Si tuviera que elegir una innovación tecnológica que esté preparada para ejercer el mayor impacto en la década actual, la respuesta sería la Inteligencia Artificial en las Operaciones (AIOps).
Así como la virtualización fue la tecnología definitiva en la primera década de 2000, y la computación en la nube reformó fundamentalmente el panorama tecnológico entre el 2010 y 2020, AIOps está sentando las bases para otra fase del cambio en el proceso de transformación digital durante esta nueva década que inició en el 2020.
Y es que, según una reciente encuesta realizada por Broadcom a ejecutivos y profesionales de tecnología, el 94% de los encuestados dijo que se necesitan soluciones analíticas como AIOps para correlacionar la información de monitoreo. Incluso, afirman que más allá de la correlación, lo que buscan es poder ver el panorama general de toda la infraestructura de TI.
AIOps permite a los equipos de operaciones de TI aprovechar al máximo la inteligencia artificial moderna y el aprendizaje automático para mejorar la visibilidad de los sistemas de TI, así como para automatizar muchos procesos de operaciones.
En lugar de tener que depender de los ingenieros de TI para identificar un problema con una aplicación y solucionarlo manualmente, por ejemplo, AIOps puede usar algoritmos para identificar y resolver el problema de manera automática. Del mismo modo, en lugar de requerir que el personal de TI determine la mejor manera de administrar el rendimiento de una aplicación o cuántos recursos asignarle, AIOps puede aprovisionar entornos automáticamente, mediante el análisis de datos para garantizar la optimización de los recursos.
De hecho, según Jesús Rivas Salinas, director CTO para Latinoamérica del eSoft LATAM, AIOps genera mayor eficiencia, una reparación más rápida, una mejor experiencia del usuario y una menor complejidad operativa, al permitir automatizar procesos que antes debían realizarse de forma manual por operadores humanos.
AIOps no es un concepto completamente nuevo. El término fue introducido en 2016 por Gartner para al uso de Inteligencia Artificial en las operaciones de TI.
Sin embargo, solo hasta el año pasado, llegó el momento de AIOps por completo, lo cual se debió a la convergencia de varias tendencias tecnológicas que no se habían desarrollado completamente, como:
- Contenerización: en los últimos años, las organizaciones han comenzado a implementar aplicaciones en contenedores a gran escala. El cambio de tecnologías de alojamiento de aplicaciones convencionales (como máquinas virtuales) a contenedores ha agregado más complejidad a los entornos de aplicaciones. Los contenedores también hacen que las aplicaciones sean más dinámicas, ya que las instancias de contenedores individuales giran hacia arriba y hacia abajo constantemente. Mantener la visibilidad en entornos de múltiples capas, que cambian rápidamente al estar construida en contenedores, requiere la automatización que solo AIOps puede ofrecer.
- Microservicios: a finales de la década de 2010, la mayoría de las organizaciones habían migrado una parte importante de sus arquitecturas de aplicaciones a microservicios. Al igual que los contenedores, las aplicaciones de microservicios son fundamentalmente más complejas que sus predecesoras porque constan de varios servicios, cada uno de los cuales se inicia y se detiene en momentos diferentes. Estas arquitecturas también suelen implicar redes internas complejas, que utilizan una serie de puntos finales configurados dinámicamente para permitir la comunicación entre microservicios. Intentar configurar y monitorear manualmente aplicaciones de microservicios a gran escala, simplemente no es práctico. Esta complejidad, también, solo se puede dominar con la ayuda de Inteligencia Artificial en las operaciones de TI.
- DevOps: se originó hace más de una década. Sin embargo, solo en los últimos años el impacto cultural de DevOps (Desarrollo y Operaciones) se ha vuelto verdaderamente omnipresente. En este punto, pocas personas cuestionan las prioridades culturales que promueve DevOps, que incluyen la automatización y la colaboración fluida entre todas las partes interesadas dentro del ciclo de vida de administración y entrega de aplicaciones. AIOps promueve ambos objetivos. En entornos complejos y de rápido movimiento, la visibilidad y la automatización que proporciona AIOps son esenciales para una colaboración eficaz entre equipos.
- Seguridad: identificar y remediar las amenazas de seguridad es solo uno de los casos de uso de AIOps, pero es uno muy poderoso. Esto es especialmente cierto ya que el costo de las brechas de seguridad aumenta constantemente y los incidentes siguen siendo un desafío interminable para las empresas. AIOps está preparado para soportar a los equipos a mantener las aplicaciones y los datos a salvo de los atacantes. Al ayudar a automatizar no solo la detección de amenazas, sino también la remediación, incluso en entornos muy complejos, AIOps puede resultar ser la solución para avanzar realmente contra las amenazas de seguridad generalizadas.
Ante este panorama, Jesús Rivas del eSoft LATAM, compañía representante de las soluciones tecnológicas de clase mundial, con altos niveles de relacionamiento y Partner Tier 1 y VAD “Value Added Distributor” de Broadcom, expone el camino para la adopción de esta nueva tecnología.
Las cinco etapas de la adopción de AIOps
AIOps es una estrategia que se adopta de forma incremental y a escala, a medida que se aprende a aprovechar sus bondades.
Reconocer la naturaleza gradual de la adopción de la Inteligencia Artificial en las operaciones de TI es fundamental para su éxito. Los equipos deben tener una sólida comprensión de cómo implementar las prácticas y soluciones de AIOps. Con esto en mente, a continuación, se describen las cinco etapas comunes por las que el equipo puede avanzar en su viaje AIOps.
Etapa 1 de AIOps: Adopción temprana
La primera etapa del viaje comienza cuando implementa una solución de este tipo que está:
Impulsada por un conjunto de datos limitado. Por ejemplo, la solución puede tomar registros de una sola aplicación que está ayudando a monitorear. No será sino hasta etapas posteriores que avanzará hacia conjuntos de datos unificados y más grandes.
Centrada en una necesidad o un punto de dolor específicos. En lugar de ayudar a administrar todos los aspectos del rendimiento de una aplicación, por ejemplo, la solución AIOps podría simplemente administrar la asignación de recursos.
Diseñada para hacer recomendaciones en lugar de tomar acciones. La solución sugerirá acciones que su equipo puede tomar para mejorar el rendimiento de su aplicación, pero no las tomará automáticamente el sistema, hasta que el área de tecnología lo defina.
Esta es la primera recomendación de implementación que ayuda a los equipos a familiarizarse con los fundamentos de AIOps y aprender cómo comenzar a integrarlo en sus flujos de trabajo y solo sirven como complementos de las operaciones de TI, en lugar de ser el núcleo de cualquier flujo de trabajo.
“Los cambios deben ser planeados y obedecen a procesos, no solo de tecnología sino de adopción cultural, por ello, debe ser un medio y no un fin”, declara el experto de eSoft LATAM.
Etapa 2 de AIOps: Ampliación del alcance
Los equipos llegan a la segunda etapa cuando comienzan a usar su solución impulsada por AIOps a mayor escala. Por lo general, los equipos no agregarán una solución AIOps adicional; se quedarán con la que implementaron originalmente. Pero, en lugar de usarla para un solo propósito (como administrar la asignación de recursos), expandirán su uso para cubrir un terreno más amplio (como administrar múltiples aplicaciones y servicios de soporte también).
El equipo también puede dar algunos pasos hacia un conjunto de datos más unificados para impulsar la solución AIOps. En lugar de depender de los registros de una sola aplicación, es posible que incorporen registros de todas las aplicaciones del mismo tipo. El conjunto de datos aún sería pequeño y difícilmente completo, pero sería más amplio que el utilizado en la primera etapa de adopción de AIOps.
En este punto, la solución seguirá haciendo sugerencias en lugar de realizar acciones automáticas. Su equipo todavía no confía en él lo suficiente como para permitirle modificar nada por sí solo.
Etapa 3 de AIOps: sumergirse en la complejidad
A medida que sus equipos sean cada vez más conscientes de la información que puede proporcionar esta nueva tecnología, estarán ansiosos por recibir más orientación sobre problemas más complejos que les pueda resolver AIOps. Por ejemplo, en lugar de buscar recomendaciones sobre los recursos para asignar a una aplicación, es posible que quieran usar AIOps para ayudar a comprender cómo los problemas de rendimiento se correlacionan con las asignaciones de recursos para llegar a la raíz de los problemas más rápido.
Las soluciones AIOps son adecuadas para analizar problemas complejos como este, pero solo si tienen suficientes datos para comprenderlos. Por esa razón, la etapa tres de AIOps generalmente implica una mayor expansión tanto del volumen como de la diversidad de datos alimentados a la solución AIOps.
En lugar de permitir que su solución analice solo los registros de aplicaciones similares, por ejemplo, puede admitir que tome registros de todas las aplicaciones de su centro de datos, incluso de aquellas que tienen una arquitectura única. Tener un conjunto de datos grande y variado ayudará a la solución AIOps a obtener una mejor visibilidad de cómo funciona cada aplicación y cómo se compara su rendimiento con el del resto del centro de datos. Aún así, el equipo dependerá principalmente de AIOps para hacer recomendaciones sobre cómo solucionar problemas complejos, no para resolverlos directamente en este momento.
Etapa 4 de AIOps: Remediación automatizada basada en el libro de jugadas
Cuando comienza a adoptar las funciones de corrección automatizada de AIOps por primera vez, llega a la etapa cuatro. En este punto, el equipo finalmente se siente cómodo dejando que una solución impulsada por AIOps aplique automáticamente las medidas para resolver los problemas que identifica, como una aplicación con aprovisionamiento insuficiente. Sin embargo, la principal advertencia aquí es que las acciones de la solución se basarán en un «manual de jugadas» preconfiguradas que determinan qué intervenciones puede realizar en respuesta a ciertas condiciones. En este sentido, la solución no actuará de una manera verdaderamente autónoma; simplemente determinará cuándo se cumplen las condiciones preestablecidas y luego tomará las medidas correspondientes.
Etapa 5 de AIOps: Remediación autónoma
Cuando va más allá del “manual de jugadas” y deja que su solución AIOps diseñe sus propias estrategias de remediación, habrá alcanzado la etapa cinco. Aquí es cuando el poder de AIOps se vuelve más visible, porque AIOps finalmente puede reemplazar (en lugar de complementar) a los operadores humanos dentro de un flujo de trabajo de TI, y el equipo de TI puede dedicarse a promover la innovación, mientras deja que AIOPs resuelva los problemas técnicos.
Esto no quiere decir que los “manuales de jugadas” desaparezcan. En la mayoría de los casos, las soluciones AIOps planificarán las remediaciones basadas en ellos, aunque pueden cambiar algunos de los pasos en función de los conocimientos que han obtenido de operaciones anteriores. En el manual puede decir que un cierto tipo de error de aplicación debe corregirse cambiando la asignación de memoria en una cierta cantidad, por ejemplo, pero la solución AIOps puede determinar que la reasignación de memoria óptima es en realidad menor de lo que especifica el libro y actuar en consecuencia.
En este punto, su equipo ha depositado toda su fe en AIOps. Los ingenieros humanos seguirán necesitando abordar problemas verdaderamente complejos que los AIOps no pueden resolver por sí solos. Pero para los flujos de trabajo de rutina, confían en AIOps para que se encargue de todo por ellos. También ingresarán tantos datos como puedan recopilar en sus soluciones, y se darán cuenta de que cuantos más datos tengan para impulsar AIOps, será mejor.
AIOps: superando las limitaciones tradicionales
La etapa cinco no es realmente el final del viaje de la Inteligencia Artificial en las operaciones de TI, por supuesto. Siempre habrá oportunidades para implementar nuevas soluciones o aplicar AIOps a nuevos flujos de trabajo. El objetivo final es lograr lo que los esfuerzos manuales de operaciones de TI pueden eliminarse por completo, liberando al personal para abordar otras prioridades de negocio y servicios.
Además, las formas en que se emplea AIOps seguirán evolucionando. En muchos casos, las acciones automatizadas que realiza AIOps se basan en libros de jugadas o flujos de trabajo predefinidos que deben configurarse manualmente. A medida que las soluciones AIOps se vuelvan más sofisticadas, disminuirá la necesidad de pautas generadas manualmente.
De acuerdo con Luis Braun Garcia, Certified Expert, Unified Infrastructure Management Support 2021, eSoft LATAM: “Las mejores soluciones de AIOps serán aquellas que puedan utilizar el análisis de datos y el aprendizaje automático para determinar cómo identificar, comprender y reaccionar a los problemas sobre la base de lo que ha funcionado en el pasado, en lugar de solo estar basado en los “manuales de jugadas”.
En el futuro, una nueva generación de plataformas AIOps aprovechará el aprendizaje automático para comprender conjuntos de datos unificados y tomar decisiones autónomas que tengan en cuenta el contexto completo y único de cada situación.
Conclusión
AIOps ya ha comenzado a transformar la forma en que los equipos de operaciones de TI trabajan y colaboran con otras partes interesadas. En el futuro, a medida que las aplicaciones se vuelven aún más complejas y la demanda de automatización y colaboración sea más urgente, las soluciones y metodologías AIOps se volverán inseparables de las estrategias de TI exitosas.
Así como DevOps es un viaje sin fin, el viaje de AIOps nunca termina. Cada implementación de AIOps es única, pero todas implican una expansión y mejora incrementales en las formas en que se aprovecha AIOps.
Tener en cuenta la naturaleza progresiva de la Inteligencia Artificial en las operaciones de TI es esencial para aprovecharlo al máximo y asegurarse de que no se detenga antes de permitir que su estrategia de AIOps alcance todo su potencial.
“Al aprovechar las nuevas técnicas como base de la automatización, AIOps puede automatizar los flujos de trabajo de TI que antes eran imposibles de administrar sin un esfuerzo manual y, en este sentido, tecnologías como Broadcom y servicios de consultoría como los de eSoft serán el acompañamiento de las empresas en este viaje de Inteligencia Articificial en las Operaciones”, concluyó Jesús Rivas Salinas, Director CTO de eSoft LATAM.
Fuente: http://www.tecnogus.com.co/2021/05/por-que-la-inteligencia-artificial-en.html