por Aishwarya Banik
24 de dezembro de 2021
Devido à ampla aplicação e natureza integrada de AIOps em todo o ecossistema de TI, a maioria dos executivos de TI está abordando AIOps com grandes expectativas
AI for IT Operations (AIOps) é um campo florescente de tecnologias e estratégias que injetam inteligência artificial nas operações de TI na tentativa de resolver os desafios enfrentados pelas equipes de operações de TI, reduzindo falsos positivos, usando aprendizado de máquina para detectar problemas antes que eles aconteçam, automatizando a correção e ver uma solução holística de uma perspectiva empresarial. De acordo com uma pesquisa realizada em outubro, 65% das empresas estão usando AIOps e 94% acreditam que é “essencial ou muito importante” para monitorar o desempenho da rede e dos aplicativos em nuvem. Embora os AIOps ainda estejam engatinhando, eles já estão demonstrando sua utilidade.
O caminho para AIOps nem sempre é fácil. Implementar AIOps também é “difícil” ou “muito desafiador”, de acordo com mais da metade dos entrevistados da EMA. Custo, qualidade de dados, disputas de TI, desconfiança em IA, escassez de habilidades e problemas de integração estão entre os desafios mais prevalentes mencionados pelas empresas.
Antes de ser implementado, não há abordagem definida
Os negócios de TI de hoje estão sob muita pressão e podem sentir que não têm tempo suficiente para se preparar adequadamente. “As organizações, em geral, são limitadas em tempo e recursos”, diz John Carey, diretor-gerente do grupo de tecnologia da empresa de consultoria de gerenciamento mundial da AArete. As iniciativas de IA são frequentemente iniciadas como experiências de aprendizagem que se transformam em possibilidades. “Você precisa de um plano”, explica Carey. “Os AIOps devem ser completos e bem planejados.” Doncha Carroll, um parceiro do grupo de desenvolvimento de receita da Axiom Consulting Partners, diz que lançar uma solução de tecnologia sem articular adequadamente os problemas que você está tentando resolver é um problema antigo para a TI.
Dados imprecisos ou incompletos
As preocupações com dados, atrás do custo, são a segunda barreira mais significativa para instalações eficazes de AIOps, de acordo com uma pesquisa da EMA. Os dados de treinamento são a força vital da IA e do aprendizado de máquina. Os sistemas de processo legados, por outro lado, podem não capturar dados de desempenho de maneira consistente. Também pode haver componentes críticos ausentes ou informações conflitantes fornecidas. De acordo com Gregory Murray, diretor de pesquisa sênior do Gartner, “o mercado ainda está em sua fase de primeira geração”. “Avaliamos os dados que temos porque são os dados que temos”, diz o autor.
Cobertura Inadequada
Como um problema em uma parte do ambiente pode ter repercussões em outra, as empresas devem trazer o maior número possível de sistemas sob seu guarda-chuva para colher todos os benefícios dos AIOps. Um servidor de banco de dados lento pode estar causando o problema de experiência do usuário ou o problema de rede pode ser um problema de segurança cibernética. ”À medida que mais organizações empregam tecnologia digital, há mais links entre os aplicativos”, observa Machado. “Se o programa for lento, pode causar problemas em outros sistemas.” No entanto, existem alguns obstáculos no caminho. Um fator a ser considerado é o custo desse sistema. Outro problema é integrar todas as fontes de dados relevantes para que possam trabalhar juntas.
Duplo pagamento
Equipes ou divisões individuais com seu kit de ferramentas preferido e a recusa em desistir pode causar problemas organizacionais internos. “Livrar-se de sistemas alternativos de monitoramento pode ser um pesadelo político para muitas empresas”, diz McKeown White. As empresas geralmente fazem concessões, deixando seus sistemas existentes no lugar enquanto implementam a plataforma AIOps em cima deles. Ele avisa, no entanto, que isso pode levar à duplicação de empregos, desafios de integração e aumento de despesas. “As organizações estão gastando muito nessas tecnologias e não obtendo os resultados de que precisam”. Algumas empresas estão contando com AIOps incorporados em sistemas específicos de domínio para ajudá-los a resolver esse problema. Por exemplo, a inteligência artificial e o aprendizado de máquina estão cada vez mais sendo utilizados para detectar problemas em sistemas de monitoramento de desempenho de aplicativos.
A imagem inteira não está clara
Os sistemas específicos de domínio podem automatizar suas operações nativamente e tornar as tecnologias de IA invisíveis para os usuários. No entanto, ao mesmo tempo que preservam silos para evitar problemas de integração, as empresas perderão todo o potencial das AIOps. “Você deve ser capaz de se comunicar com o sistema de rede, com o servidor de aplicativos, para visualizar todas as diferentes regiões se estiver tentando realizar algo como análise de causa raiz para aumentar a latência”, explica Shimin. “Ninguém quer fazer um notebook Jupyter para olhar os logs de rede e descobrir o que deu errado com o tempo de resposta.” Finalmente, o provedor de nuvem pode ser capaz de fornecer um conjunto completo de recursos de AIOps, o que pode ser benéfico para empresas que utilizam o mesmo provedor de nuvem.
Transformação da Cultura
Finalmente, muitas empresas descobrem que seus funcionários não acreditam nos sistemas de IA ou são resistentes a mudanças. Mesmo em empresas com o maior grau de sucesso com AIOps, 22% dos entrevistados afirmaram que “medo ou desconfiança da IA” foi o principal obstáculo para seus projetos AIOps na pesquisa da EMA, com “déficit de talentos” vindo em quarto lugar. Sanjay Srivastava, diretor digital da Genpact, uma empresa global de transformação digital, disse: “Na lista”. “Estamos tentando explicar a IA para quebrar as coisas, mas funciona em certas áreas e não funciona em outras. O AIOps está melhorando rapidamente a ponto de poder fazer escolhas operacionais corporativas, como redirecionamento de tráfego, realocação de recursos e rotação de instâncias automaticamente.
source – www.analyticsinsight.net
