Kvalita dat může ovlivnit nebo zničit úsilí o zavedení umělé inteligence do IT operací

Umělá inteligence pro IT operace, neboli AIOps, by mohla pomoci IT fungovat bezobslužněji. Potřebná data však nemusí být připravena jej udržet. "Data budou buď překážkou, nebo zkratkou k získání vašich výhod AIOps"

AIOps, neboli umělá inteligence pro IT operace, může být přesně to, co lékař nařídil pro sužované IT obchody. Aplikace pokročilé automatizace na nespočet rutinních IT funkcí uvolní IT oddělení, aby se mohla soustředit na větší a smysluplnější věci, jako je digitální transformace a podpora kontinuální integrace a nasazování softwaru.

Je tu však problém: AIOps vyžaduje správný druh dat ve správný čas, ale velká část těchto dat buď není připravena, nebo potřebuje přepracování kvality. Zatímco AIOps funguje na datových bodech, jako jsou systémové protokoly a metriky, historický výkon, data událostí, streamování provozních událostí v reálném čase, data související s incidenty a ticketing, velká část těchto dat může být neúplná nebo skrytá v silech. Stručně řečeno, pokud data nejsou na stejné úrovni, AIOps mohou selhat, nebo ještě hůře, nasměrovat technologická rozhodnutí špatným směrem.  

Na scénu přichází nově vznikající metodika, která se tímto konkrétně zabývá, známá jako robotická automatizace dat nebo RDA, jak je identifikováno v článku Shaileshe Manjrekara ve Forbesu. Zatímco její blízká sestřenice, robotická automatizace procesů (RPA), automatizuje obchodní procesy, datové toky a uživatelské úkoly, RDA se zaměřuje na automatizaci datových řetězců pomocí robotů.

Zapojení RDA do podpory AIOps bylo podstatou nedávného webového vysílání, ve kterém se Valerie O'Connell, ředitelka výzkumu ve společnosti Enterprise Management Associates (EMA), připojila k Bhaskaru Krishnamsettymu, produktovému řediteli společnosti CloudFabrix, aby tento nový přístup obhajovali.

Zatímco RDA má potenciál zvýšit dostupnost a kvalitu dat dostupných pro AI ve všech formách podnikových aplikací, panelisté se zaměřili na její dopad na samotný provoz IT. Formy automatizace, které jsou podporovány prostřednictvím AIOps, jak bylo zjištěno v nedávném průzkumu EMA, zahrnují "pracovní postup napříč IT" jako nejčastěji zmiňovaný případ použití (60 %), následovaný "runbookem nebo automatizací IT procesů", přijatou přibližně v polovině scénářů AIOps (49 %). Dalších 43 % se obrací na AIOps pro inteligentnější oznámení řízená upozorněními.

Dotazovaní IT manažeři vidí hodnotu dosaženou v důsledku AIOps - 62 % hodnotilo její hodnotu jako vysokou až velmi vysokou, říká O'Connell. AIOps pomáhá zlepšit soulad mezi IT a podnikáním, kvalitu IT a obchodních služeb a zkušenosti koncových uživatelů a zákazníků. 

AIOps je však obtížné implementovat, pokračuje. "Pro většinu lidí to bylo náročné. Přínosy a přínosy jsou téměř zaručeny, ale stejně tak téměř bez výjimky to bude složité a obtížné." Mezi hlavní výzvy patří přesnost nebo dostupnost dat, konflikty v IT, strach nebo nedůvěra v umělou inteligenci a dostupnost dovedností.

O'Connell se zaměřil na potíže s daty spojené s AIOps. "Data budou buď překážkou, nebo zkratkou, jak se dostat k vašim výhodám AIOps," říká. "Pokud se dokážete dobře vypořádat se svými daty a problémy s daty, pak přímo zaútočíte na složitost implementace AIOps," vysvětluje. 

Úspěch AIOps je neúprosně spojen s "daty, daty, daty a tím, jak dobře dokážete s daty zacházet a zpracovávat je," souhlasí Krishnamsetty. Jedním z nejpalčivějších problémů je přístup k datům a jejich získávání, zdůrazňuje. "Chcete získávat data z prostředí AWS, nástrojů pro monitorování výkonu aplikací nebo nástroje pro analýzu logů. Ale všechna tato data jsou v různých formátech."

RDA řeší datové problémy spojené s AIOps, pokračuje Krishnamsetty. "Pokud nemáte správná data, je to odpad dovnitř, odpad ven. Jakkoli jsou vaše algoritmy strojového učení výkonné, pokud je kvalita vašich dat špatná, nezískáte dobré poznatky a analýzy."

Například: "Pokud se podíváte na jakákoli nezpracovaná upozornění přicházející z jakéhokoli z vašich řídicích nebo monitorovacích systémů, budete vědět, jak řídká jsou data," ilustruje. "Člověk se o tom nemůže rychle rozhodnout, pokud se automaticky neobohatí. Údaje jsou neúplné. Jakou aplikaci, jakou infrastrukturu a tak dále."

RDA také pomáhá řešit nedostatek dovedností, který je nedostatkovým zbožím pro zajištění kvality dat přiváděných do systémů umělé inteligence, pokračuje. "Pokud platforma neposkytuje možnosti automatizovaných operací s daty předem připravené, musíte se spolehnout na drahé datové inženýry nebo datové vědce." Platformy bez kódu a s minimálním psaním kódu, které poskytují samoobslužné funkce civilním vývojářům, jsou důležitým trendem pro rok 2022.

Poukazuje na to, že pozorovatelnost dat často závisí na tom, kolik lidí lze vrhnout na zajištění kvality v datovém řetězci, ať už prostřednictvím náboru dalších zaměstnanců nebo spolupráce s poradenskými firmami. "Naši zákazníci někdy musí pověřit spoustu datových inženýrů, aby prováděli spoustu ručních průzkumů dat, přípravy dat a obohacování dat. Zvyšuje celkové náklady na vlastnictví, prodlužuje dobu zhodnocení. To je místo, kde mnoho implementací AIOps zaostává."

S RDA mohou být softwaroví roboti nasazeni v rámci datových kanálů, aby "zjednodušili a abstrahovali mnoho datových operací a operací dat nebo strojového učení," říká. To je klíč k automatizaci dat. "Použitím softwarových robotů v rámci kanálů a automatizovaných pracovních postupů můžete dosáhnout kvality dat pro AIOps."