Совет НАСА:технологии, культура и данные объединяются для управления AIOps

Такие организации, как NASA, делятся своим опытом использования ИИ и AIOps с теми, кто только начинает.

Организации, заинтересованные во внедрении AIOps, могут воспользоваться советами других, которые предприняли шаги по использованию искусственного интеллекта в своих операциях и группах DevOps.

Одним из таких новаторов, которые делятся советами, является НАСА, которое недавно подчеркнуло важность комплексного подхода к развертыванию ИИ для бизнес-приложений космического агентства, таких как финансы и закупки, особенно в среде AIOps.

В презентации для группы операций ИИ ATARC руководители группы НАСА по обработке и анализу данных определили три ключевых элемента, которые необходимы для инициативы AIOps. Технология может быть наиболее очевидной, но организации также должны подготовить свои данные, чтобы убедиться, что они готовы для ИИ, и не менее важным является изменение корпоративной культуры, когда люди признают необходимость того, чтобы данные помогали принимать решения.

Зачем слушать НАСА? Может быть, потому, что именно они могут честно сказать:«Да, мы учёные-ракетчики».

«Часть, где запускается алгоритм, очень мала. Данные редко находятся в форме, в которой вы действительно можете их использовать. У людей уже есть свои способы делать вещи; существует проблема необходимости изучения нового инструмента или набора инструментов и понимания того, как он на самом деле работает. У людей разные представления о том, что ИИ может сделать для них», — сказал Никундж Оза, руководитель группы НАСА по науке о данных, согласно отчету Government CIO Media.

Он добавил:«Данные не готовы [автоматически] для использования ИИ, поэтому вы можете запустить проект AIOps, и он остановится, потому что другие части вашей системы не готовы к этому».

Советы по AIOps

Шенандоа Спирс, заместитель ИТ-директора по приложениям в НАСА, сообщил ATARCaudience, что цифровая трансформация агентства находится в стадии реализации, но еще не завершена. "Мы наблюдаем большой приток данных, а также то, как обрабатывать эти данные и принимать бизнес-решения и решения о миссии на основе этих данных".

Оза также обсудил некоторые заблуждения, связанные с ИИ и машинным обучением, в том числе опасения сотрудников, что ИИ лишит людей рабочих мест.

Спикер вебинара из Объединенного центра искусственного интеллекта Министерства обороны США (JAIC) также обсудил проблему качества данных. «Есть проблемы с качеством этикеток и качеством данных», — сказала Евгения Пинелис, руководитель отдела тестирования и оценки ИИ/машинного обучения в JAIC. «Конечно, есть проблемы с инфраструктурой. … Чтобы мы действительно создавали надежные системы искусственного интеллекта, нам нужна эта экосистема и все необходимые компоненты».

Она добавила, что культура является важным фактором из-за необходимости заставить команды внедрять Agile и DevSecOps. «Если ваш пользователь и тестировщик вовлечены в работу на самом раннем этапе, именно так вы получаете этот Agile-процесс и избегаете катастроф в конце. Это большое изменение культуры, через которое мы проходим. Нам очень повезло в совместной логистике — это, как правило, проблемы с ИИ, которые хорошо определены, хотя готовность данных всегда является проблемой».

По мере того, как все больше предприятий приобретают опыт работы с AIOps и возможностью наблюдения, у тех, кто только начинает, появляется все больше возможностей получать советы по AIOps от первопроходцев.