Чертеж NASA: интеграция технологий, культуры и данных для успеха AIOps

Организации вроде NASA делятся своим опытом внедрения ИИ и AIOps с теми, кто только начинает этот путь.

Компании, заинтересованные в внедрении AIOps, имеют возможность учиться на опыте других, уже применивших искусственный интеллект в операционной деятельности и DevOps. Один из таких инноваторов — NASA, которая недавно подчеркнула важность комплексного подхода к внедрению ИИ для бизнес-приложений космического агентства, таких как финансы и закупки, особенно в среде AIOps.

В презентации для группы AI-операций ATARC лидеры группы науки о данных NASA выделили три ключевых элемента, необходимых для инициативы AIOps. Технологии — самый очевидный из них, но организации также должны подготовить свои данные для работы с ИИ, а не менее важно — провести смену корпоративной культуры, чтобы сотрудники приняли необходимость принимать решения на основе данных.

Почему стоит слушать NASA? Возможно, потому что они могут честно сказать: «Да, мы действительно ракетные ученые».

«Сам запуск алгоритма — это очень малая часть. Данные редко находятся в форме, пригодной для реального использования. У людей уже есть свои способы работы; возникает проблема необходимости освоить новые инструменты и понять, как они работают на самом деле. У людей разные представления о том, что ИИ может сделать для них», — сказал Никунд Оза, руководитель группы науки о данных NASA, по данным Government CIO Media.

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

Советы по AIOps

Шенандоа Спирс, заместитель CIO по приложениям в NASA, сказала аудитории ATARC, что цифровая трансформация агентства идет, но все еще зреет. «Мы видим огромный приток данных, и вопрос в том, как их переварить и принимать бизнес- и миссионные решения на их основе».

Оза также обсудил некоторые заблуждения, окружающие ИИ и машинное обучение, включая страх сотрудников, что ИИ уберет их рабочие места.

Спикер вебинара из Объединенного центра искусственного интеллекта Министерства обороны США (JAIC) также затронул проблему качества данных. «Есть проблемы с качеством разметки, качеством данных», — сказала Евгения Пайнелис, начальник отдела тестирования и оценки ИИ/машинного обучения в JAIC. «Есть проблемы с инфраструктурой, конечно. … Чтобы построить действительно надежные системы ИИ, нам нужна эта экосистема и все "трубы" на месте».

Она добавила, что культура является фактором из-за необходимости заставить команды внедрять Agile и DevSecOps. «Если ваши пользователи и тестировщики вовлечены очень рано, именно так вы получаете этот Agile-процесс и избегаете катастроф в конце. Это большая смена культуры, через которую мы проходим. У нас было много успехов в совместной логистике — это, как правило, задачи ИИ с четкой областью действия, хотя готовность данных всегда остается проблемой».

По мере того как все больше предприятий набирают опыт в AIOps и наблюдаемости, растут возможности для новичков собирать советы по AIOps у пионеров.