Las 5 etapas para una adopción exitosa de AIOps

Si bien de la Inteligencia Artificial se viene hablando hace décadas, solo en años recientes comienza su aplicación más masiva en las empresas, como respuesta a la necesidad de automatizar y generar nuevos servicios.

Contenidos

Toggle

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 a ejecutivos y profesionales de tecnología, por Broadcom, el 94% 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 Grupo eSoft Colombia, 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 referirse a un conjunto emergente de soluciones y estrategias de 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, microservicios, DevOps (Desarrollo y Operaciones) y Seguridad.

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 AIOps 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 y de acuerdo con Jesús Rivas del Grupo eSoft Solombia, a continuación se describen las cinco etapas comunes por las que el equipo puede avanzar en su viaje AIOps:

 

1) Adopción temprana. La primera recomendación de implementación es familiarizarse con los fundamentos de AIOps y aprender cómo comenzar a integrarlo en sus flujos de trabajo y 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”, asegura el experto de eSoft.

 

2) Ampliación del alcance. Los equipos comienzan a usar su solución impulsada por AIOps a mayor escala, no solo para administrar la asignación de recursos, sino expandir su uso para cubrir un terreno más amplio como administrar múltiples aplicaciones y servicios de soporte.  En este punto, la solución seguirá haciendo sugerencias en lugar de realizar acciones automáticas.

3) Sumergirse en la complejidad. A medida que los equipos de TI 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, 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.  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.

4) Remediación automatizada. 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.

 

5) Remediación autónoma. Cuando va más allá del “manual” 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. 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, para superar las limitaciones tradicionales.

El objetivo es lograr que los esfuerzos manuales de operaciones de TI sean eliminados, 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.

Luis Braun Garcia, Certified Expert, Unified Infrastructure Management Support 2021, del grupo eSoft Colombia, agregó: “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.

---