps en particular.

¿Cómo ayudará IoT a evolucionar las AIOps?

No hay duda de que IoT tendrá un impacto en la evolución de AIOps. Actualmente, la mayoría de los sistemas AIOps están altamente centralizados:los datos llegan a una ubicación central donde se aplica la IA. Ahora, cuando se aplica a una configuración de IoT, existen requisitos para realizar análisis localmente, lo que introduce un elemento de distribución en el sistema AIOps. Requiere IA para trabajar al límite.

En general, IoT obligará a AIOps a convertirse más en un sistema de agentes distribuidos y a pasar a la red, en lugar de ser un servicio centralizado que solo ingiere datos. Esto es lo que preveo como el cambio más grande que IoT forzará en lo que actualmente vemos como AIOps.

Esto no es una cosa fácil de hacer, hay desafíos. No solo en el desarrollo de software y hardware adecuados, sino también en desafíos conceptuales. Necesitaremos un conjunto completamente nuevo de metáforas de diseño conceptual que los desarrolladores de software no estarán acostumbrados a usar. Pero estoy seguro de que no tardarán mucho en adaptarse.

El autor de este blog es Will Cappelli, director de tecnología de EMEA y vicepresidente global de estrategia de productos de Moogsoft