Lo que necesita saber sobre AIOps

Contenido proporcionado por IBM y TNW

A medida que nuestras vidas se vuelven más digitalizadas, la infraestructura de TI que respalda las aplicaciones y los servicios que utilizamos se vuelve cada vez más compleja. Hay una variedad de opciones para ejecutar servicios en la nube, en las instalaciones, sin servidor e híbridos, lo que hace posible adaptarse a diferentes tipos de aplicaciones, entornos y audiencias.

Sin embargo, administrar arquitecturas de TI tan complejas se está volviendo cada vez más difícil. Hay demasiadas partes móviles, lo que dificulta la optimización de TI, la predicción y prevención de interrupciones y la respuesta a los incidentes después de que ocurren.

Saludos humanoides

Suscríbase a nuestro boletín ahora para recibir un resumen semanal de nuestras historias favoritas de IA en su bandeja de entrada.

Afortunadamente, AIOps, el uso de AI en operaciones de TI: es un campo de rápido desarrollo que puede abordar algunos de estos desafíos a través de la automatización. Aquí encontrará todo lo que necesita saber sobre AIOps y lo que puede hacer por su organización.

Los desafíos de la TI moderna

“La industria se enfrenta a tres tendencias principales, y la primera es la complejidad”, dice Pratik Gupta, CTO de IBM Automatización.

Más organizaciones están utilizando TI en la nube y, en muchos casos, junto con servidores locales. Esto se suma a todo tipo de tecnologías sin servidor, API, microservicios y similares que se integran en las aplicaciones.

“Muchas organizaciones usan varias nubes, hasta cinco. Tiene entornos locales, tiene nube entornos. Es mucho más complejo de lo que solía ser”, dice Gupta.

La gente tiene que entender que esta es una forma de aumentar su trabajo.

La segunda tendencia es la escala.

“Hemos visto diez años de digitalización en un año durante la pandemia de covid. Las organizaciones se están moviendo hacia más experiencias digitales y más aplicaciones para realizar el trabajo. Hay muchas más aplicaciones en este estado de nube híbrida”, dice Gupta.

¿Y tercero? Bueno, eso son habilidades.

“La mayoría de los ejecutivos de nivel C no tienen el tiempo ni el talento para administrar manualmente los entornos de TI que, como sabemos, se están volviendo extraordinariamente complejos”, dice Gupta.

Estas tendencias están impulsando el interés por automatizar el entorno de TI y obtener ayuda de la IA.

“La IA y la automatización, a las que se puede hacer referencia como automatización inteligente, ya no son agradables de tener. Es una necesidad y, de hecho, está diferenciando a las empresas, y a las que usan automatización e IA les irá mucho mejor”, dice Gupta.

Aquí es donde AIOps entra en escena. AIOps es una serie de herramientas y servicios que utilizan IA para automatizar todas las operaciones de TI, desde monitorear y recopilar información hasta optimizar máquinas y servicios, y predecir y resolver incidentes.

Observabilidad

“Pensamos en aplicar AIOps como una transformación no solo para la tecnología sino también para las personas”, dice Gupta. “La gente tiene que entender que esta es una forma de aumentar su trabajo y no una forma de reemplazarlos”.

Básicamente, AIOps ayuda al personal de TI a hacer cosas que eran imposibles con sus herramientas anteriores. El primer paso para implementar AIOps es recopilar información de calidad sobre su infraestructura y operaciones de TI. Esto es importante no solo para brindarle una mejor imagen de su infraestructura de TI, sino también para capacitar y guiar a los sistemas de IA para optimizarlos y monitorearlos. Esta primera etapa de AIOps se llama «observabilidad».

“La observabilidad es diferente del monitoreo del rendimiento de aplicaciones (APM) anterior en el sentido de que la observabilidad se trata de recopilar todos los datos”, dice Gupta. “Mientras que las antiguas herramientas heredadas de APM pueden muestrear información puramente desde una perspectiva de gestión del rendimiento, la observabilidad es capturar información para hacer AIOps”.

Un ejemplo de herramientas de observabilidad es IBM Instana Observability, una solución que puede capturar métricas, seguimientos y registros de aplicaciones que se ejecutan en diferentes plataformas informáticas, desde dispositivos móviles hasta servidores locales, mainframes y máquinas virtuales que se ejecutan en la nube. . Según Gupta:

Una de las cosas que ayudan a hacer las herramientas de observabilidad como Instana es encontrar las causas raíz más rápido, qué aplicación o microservicio está causando errores, e identificarlo directamente utilizando heurísticas y algoritmos muy sólidos e IA.

La observabilidad impulsada por IA puede conducir a grandes ganancias. Considere ExaVault (adquirido por Files.com), una empresa que brinda servicios de transferencia de archivos a grandes organizaciones. La API de ExaVault recibe 35 000 solicitudes por minuto y más de 50 millones de llamadas por día. La disponibilidad es muy importante para ExaVault, pero dado que cada cliente usa el servicio y la API de diferentes maneras, es muy difícil para la empresa supervisar todas las actividades a través de los métodos de monitoreo tradicionales.

Con Instana, ExaVault pudo establecer la observabilidad en su API para monitorear y controlar la disponibilidad de una manera que era imposible con las herramientas anteriores de APM. Como resultado, pudieron rastrear y resolver problemas más rápido que antes. Alcanzaron una disponibilidad del 99,99 % y redujeron el tiempo medio de resolución (MTTR) en aproximadamente un 57 %.

Mejoramiento

“En los complejos entornos de nube, locales e híbridos de hoy en día, una vez que se implementa una aplicación, ningún ser humano puede monitorear y administrar mentalmente cómo configurar las cosas, configurarlas correctamente y asegurarse de que tengan el rendimiento correcto, el servidor correcto. tamaño, asignación de memoria, etcétera”, dice Gupta. «Estos se gestionan actualmente a través de conjeturas inteligentes».

Otro aspecto importante de AIOps es la optimización de los recursos de TI. Un ejemplo es IBM Turbonomic, una herramienta que analiza entornos de extremo a extremo y crea una topología de vista única del sistema. Turbonomic puede procesar datos de diferentes aspectos del sistema, incluidos objetos de nivel de servicio, configuraciones de aplicaciones y precios y contratos. Toma toda esta información y lo ayuda a optimizar los componentes de su ecosistema de TI para lograr diferentes objetivos, como mejorar la disponibilidad o reducir el desperdicio y los costos. Según sus requisitos, Turbonomic puede optimizar automáticamente sus componentes de TI o brindarle recomendaciones.

A Impacto económico total de Forrester El estudio encontró que, en promedio, la aplicación de Turbonomic da como resultado un retorno de la inversión del 471% y el período de recuperación es inferior a seis meses. Las herramientas de automatización como Turbonomic ayudan a los departamentos de TI a evitar el aprovisionamiento excesivo de la infraestructura, lo que en promedio da como resultado una reducción del 75 % en el gasto de TI.

Los beneficios de AIOps pueden ir más allá de reducir los costos y las interrupciones de TI.

Por ejemplo, BBC Studios usó Turbonomic para administrar su red de más de 1000 máquinas virtuales. Al aplicar Turbonomic, el equipo de la BBC pudo obtener una vista completa de su entorno, lo que les permitió comprender mejor la causa de los problemas de rendimiento y devolver su entorno a un estado de máxima eficiencia y rendimiento. Turbonomic les proporcionó recomendaciones de acción, así como predicciones sobre el impacto de cada acción.

El equipo comenzó revisando las recomendaciones de Turbonomic e implementándolas manualmente. Terminaron automatizando parte de las acciones de cambio de tamaño sin intervención manual. La optimización inteligente y automatizada de sus recursos de TI les permitió recuperar cientos de gigabytes de memoria y docenas de CPU virtuales en un solo mes.

Prevención y resolución de incidentes

Uno de los desafíos de las infraestructuras de TI complejas es predecir cuándo y dónde ocurrirán las fallas y tomar las medidas adecuadas para prevenirlas. Otro desafío es encontrar la causa de las fallas y responder a ellas de manera oportuna. Afortunadamente, esta es otra área en la que AIOps puede ayudar.

Un ejemplo es IBM Cloud Pak for Watson AIOps, una solución que recopila todos los incidentes, métricas, seguimientos, registros y tickets de un sistema de TI y los analiza en un marco de IA generalizado con modelos de aprendizaje automático. Cloud Pak for Watson AIOps puede ayudar a predecir el radio de explosión, que es el efecto que la interrupción de un componente en particular tendrá en otras partes del sistema. En consecuencia, puede proporcionar recomendaciones sobre cómo prevenir tales incidentes. Como explica Gupta:

Es una herramienta que proporciona un marco general para comprender lo que sucede en el sistema y tomar acciones en respuesta a incidentes de manera predecible y proactiva.

La predicción de incidentes es especialmente útil para las organizaciones que son responsables de la infraestructura crítica. Por ejemplo, el Centro Nacional de Computación de Alto Rendimiento (NCHC) de Taiwán maneja docenas de supercomputadoras y proporciona recursos de computación para todo tipo de operaciones, incluida la investigación de drogas y proyectos científicos. NCHC utilizó Cloud Pak for Watson AIOps para establecer un sistema de automatización basado en IA para predecir incidentes y mejorar la resiliencia.

Cloud Pak for Watson AIOps usó datos estructurados y no estructurados de la red informática de NCHC para entrenar modelos de IA para gestionar problemas e incidentes de forma automática y proactiva. Gracias a la automatización, NCHC pudo lograr un tiempo medio de detección (MTTD) un 55 % más corto que afectaría su servicio. También pudieron detectar posibles interrupciones con 25 horas de anticipación, lo que les dio un tiempo vital para resolver incidentes antes de que ocurran.

Más allá de eso

Los beneficios de AIOps pueden ir más allá de reducir los costos de TI y las interrupciones para crear mejores aplicaciones y servir a los clientes. Según Gupta:

Estamos viendo un cambio en el pensamiento de administrar TI como un centro de costos a administrar TI como un habilitador de ingresos. AIOps no solo optimiza la infraestructura de TI de forma dinámica y genera ahorros, sino que también libera a las personas para que realicen un trabajo más crítico para el negocio.

Por ejemplo, AIOps puede ayudar a los equipos de desarrolladores a comprender los cuellos de botella y los efectos de las fallas por adelantado. Esto les ayuda a diseñar sus aplicaciones y sistemas con solidez integrada, en lugar de responder a fallas ad hoc.

“Si cambia a la izquierda y dice cómo debe un equipo de desarrollo construir su aplicación para que sea más resistente a fallas, las cosas que hacemos incluyen cómo los cambios en el código afectan la calidad del lanzamiento”, dice Gupta.

Al dedicar menos tiempo a resolver fallas técnicas, los desarrolladores pueden concentrarse más en crear mejores productos que resuelvan los problemas de los clientes.

“Varios estudios muestran que AIOps está dando como resultado que más clientes recurran a las aplicaciones web”, dice Gupta. “La razón es que la gente de TI ahora estaba más enfocada en hacer un trabajo que está alineado con el negocio y genera ingresos”.

El campo apenas está comenzando a despegar, y hay muchos desarrollos en la investigación de inteligencia artificial que pueden encontrar su camino hacia AIOps.

“Comenzamos con heurística avanzada, agregamos modelos de aprendizaje automático y estamos viendo cada vez más modelos básicos en TI y AIOps”, dice Gupta.

En el futuro, veremos mucho más uso del procesamiento del lenguaje natural y modelos básicos que impactarán en la forma en que se administra la TI. Vamos a ver una gran cantidad de inteligencia e inteligencia artificial aplicada a la gestión de los sistemas de TI. Vemos un camino emocionante por delante con esta evolución del uso de IA en TI. Deberíamos estar atentos porque los próximos años van a ser muy emocionantes en términos de cómo la IA está afectando a la TI.