Hoe AIOps en observeerbaarheid IT kunnen helpen

In 2016 bedacht Gartner het acroniem AIOps (ArtificialIntelligence for IT Operations), maar jaren daarvoor hoorden en ervaren IT-professionals al elementen van autonoom computergebruik. Dergelijke automatiseringstechnologie stelde mainframes en servers in staat om automatische en adaptieve beslissingen en aanpassingen te nemen, zodat ze konden reageren op de sensoren die tijdens hun activiteiten waren ingebouwd en hen informeerden over de prestaties.

Introductie van AIOps-waarneembaarheid

Of het nu AIOps of autonoom computergebruik is, het doel was altijd om IT te helpen bij het bewaken en afstemmen van de prestaties, zodat het het meeste uit geautomatiseerde activa kon halen en geoptimaliseerde technologie aan het bedrijf kon leveren. IT is optimistisch over AIOps, zoals blijkt uit het samengestelde jaarlijkse groeipercentage van 21,05% dat wordt voorspeld voor AIOps-oplossingen tussen nu en 2026.

Dus, wat maakt AIOps zo'n overtuigende waardepropositie?

Voor overwerkte systeemprogrammeurs, netwerkbeheerders en softwareontwikkelaars kan AIOps de meest urgente problemen aan het licht brengen uit een hooiberg van dagelijkse waarschuwingen en potentiële prestatieproblemen die al dan niet onmiddellijke aandacht en oplossing vereisen. Deze waarschuwingen komen overal vandaan, dankzij het aantal silosystemen dat de IT-afdelingen van bedrijven moeten beheren. Er zijn momenten waarop die alternatieven meer afleidend geluid veroorzaken dan hulp.

Waar AIOps helpt bij het wegjagen van deze kakofonie van waarschuwingen voor de kritieke omstandigheden die echt relevant zijn voor een incident of een storing. Het doet dit omdat het kunstmatige intelligentie en machine learning gebruikt om de elementen en dynamiek van de IT-infrastructuur van een organisatie te volgen, en leert wat normaal is en wat een probleem vormt. Uitgerust met deze kennis identificeert en geeft AIOps waarschuwingen zoals eerdere systeembenaderingen. Wat de AIops van vandaag echter uniek maakt, is dat de AI die bij operationele monitoring wordt geleverd, AIOps nu naar het domein van de waarneembaarheid van de infrastructuur brengt.

Observability maakt het verschil voor IT omdat het in staat is om contextuele informatie die is verzameld uit de IT-infrastructuur te combineren met kunstmatige intelligentie en automatisering in plaats van alleen op zichzelf staande waarschuwingen te geven van individuele systeemcomponenten die IT afzonderlijk moet evalueren en oplossen. Met een meer holistische benadering van de evaluatie van de IT-infrastructuur, die zowel infrastructuurkennis als probleemdetectie omvat, maakt AIOps-waarneembaarheid gebruik van IT-statistieken, logboeken en traceringen en geeft het diagnostische aanbevelingen voor oplossingen die IT kan gebruiken om de tijd tot probleemoplossing te versnellen.

Waarneembaarheid begrijpen

In de praktijk kan een AIOps-observatieplatform de verschillende systemen, data en netwerken waar een applicatie doorheen stroomt, integreren. In een hybride computeromgeving kan dit betekenen dat u applicatieworkflows moet doorlopen die zowel door een cloud als door on-premises bronnen gaan. Een of meer van deze bronnen kan een waarschuwing geven als de prestaties verslechteren. Zonder AIOps-waarnemingsmogelijkheid kan de IT talloze inkomende waarschuwingen van vele systeemmodules en -elementen evalueren, zonder een efficiënte manier om de "ruis" van de waarschuwing te scheiden van de hoofdoorzaak van een probleem. Deze ganzenjacht verlengt systeemdowntime en prestatieproblemen. Het zorgt voor ontevreden gebruikers en klanten en kan een bedrijf gemiddeld $ 5.600 per minuut kosten.

Hoe AIops-waarneembaarheid uitvaltijd en prestatieproblemen verhelpt

Als de AIOps-software bijvoorbeeld de dynamiek en de operationele context van uw IT-infrastructuur begrijpt, kan deze snel abnormale activiteit oppikken van een buitendienstvestiging aan de oostkust die doorgaans in het weekend gesloten is, maar plotseling een golf van activiteit registreert op een zaterdag.

AIOps kan detecteren of een server of router op uw netwerk bijna voldoende capaciteit heeft, en of dat overmatige capaciteitsgebruik normaal is voor een specifieke situatie, zoals de drukste verwerkingstijd van de dag of een piek inactiviteit als gevolg van een e-commerce promotie .

Op het gebied van applicatietesten, waar meerdere virtuele systemen worden gebruikt om te testen, maar kunnen worden vergeten nadat het werk is voltooid, kan observatie deze inactieve activa identificeren, zodat ze kunnen worden gedealloceerd.

In een hybride op prem-cloudomgeving kan AIOps-waarneming een applicatieontwikkelaar in realtime informeren als er ergens in de end-to-end applicatieworkflow een verstopping is die de prestaties verhindert.

Het resultaat is dat IT beter draait, applicaties sneller aan de business worden geleverd en downtime wordt verminderd.

De staat van waarneembaarheid

Dat gezegd hebbende, bevindt de waarneembaarheid van AIOps zich in veel organisaties nog in de vroege stadia van implementatie.

Een uitdaging is dat niet alle IT-afdelingen precies begrijpen wat waarneembaarheid - een wat vaag woord - betekent. Als waarneembaarheid in plaats daarvan zou worden opgevat als 'geïnformeerde observatie' die wordt gefaciliteerd door AI en machine learning, zou de technologie sneller in gebruik kunnen worden genomen en zou de waarde ervan ontgrendeld kunnen worden.

Na meer dan 20 jaar als CIO te hebben gewerkt, weet ik twee dingen:

Ten eerste hebben CIO's en IT een hekel aan downtime, op jacht gaan en de emoties van gebruikers, klanten en management moeten kalmeren terwijl IT uitzoekt wat er mis is gegaan in een complexe applicatie die veel systemen raakt.

Ten tweede, als we een einde kunnen maken aan die marathonvergaderingen die in 2021 doorgaan, net als in 1981, zou het vingerwijzen minder zijn en het moreel van het personeel hoger zijn. AIOpwaarneembaarheid zou alle betrokkenen, van de DBA tot de applicatieontwikkelaar tot de systeemprogrammeur, beter uitrusten met een bruikbare, enkele versie van de waarheid.