Impulse el rendimiento TI: Aprovechando AIOps y Observabilidad para reducir tiempo de inactividad y mejorar satisfacción de usuario

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

En 2016, Gartner acuñó el acrónimo AIOps (Inteligencia Artificial para Operaciones TI), pero años antes, profesionales de TI ya oían y experimentaban elementos de cómputo autónomo. Tal tecnología de automatización permitía a mainframes y servidores tomar decisiones automáticas y adaptativas y ajustes para responder a lo que sensores incrustados a lo largo de sus operaciones les informaban sobre rendimiento.

Introduciendo observabilidad AIOps

Sea AIOps o cómputo autónomo, la meta siempre fue asistir a TI en monitorizar y ajustar rendimiento para obtener lo máximo de activos computarizados y entregar tecnología optimizada al negocio. TI es optimista sobre AIOps, como evidencia la tasa de crecimiento anual compuesto del 21,05% pronosticada para soluciones AIOps entre ahora y 2026.

Entonces, ¿qué hace AIOps una propuesta de valor tan convincente?

Para programadores de sistemas sobrecargados, administradores de red y desarrolladores de software, AIOps puede sacar a la luz los problemas más urgentes de un pajar de alertas diarias y problemas potenciales de rendimiento que pueden o no requerir atención y resolución inmediata. Estas alertas vienen de todas partes, gracias al número de sistemas aislados que departamentos TI corporativos deben gestionar. Hay momentos en que esas alertas crean más ruido distractivo que ayuda.

Donde AIOps ayuda es en cómo reduce esta cacofonía de alertas a las condiciones críticas que son verdaderamente relevantes a un incidente o corte. Lo hace porque usa inteligencia artificial y machine learning mientras rastrea los elementos y dinámicas de la infraestructura 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 enfoques de sistemas anteriores. Sin embargo, lo que hace único al AIOps de hoy es que la IA incluida con monitorización operativa ahora lleva AIOps al reino de observabilidad de infraestructura.

La observabilidad es un diferenciador para TI porque es capaz de combinar información contextual recopilada de infraestructura TI con inteligencia artificial y automatización en lugar de solo emitir alertas independientes de componentes individuales de sistema que TI debe evaluar y solucionar por separado. Con un enfoque más holístico a evaluación de infraestructura TI que incluye conocimiento de infraestructura así como detección de problemas, la observabilidad AIOps usa métricas TI, logs y trazas y emite recomendaciones diagnósticas para correcciones que TI puede usar para acelerar tiempo a resolución de problemas.

Entendiendo observabilidad

En la práctica, una plataforma de observabilidad AIOps puede integrar los diversos sistemas, datos y redes que una aplicación fluye a través. En un entorno de cómputo híbrido, esto podría significar recorrer flujos de trabajo de aplicación que pasan por una cloud así como recursos on-premise. Cualquiera —o todos— de estos recursos podrían emitir una alerta si el rendimiento degrada. Sin observabilidad AIOps, TI puede encontrarse evaluando numerosas alertas entrantes de muchos módulos y elementos de sistema, sin un medio eficiente de separar el «ruido» de alerta de la causa raíz de un problema. Esta caza de gansos alarga tiempo de inactividad del sistema y problemas de rendimiento. Crea usuarios y clientes descontentos y puede costar a una empresa un promedio de 5.600 dólares por minuto.

Cómo la observabilidad AIOps remedia tiempo de inactividad y problemas de rendimiento

Por ejemplo, si el software AIOps entiende la dinámica y el contexto operacional de su infraestructura TI, puede recoger rápidamente actividad anómala de una sucursal de servicio de campo en la Costa Este que típicamente cierra fines de semana, pero repentinamente registra un aumento de actividad un sábado.

AIOps puede detectar si un servidor o router en su red está en o cerca de capacidad, y si esa utilización de capacidad excesiva es normal para una situación particular, como el momento de procesamiento más ocupado del día o un pico de actividad debido a una promoción de e-commerce.

En el área de pruebas de aplicaciones, donde múltiples sistemas virtuales se levantan para prueba pero pueden ser olvidados tras completar el trabajo, observabilidad puede identificar estos activos inactivos para que puedan ser desasignados.

En un entorno híbrido on-prem-cloud, observabilidad AIOps puede informar a un desarrollador de aplicación en tiempo real si hay un atasco en algún lugar del flujo de trabajo de aplicación de extremo a extremo que está frenando rendimiento.

El resultado es TI funciona mejor, aplicaciones se entregan al negocio antes, y tiempo de inactividad se reduce.

El estado de la observabilidad

Eso dicho, observabilidad AIOps aún está en etapas tempranas de despliegue en muchas organizaciones.

Un reto es que no todos los departamentos TI entienden exactamente qué significa observabilidad —una palabra algo nebulosa. Si, en su lugar, observabilidad se entendiera como «observación informada» facilitada por IA y machine learning, la adopción de la tecnología podría moverse más rápido, y su valor desbloquearse.

Habiendo servido como CIO por más de 20 años, sé dos cosas:

Primero, CIOs y TI odian tiempo de inactividad, ir en cacerías de gansos salvajes y tener que calmar emociones de usuarios, clientes y gerencia mientras TI averigua qué falló en una aplicación compleja que toca muchos sistemas.

Segundo, si podemos poner fin a esas maratónicas reuniones de «sala de guerra» que continúan ocurriendo en 2021 igual que en 1981, los señalamientos serían menos y la moral del personal sería más alta. Observabilidad AIOps equiparía mejor a todos los involucrados, desde DBA hasta desarrollador de aplicación hasta programador de sistemas, con una versión única y accionable de la verdad.