Почему автоматизация часто не оправдывается в IT-операциях

Наряду с начальной оркестрацией и настройкой, правила автоматизации следуют модели write-once-deploy-anywhere, оставляющей практически никакой комнаты для адаптивности. Любое время, когда новое энтерпрайз-приложение добавляется, рабочие нагрузки перемещаются к или среди облаков, или надёжный стратегический план компании меняется, так должны меняться и правила.

В 1947 году General Motors создал первый современный отдел автоматизации. Цель была стримлайнить производство своих автомобилей, комбинируя массив механических, гидравлических и компьютерных технологий для замены времяпотребляющих и ресурсоёмких задач, обычно обрабатываемых почасовыми сотрудниками.

Семь десятилетий позже феномен автоматизации распространился на каждую отрасль и рынок и нашёл особенно нетерпеливую аудиторию в IT. Целые платформы, комбинирующие множественные скрипты для имитации действий и ответов между администратором и IT-средой, привели IT-профессионалов по всему спектру к автоматизации как можно большего количества активностей.

Теперь всё — от развёртывания нового софта и конфигурирования систем до перезапуска серверов, чьи соединения потеряны, и принятия корректирующих действий на неожиданные изменения — по сути на автопилоте. Но что когда-то рассматривалось как нечто вроде панацеи для того, что болеет IT-командам, начинает показывать признаки неэффективности против следующей волны IT-вызовов — экспансивной инфраструктуры, экспоненциально больших объёмов данных и быстро эволюционирующих бизнес-требований — оставляя многих задаваться вопросом: достаточно ли IT-автоматизации для процветания в цифровую эпоху? И если нет, как IT-организации могут продолжать оперативно эффективно?

Управление динамичной средой статическими правилами

В أعваке цифровой трансформации IT-среды более сложные и экспансивные, чем когда-либо. Есть больше инфраструктуры и больше приложений для управления, больше данных для агрегации, анализа и операционализации — всё posibilированное появлением гибридных облачных стратегий.

Среднее предприятие сегодня запускает более сотен приложений в нескольких публичных и приватных облаках в усилиях держать шаг с быстро меняющимися бизнес-потребностями, созданными всё более требовательной клиентской базой и другими конкурентными давлениями. Быстрое (и бешеное) принятие облачных платформ и лёгкий доступ к полезным точечным инструментам создали среду постоянных изменений и эволюции, которая добавила сложность, быстро становящуюся неуправляемой. Фактически, многие IT-решители сообщают, что их усилия по цифровой трансформации рискуют негативно влиять на общую организацию, если они не управляются эффективно. И этот вызов может просто быть слишком динамичным для конвенциональной автоматизации.

Автоматизация, как мы её знаем, rule-based и policy-driven. Правила — простые, предсказуемые команды для выполнения специфической задачи или активности и генерации алертов, когда пороги вокруг тех задач и активностей нарушаются. Правила автоматизации узки в области действия, статичны и должны быть координированы с тысячами других правил, чтобы держать операции бегущими гладко и эффективно — что именно почему они больше не достаточны в оцифрованной, современной IT-среде.

Наряду с начальной оркестрацией и настройкой, правила автоматизации следуют модели write-once-deploy-anywhere, оставляющей практически никакой комнаты для адаптивности. Любое время, когда новое энтерпрайз-приложение добавляется, рабочие нагрузки перемещаются к или среди облаков, или надёжный стратегический план компании меняется, так должны меняться и правила.

Что больше, сегодняшние облачные, serverless среды требуют постоянной настройки и изменений автоматизации, и не существует IT-команды в существовании с человеко-часами, ресурсами или способностью эффективно сделать это всё.

AIOps суперзаряжает автоматизацию

Подъём искусственного интеллекта — точка перегиба для IT-операций профи везде, потому что он может полностью переформировать их подход к управлению постоянно меняющейся IT-средой. Применение ИИ к IT-операциям — AIOps — не только автоматизирует самые времяпотребляющие, повторяющиеся задачи, но также более высокого порядка и более сложные.

AIOps-системы агрегируют данные от целей источников по всей IT-среде — on-premises и облачная инфраструктура одинаково — в единый data lake. Но в отличие от конвенциональной автоматизации, которая нуждается в правиле для каждого концевого сценария для действия на ту информацию, AIOps учится проактивно идентифицировать даже самые слабые ранние предупреждающие сигналы среди массивных объёмов информации, которые люди могут пропустить, контекстуализировать их важность и принимать уместные и решительные действия немедленно без человеческого вмешательства.

Вместо того чтобы члены команды вручную изучали бесчисленные алерты и пытались различать высокоприоритетные и низко-воздейственные, AIOps-инструменты делают это всё автоматически. Они применяют тонко настроенные алгоритмы, отображённые на специфические IT-операции, которые просеивают миллионы лог-записей и метрик для выявления самых критичных алертов для принесения большей видимости системной производительности и здоровья, освобождая членов IT-команды для фокуса на более высокоприоритетных инициативах и предоставляя многонужный буст IT-продуктивности и эффективности.

Стандартная IT-автоматизация благодеяла организациям далеко и широко на протяжении лет. Но, сегодняшнее предприятие сталкивается с IT-менеджмент вызовами, немногие могли представить в ранние времена и которые конвенциональная IT-автоматизация просто не может обработать. По мере того как бизнесы становятся всё более оцифрованными — добавляя инфраструктуру, запуская новые сервисы и вкорпорируя новые потоки данных — им понадобятся более продвинутые, интеллектуальные решения автоматизации для поддержания полного контроля над раскидистой инфраструктурой и сохранения шага в быстро эволюционирующем конкурентном ландшафте.

Написала Джайи Хоффман, data science architect в OpsRamp.