Применение ИИ для IT-операций может провалиться из-за некачественных данных

Искусственный интеллект для IT-операций (AIOps) может стать настоящим избавлением для перегруженных IT-отделов. Применение расширенной автоматизации к бесчисленным рутинным IT-процессам снизит нагрузку на IT-отделы и позволит им сосредоточиться на более значимых вещах, таких как цифровая трансформация, непрерывная интеграция и развертывание ПО.

Однако здесь есть проблема: AIOps требует нужные данные в нужное время, но многие из этих данных либо не готовы, либо нуждаются в тщательном пересмотре. AIOps функционирует на основе таких точек данных, как логи и метрики системы, статистика производительности, события, трансляция операций в режиме реального времени и данные, связанные с инцидентами. Однако многие из этих данных могут быть неполными или далеко запрятанными. То есть, если данные не на должном уровне, AIOps может провалиться или, что еще хуже, направить технологические решения в неправильное русло.

Решить эту проблему может помочь роботизированная автоматизация данных (robotic data automation, RDA), пишет Forbes. В отличие от роботизированной автоматизации процессов (RPA), которая автоматизирует бизнес-процессы, данные рабочих процессов и пользовательские задачи, RDA автоматизирует конвейеры данных с помощью ботов.

Согласно недавнему исследованию аналитической компании Enterprise Management Associates (EMA), формы автоматизации, которые поддерживаются с помощью AIOps, включают «рабочий процесс в IT» (60%) и «автоматизацию модулей Runbook или IT-процессов» (49%). Еще 43% опрошенных IT-специалистов обращаются к AIOps за более интеллектуальными уведомлениями на основе предупреждений.

Однако AIOps сложно реализовать. Несмотря на очевидные преимущества, многим реализация искусственного интеллекта для IT-операций покажется слишком сложной. Основные проблемы включают точность и доступность данных, конфликты внутри IT, страх или недоверие к ИИ и недостаток навыков.

RDA решает проблемы с данными, связанные с AIOps, а также помогает заполнить пробелы в навыках.

Наблюдаемость данных часто зависит от того, сколько людей может быть брошено на обеспечение качества в конвейере данных, либо путем найма большего количества сотрудников или привлечения консалтинговых фирм. Это увеличивает общую стоимость владения и увеличивает время окупаемости, и здесь многие реализации AIOps терпят неудачу.

С помощью RDA в конвейерах данных можно развернуть программных ботов с целью упростить и абстрагировать множество операций с данными и машинное обучение. Это и есть ключ к автоматизации данных. Используя программных ботов в конвейерах и автоматизированных рабочих процессах, можно добиться необходимого для AIOps качества данных.