Cómo AIOps y la Observabilidad pueden ayudar a TI

La observabilidad de AIOps ayuda a TI a reducir el tiempo de inactividad, mejorar el rendimiento de las aplicaciones y mantener contentos a los clientes.

En 2016, Gartner acuñó el acrónimo AIOps (Inteligencia artificial para operaciones de TI), pero años antes, los profesionales de TI ya escuchaban y experimentaban elementos de la computación autónoma. Dicha tecnología de automatización permitió que los mainframes y los servidores tomaran decisiones y ajustes automáticos y adaptativos para que pudieran responder a los sensores integrados a lo largo de sus operaciones que les informaban sobre el rendimiento.

Presentamos la observabilidad de AIOps

Ya sea que se trate de AIOps o computación autónoma, el objetivo siempre fue ayudar a TI a monitorear y ajustar el rendimiento para que pudiera aprovechar al máximo los activos computarizados y brindar tecnología optimizada al negocio. El departamento de TI es optimista con respecto a AIOps, como lo demuestra la tasa de crecimiento anual compuesto del 21,05 % prevista para las soluciones de AIOps entre ahora y 2026.

Entonces, ¿qué hace que AIOps sea una propuesta de valor tan atractiva?

Para los programadores de sistemas, administradores de red y desarrolladores de software con exceso de trabajo, AIOps puede sacar a la luz los problemas más urgentes de un montón de alertas diarias y posibles problemas de rendimiento que pueden o no requerir atención y resolución inmediatas. Estas alertas provienen de todas partes, gracias a la cantidad de sistemas aislados que deben administrar los departamentos de TI corporativos. Hay momentos en que esas alteraciones crean más ruido de distracción que ayuda.

Donde AIOps ayuda en la forma en que reduce esta cacofonía de alertas a las condiciones críticas que son realmente relevantes para un incidente o una interrupción. Hace esto porque utiliza inteligencia artificial y aprendizaje automático a medida que rastrea los elementos y la dinámica de la infraestructura de TI de una organización y aprende qué es normal y qué presenta un problema. Equipado con este conocimiento, AIOps identifica y emite alertas como lo hacían los enfoques de sistemas anteriores. Sin embargo, lo que hace que las AIops de hoy sean únicas es que la IA incluida con el monitoreo operativo ahora lleva a las AIOps al ámbito de la observabilidad de la infraestructura.

La observabilidad marca la diferencia para TI porque puede combinar información contextual recopilada de la infraestructura de TI con inteligencia artificial y automatización en lugar de simplemente emitir alertas independientes de componentes de sistemas individuales que TI debe evaluar y solucionar por separado. Con un enfoque más holístico para la evaluación de la infraestructura de TI que incluye el conocimiento de la infraestructura y la detección de problemas, la observabilidad de AIOps utiliza métricas, registros y seguimientos de TI y emite recomendaciones de diagnóstico para soluciones que TI puede usar para acelerar el tiempo de resolución de problemas.

Comprender la observabilidad

En la práctica, una plataforma de observabilidad AIOps puede integrar los diversos sistemas, datos y redes por los que fluye una aplicación. En un entorno informático híbrido, esto podría significar atravesar flujos de trabajo de aplicaciones que pasan por una nube y recursos locales. Cualquiera, o todos, de estos recursos podrían emitir una alerta si el rendimiento se degrada. Sin la capacidad de observación de AIOps, TI puede encontrarse evaluando numerosas alertas entrantes de muchos módulos y elementos del sistema, sin un medio eficiente de separar el "ruido" de alerta de la causa raíz de un problema. Esta persecución inútil prolonga el tiempo de inactividad del sistema y los problemas de rendimiento. Crea usuarios y clientes insatisfechos y puede costarle a una empresa un promedio de $5600 por minuto.

Cómo soluciona la observabilidad de AIops el tiempo de inactividad y los problemas de rendimiento

Por ejemplo, si el software AIOps comprende la dinámica y el contexto operativo de su infraestructura de TI, puede detectar rápidamente una actividad anómala de una sucursal de servicio de campo en la costa este que normalmente está cerrada los fines de semana, pero que repentinamente registra un aumento de la actividad un sábado.

AIOps puede detectar si un servidor o un enrutador en su red está cerca de su capacidad, y si esa utilización de capacidad excesiva es normal para una situación particular, como la hora de procesamiento más ocupada del día o un pico de inactividad debido a una promoción de comercio electrónico. .

En el área de pruebas de aplicaciones, donde varios sistemas virtuales se activan para la prueba pero se pueden olvidar una vez que se completa el trabajo, la capacidad de observación puede identificar estos activos inactivos para que se puedan desasignar.

En un entorno híbrido en la nube prem, la observabilidad de AIOps puede informar a un desarrollador de aplicaciones en tiempo real si hay una obstrucción en algún lugar del flujo de trabajo de la aplicación de extremo a extremo que está reduciendo el rendimiento.

El resultado es que la TI funciona mejor, las aplicaciones se entregan antes a la empresa y se reduce el tiempo de inactividad.

El estado de observabilidad

Dicho esto, la observabilidad de AIOps aún se encuentra en las primeras etapas de implementación en muchas organizaciones.

Un desafío es que no todos los departamentos de TI entienden exactamente qué significa observabilidad, una palabra un tanto nebulosa. Si, en cambio, la observabilidad se entendiera como "observación informada" facilitada por la IA y el aprendizaje automático, la adopción de la tecnología podría avanzar más rápido y desbloquear su valor.

Habiendo trabajado como CIO durante más de 20 años, sé dos cosas:

En primer lugar, los CIO y TI odian el tiempo de inactividad, emprender persecuciones inútiles y tener que calmar las emociones de los usuarios, los clientes y la gerencia mientras TI descubre qué salió mal en una aplicación compleja que afecta a muchos sistemas.

En segundo lugar, si podemos poner fin a esas reuniones maratónicas de "sala de guerra" que continúan ocurriendo en 2021 tal como lo hicieron en 1981, las acusaciones serían menos y la moral del personal sería más alta. AIOpsobservability equiparía mejor a todos los involucrados, desde el DBA hasta el desarrollador de aplicaciones y el programador de sistemas, con una única versión práctica de la verdad.