Definition

Inteligencia artificial para operaciones de TI (AIOps)

Contribudor(es): Margaret Rouse

La inteligencia artificial para operaciones de TI (AIOps) es un término general para el uso de análisis de big data, aprendizaje automático (ML) y otras tecnologías de inteligencia artificial (IA) para automatizar la identificación y resolución de problemas comunes de tecnología de la información (TI).

El contenido continua más abajo

Los sistemas, servicios y aplicaciones de una gran empresa producen inmensos volúmenes de datos de registro y rendimiento. AIOps usa estos datos para monitorear los activos y obtener visibilidad de las dependencias sin y fuera de los sistemas de TI.

Una plataforma AIOps debería aportar tres capacidades a la empresa:

  1. Automatizar las prácticas de rutina.

Las prácticas de rutina incluyen las solicitudes de los usuarios y las alertas del sistema de TI no críticas. Por ejemplo, AIOps puede permitir que un sistema de mesa de ayuda procese y cumpla una solicitud de usuario para aprovisionar un recurso automáticamente. Las plataformas AIOps también pueden evaluar una alerta y determinar que no requiere acción porque las métricas relevantes y los datos de respaldo disponibles están dentro de los parámetros normales.

  1. Reconocer problemas graves más rápido y con mayor precisión que los humanos.

Los profesionales de TI pueden abordar un evento de malware conocido en un sistema no crítico, pero ignoran una descarga o un proceso inusual que se inicia en un servidor crítico porque no están atentos a esta amenaza. AIOps aborda este escenario de manera diferente, priorizando el evento en el sistema crítico como un posible ataque o infección porque el comportamiento está fuera de la norma y no prioriza el evento de malware conocido mediante la ejecución de una función antimalware.

  1. Optimizar las interacciones entre los grupos y equipos del centro de datos.

AIOps proporciona a cada grupo de TI funcional datos y perspectivas relevantes. Sin operaciones habilitadas para IA, los equipos deben compartir, analizar y procesar información reuniéndose o enviando datos manualmente. Los AIOps deben aprender qué datos de análisis y monitoreo mostrar a cada grupo o equipo del gran conjunto de métricas de recursos.

Casos de uso

AIOps se usa generalmente en empresas que usan DevOps o computación en la nube y en empresas grandes y complejas. AIOps ayuda a los equipos que usan un modelo DevOps al brindarles a los equipos de desarrollo información adicional sobre su entorno de TI, lo que luego les brinda a los equipos de operaciones más visibilidad de los cambios en la producción.

AIOps también eliminará muchos de los riesgos involucrados en las plataformas de nube híbrida al ayudar a los operadores en toda su infraestructura de TI. En muchos casos, AIOps puede ayudar a cualquier gran empresa que tenga un amplio entorno de TI. Ser capaz de automatizar procesos, reconocer problemas en un entorno de TI antes y ayudar a suavizar las comunicaciones entre equipos ayudará a la mayoría de las grandes empresas con entornos de TI extensos o complicados.

Tecnologías AIOps

AIOps utiliza un conglomerado de varias estrategias de IA, que incluyen salida de datos, agregación, análisis, algoritmos, automatización y orquestación, aprendizaje automático y visualización. La mayoría de estas tecnologías están razonablemente bien definidas y son maduras.

Los datos de AIOps provienen de archivos de registro, métricas y herramientas de monitoreo, sistemas de tickets de asistencia técnica y otras fuentes. Las tecnologías de big data agregan y organizan todos los resultados de los sistemas en una forma útil. Las técnicas de análisis pueden interpretar la información sin procesar para crear nuevos datos y metadatos. La analítica reduce el ruido, que es información innecesaria o falsa y también detecta tendencias y patrones que permiten a la herramienta identificar y aislar problemas, predecir la demanda de capacidad y manejar otros eventos.

La analítica también requiere algoritmos para codificar la experiencia en TI de la organización, las políticas comerciales y los objetivos. Los algoritmos permiten que una plataforma AIOps entregue las acciones o resultados más deseables: los algoritmos son la forma en que el personal de TI prioriza los eventos relacionados con la seguridad y le enseña a la plataforma las decisiones de rendimiento de las aplicaciones. Los algoritmos forman la base del aprendizaje automático, en el que la plataforma establece una línea de base de comportamientos y actividades normales, y luego puede evolucionar o crear nuevos algoritmos a medida que los datos del entorno cambian con el tiempo.

La automatización es una tecnología subyacente clave para que las herramientas AIOps actúen. Las funciones automatizadas ocurren cuando se activan por los resultados de la analítica y el aprendizaje automático. Por ejemplo, el análisis predictivo y el aprendizaje automático de una herramienta determinan que una aplicación necesita más almacenamiento, luego inicia un proceso automatizado para implementar almacenamiento adicional en incrementos consistentes con las reglas algorítmicas.

Finalmente, las herramientas de visualización brindan cuadros de mando, informes, gráficos y otros resultados legibles por humanos para que los usuarios sigan los cambios y eventos en el entorno. Con estas visualizaciones, los humanos pueden actuar sobre la información que requiere capacidades de toma de decisiones más allá de las del software AIOps.

Beneficios y desventajas de AIOps

Cuando se implementa y se capacita adecuadamente, una plataforma AIOps reduce el tiempo y la atención del personal de TI dedicado a las alertas cotidianas, rutinarias y mundanas. El personal de TI enseña a las plataformas AIOps, que luego evolucionan con la ayuda de algoritmos y aprendizaje automático, reciclando el conocimiento adquirido con el tiempo para mejorar aún más el comportamiento y la eficacia del software. Las herramientas AIOps también realizan un monitoreo continuo sin necesidad de dormir. Los seres humanos en el departamento de TI se centran en problemas serios y complejos y en iniciativas que aumentan el rendimiento y la estabilidad del negocio.

El software AIOps puede observar relaciones causales en múltiples sistemas, servicios y recursos, agrupando y correlacionando fuentes de datos dispares. Esas capacidades de análisis y aprendizaje automático permiten que el software realice un poderoso análisis de la causa raíz, lo que acelera la resolución de problemas y la solución de problemas difíciles e inusuales.

AIOps puede mejorar las actividades de colaboración y flujo de trabajo entre grupos de TI y entre TI y otras unidades de negocio. Con informes y paneles personalizados, los equipos pueden comprender sus tareas y requisitos rápidamente e interactuar con otros sin aprender todo lo que el otro equipo necesita saber.

Aunque las tecnologías subyacentes para AIOps son relativamente maduras, todavía es un campo temprano en términos de combinación de tecnologías para uso práctico. AIOps es tan bueno como los datos que recibe y los algoritmos que se le enseñan. La cantidad de tiempo y esfuerzo necesarios para implementar, mantener y administrar una plataforma AIOps puede ser sustancial. La diversidad de fuentes de datos disponibles, así como el almacenamiento, la protección y la retención de datos adecuados, son factores importantes en los resultados de AIOps.

AIOps exige confianza en las herramientas, lo que puede ser un factor de activación para algunas empresas. Para que una herramienta AIOps actúe de forma autónoma, debe seguir los cambios dentro de su entorno de destino con precisión, recopilar y proteger datos, formar conclusiones correctas basadas en los algoritmos disponibles y el aprendizaje automático, priorizar las acciones de manera adecuada y tomar las acciones automatizadas apropiadas para coincidir con las prioridades y objetivos comerciales.

Implementación de AIOps y proveedores de AIOps

Para demostrar el valor y mitigar el riesgo de la implementación de AIOps, introduzca la tecnología en fases pequeñas y cuidadosamente orquestadas. Decidir sobre el modelo de alojamiento adecuado para la herramienta, como in situ o como servicio. El personal de TI debe comprender y luego capacitar al sistema para que se adapte a las necesidades, y para hacerlo debe tener una gran cantidad de datos de los sistemas bajo su supervisión.

AIOps es un área emergente, pero existe una creciente estabilidad de ofertas de productos para que las empresas revisen y evalúen, que incluyen, entre otros:

  • Herramienta IT Service Intelligence (ITSI) de Splunk.
  • Plataforma TrueSight de BMC.
  • Crosswork Situation Manager de Cisco, la parte AIOps de la familia de productos Cisco Crosswork Network Automation.
  • Moogsoft AIOps.
  • DRYiCE AIOps de HCL Technologies Ltd.

Las características y la funcionalidad de AIOps también aparecen en las suites de productos existentes. Ejemplos incluyen:

  • New Relic Applied Intelligence (NRAI), que integra características de perfiles de error y radar basados ​​en inteligencia artificial en la plataforma de inteligencia digital New Relic.
  • Plataforma de implementación de aplicaciones Trebuchet de Datapipe, que se basa en IA para mejorar los procesos de DevOps.

Este contenido se actualizó por última vez en octubre 2020

Investigue más sobre Desarrollo de aplicaciones

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

Close