Повышение ИТ-производительности: использование AIOps и наблюдаемости для сокращения простоя и повышения удовлетворенности пользователей

AIOps наблюдаемость помогает ИТ сократить простой, улучшить производительность приложений и держать клиентов довольными.

В 2016 году Gartner ввел акроним AIOps (Искусственный интеллект для ИТ-операций), но за годы до этого ИТ-профессионалы уже слышали и испытывали элементы автономных вычислений. Такая технология автоматизации позволяла мейнфреймам и серверам принимать автоматические и адаптивные решения и корректировки, чтобы они могли реагировать на то, о чем информировали их датчики, встроенные во все их операции, о производительности.

Введение AIOps наблюдаемости

Будь то AIOps или автономные вычисления, цель всегда была помочь ИТ в мониторинге и настройке производительности, чтобы оно могло извлечь максимум из компьютеризированных активов и доставлять оптимизированные технологии бизнесу. ИТ бодрит на AIOps, как подтверждает прогнозируемый 21,05% составной ежегодный темп роста для решений AIOps между сейчас и 2026 годом.

Так что делает AIOps таким убедительным ценностным предложением?

Для перегруженных системных программистов, сетевых администраторов и разработчиков ПО, AIOps может выявить самые срочные проблемы из сена ежедневных алертов и потенциальных проблем с производительностью, которые могут или не могут требовать немедленного внимания и разрешения. Эти алерты приходят отовсюду, благодаря количеству изолированных систем, которыми корпоративные ИТ-отделы должны управлять. Бывают моменты, когда эти алерты создают больше отвлекающего шума, чем помощи.

Где AIOps помогает — в том, как оно свистит этот кафофонию алертов до критических условий, которые действительно релевантны к инциденту или сбою. Он делает это, потому что использует искусственный интеллект и машинное обучение, отслеживая элементы и динамику ИТ-инфраструктуры организации, и узнает, что нормально, а что представляет проблему. Оснащенный этим знанием, AIOps выявляет и выдает алерты, как это делали ранние системные подходы. Однако то, что делает сегодняшний AIOps уникальным, в том, что ИИ, включенный в операционный мониторинг, теперь приводит AIOps в область инфраструктурной наблюдаемости.

Наблюдаемость — это разница для ИТ, потому что она способна объединять контекстуальную информацию, собранную из ИТ-инфраструктуры, с искусственным интеллектом и автоматизацией вместо просто выдачи изолированных алертов от отдельных системных компонентов, которые ИТ должен отдельно оценивать и устранять неполадки. С более голстическим подходом к оценке ИТ-инфраструктуры, включающим инфраструктурные знания, а также обнаружение проблем, AIOps наблюдаемость использует ИТ-метрики, логи и трассировки и выдает диагностические рекомендации для исправлений, которые ИТ может использовать для ускорения времени до разрешения проблемы.

Понимание наблюдаемости

На практике платформа AIOps наблюдаемости может интегрировать различные системы, данные и сети, через которые течет приложение. В гибридной вычислительной среде это может означать обход рабочих процессов приложений, проходящих через облако, а также локальные ресурсы. Любой один — или все — из этих ресурсов могут выдать алерт, если производительность деградирует. Без AIOps наблюдаемости ИТ может найти себя оценивающим многочисленные входящие алерты от многих системных модулей и элементов, без эффективного средства разделения «шума» алертов от корневой причины проблемы. Эта гусиная погоня удлиняет простои системы и проблемы с производительностью. Она создает недовольных пользователей и клиентов и может стоить компании в среднем 5600 долларов в минуту.

Как AIOps наблюдаемость устраняет простой и проблемы с производительностью

Например, если AIOps ПО понимает динамику и операционный контекст вашей ИТ-инфраструктуры, оно может быстро подхватить аномальную активность от филиала полевого сервиса на Востоке, который обычно закрыт в выходные, но внезапно регистрирует всплеск активности в субботу.

AIOps может обнаружить, если сервер или маршрутизатор в вашей сети находится на или близко к емкости, и если это избыточное использование емкости нормально для определенной ситуации, такой как самое загруженное время обработки дня или всплеск активности из-за акции электронной коммерции.

В области тестирования приложений, где множественные виртуальные системы поднимаются для теста, но могут быть забыты после завершения работы, наблюдаемость может выявить эти бездействующие активы, чтобы их можно было деаллоцировать.

В гибридной on-prem-облачной среде AIOps наблюдаемость может информировать разработчика приложения в реальном времени, если есть затор где-то в сквозном рабочем процессе приложения, который тормозит производительность.

Результат — ИТ работает лучше, приложения доставляются бизнесу раньше, и простой сокращается.

Состояние наблюдаемости

Тем не менее, AIOps наблюдаемость все еще на ранних стадиях внедрения во многих организациях.

Один вызов в том, что не все ИТ-отделы точно понимают, что означает наблюдаемость — несколько туманное слово. Если вместо этого наблюдаемость понимать как «информированное наблюдение», которое облегчается ИИ и машинным обучением, внедрение технологии может двигаться быстрее, и ее ценность раскрыться.

Послужив CIO более 20 лет, я знаю две вещи:

Во-первых, CIO и ИТ ненавидят простой, идут на дикие гусиные погонки и должны успокаивать эмоции пользователей, клиентов и менеджмента, пока ИТ разбирается, что пошло не так в сложном приложении, затрагивающем многие системы.

Во-вторых, если мы можем положить конец этим марафонским «войн室» совещаниям, которые продолжают происходить в 2021 году так же, как в 1981 году, указующе-обвинительные пальцы будут меньше, а мораль персонала — выше. AIOps наблюдаемость лучше оснастит всех участников, от DBA до разработчика приложений до системного программиста, с действенной, единой версией правды.