Como os AIOps poderiam reduzir esse número e dar aos engenheiros mais tempo para retomar sua codificação?
O abismo foi superado pelo aprendizado de máquina. 50% das 2.395 organizações examinadas pela McKinsey em 2020 têm investimentos contínuos em aprendizado de máquina. Espera-se que o aprendizado de máquina gere mais de US$ 13 trilhões até 2030. Uma sólida compreensão do aprendizado de máquina (ML) em breve será um componente crucial de qualquer abordagem técnica.
Desenvolvimento de Software Mudando o Ritmo
As empresas estão acelerando o ritmo da mudança. Os lançamentos de software costumavam ocorrer anualmente ou semestralmente. Atualmente, 26% das empresas implantam várias vezes por dia, com 2/3 das empresas questionadas implantando pelo menos uma vez por mês. Essa taxa crescente de mudança mostra como o mercado está crescendo mais rapidamente para acompanhar a demanda.
Se esse padrão continuar, todas as empresas serão obrigadas a implantar modificações com frequência para atender às necessidades em constante mudança da indústria de software contemporânea. Essa taxa de mudança é difícil de escalar.
Precisaremos desenvolver novas estratégias para melhorar nossos métodos de trabalho, lidar com o incognoscível e impulsionar a engenharia de software para o futuro à medida que aceleramos ainda mais rapidamente.
Entrando em AIOps e ML
A comunidade de engenheiros de software está ciente da carga administrativa que vem com a manutenção de uma arquitetura de microsserviços sofisticada. Os engenheiros geralmente enfrentam dificuldades operacionais por 23% do tempo. Como os AIOps poderiam reduzir esse número e dar aos engenheiros mais tempo para retomar sua codificação?
Utilizando AIOps para detectar anomalias e gerar alertas para você
Encontrar anomalias é um problema que surge frequentemente dentro das empresas. Os resultados que não correspondem ao restante do conjunto de dados são considerados anômalos. Como você caracteriza as anomalias? Essa é a única pergunta difícil. Enquanto alguns conjuntos de dados contêm uma grande variedade de dados, outros são notavelmente homogêneos. A classificação e a detecção de uma mudança abrupta nesses dados se transformam em um desafio estatístico desafiador.
Detecção de anomalias com aprendizado de máquina
Uma técnica de aprendizado de máquina chamada detecção de anomalias procura discrepâncias em seus dados usando os recursos de reconhecimento de padrões de um algoritmo baseado em IA. Isso é altamente eficaz na solução de problemas operacionais em que, normalmente, os operadores humanos teriam que eliminar a desordem para encontrar as informações úteis ocultas nos dados.
Essas conclusões são interessantes, pois sua estratégia de alerta de IA pode trazer dificuldades que você nunca encontrou antes. Para definir critérios para seus alertas ao usar o alerta tradicional, muitas vezes você precisará antecipar as ocorrências que prevê ocorrer. As instâncias que você conhece ou seu monitoramento tem pontos cegos que você está abordando apenas um evento.
Seus alertas orientados por AIops podem servir como uma rede de segurança para seus alertas padrão, para que você possa trabalhar com confiança sabendo que será informado se alguma anomalia inesperada aparecer em seus logs, métricas ou rastreamentos. Isso significa gastar menos tempo criando alertas muito detalhados e mais tempo desenvolvendo e implementando os serviços que irão diferenciar seu negócio dos concorrentes.
AIOps pode servir como sua rede de segurança
Você pode definir alguns de seus alertas básicos e usar sua estratégia de AIOps para capturar os outros em vez de definir uma infinidade de alertas tradicionais em torno de cada resultado potencial e gastar muito tempo construindo, mantendo, revisando e otimizando esses alertas.
O tempo dos engenheiros tornou-se cada vez mais valioso à medida que fazemos a transição para a engenharia de software contemporânea. Os AIOps podem reduzir o custo operacional crescente do software, dando aos engenheiros de software mais tempo para criar, avançar e entrar na nova era da codificação.
Mais histórias em alta
A IA está protegendo os bombeiros! Está se tornando a primeira linha de defesa
EUA x Ásia: os CHIPs e a ciência são uma ameaça para o Oriente Médio e o Oriente?
Apesar do Hype, startups da Web3 não conseguirem arrecadar fundos continua sendo uma história dolorosa
Esta tecnologia de reconhecimento facial pode ver através do Niqab! Violação de privacidade?
Simulação na computação quântica está colocando os pesquisadores da Deepmind em desgraça
Google ignorou Lemoine Big Time! Mas e se o LaMDA ressuscitar?
A IA não permite o ‘carregamento mental’, não o torna imortal
O post Por que os AIOps podem ser essenciais para a engenharia no futuro apareceu primeiro em .
source – www.analyticsinsight.net
