5 claves para construir una central eléctrica AIOps

Para competir, las empresas deben ofrecer experiencias digitales que funcionen sin problemas en segundos y deleiten a sus clientes. El desafío es que detrás de cada aplicación digital hay una complejidad masiva: cientos de servicios entrelazados, desarrollados por una combinación de contribuyentes propietarios y de código abierto, que conectan infraestructuras de mainframe y multinube con miles de millones de dispositivos de usuario final. Estas demandas digitales están impulsando un crecimiento exponencial de los volúmenes de datos y transacciones, lo que hace que sea cada vez más difícil para las operaciones de TI mantenerse al día. Hay demasiados datos, complejidad y cambios para que un número finito de operadores pueda mantenerlos, incluso con la ayuda de las principales tecnologías de monitoreo y diagnóstico.

Inteligencia artificial para operaciones de TI (AIOps) está ayudando a las organizaciones líderes a superar estos desafíos. AIOps combina big data y algoritmos de aprendizaje automático (ML) para aumentar y automatizar las tareas de operaciones de TI diarias que van desde el monitoreo y la generación de informes del rendimiento hasta la correlación y el análisis de datos. Es necesario aplicar la inteligencia artificial a las operaciones de TI para mantenerse al día con el volumen cada vez mayor de datos, que se duplica año tras año. AIOps le permite analizar rápidamente estos datos, presentarlos de manera significativa y usarlos para anticipar y resolver proactivamente problemas comunes de TI.

Puede parecer abrumador al principio, pero aquí hay cinco elementos clave de un enfoque pragmático para implementar AIOps:

  • Transforme los datos en silos en conocimientos contextuales para una toma de decisiones más rápida

Los datos son la clave de AIOps. Se necesita un conjunto amplio y rico de recopiladores de datos para alimentar los algoritmos de AA. La dificultad es que los datos residen en múltiples dominios en entornos de TI híbridos, todos los cuales generalmente están aislados. Para que sean útiles, los datos deben visualizarse y analizarse en contexto, lo que le permite actuar sobre los conocimientos derivados de los datos de manera más eficiente y eficaz. A esto lo llamamos conocimientos contextuales.

Esta información valiosa y procesable se basa en la información recopilada y analizada en todo su entorno de TI, lo que le ayuda a comprender cómo un dato está conectado con el siguiente y qué tan importante es la información para la empresa. Los conocimientos contextuales forman la base de AIOps, lo que hace posible lograr una colaboración sólida, anticipar problemas antes, permitir la automatización operativa e identificar prioridades estratégicas.

Esto plantea la pregunta: ¿cómo se pueden transformar los datos en silos en conocimientos contextuales? La respuesta no se encuentra en una sola herramienta, ni siquiera en una selección de herramientas. Las herramientas operativas modernas tienden a ser amplias o profundas, no ambas. Existen herramientas que brindan una capa amplia pero delgada de visibilidad de lo que sucede en los dominios de TI, como infraestructuras, redes, dispositivos de almacenamiento, bases de datos y aplicaciones. También existen herramientas que brindan una visibilidad profunda pero limitada de dominios y plataformas específicos. Pero si bien estas herramientas brindan un gran valor de diagnóstico, no son suficientes por sí mismas para romper los silos de datos.

La realidad es que no existe una herramienta que lo haga todo. Los silos solo se pueden dividir adoptando una arquitectura abierta que le permita integrar datos seleccionados de toda la pila de tecnología híbrida, desde dispositivos móviles hasta mainframe y múltiples nubes. Esto no significa tomar todos sus datos sin procesar y arrojarlos a un lago de datos gigantesco. Si lo hace, terminará con un pantano de datos: un grupo estancado obstruido con cantidades incalculables de datos inútiles … inútiles debido a la dificultad que implica poner datos aleatorios y dispares en contexto para crear información e impulsar la acción. En cambio, utilizando un enfoque de arquitectura abierta, puede aumentar y curar aún más los datos con significado detrás de las relaciones de datos que se encuentran en todo el panorama de las herramientas.

  • Analice en todos los dominios para aumentar la eficiencia operativa

Cuando sus herramientas de operaciones de TI adoptan el uso de API abiertas para recopilar análisis, obtiene la capacidad de ver sus datos seleccionados desde diferentes perspectivas y compartir conocimientos ocultos entre equipos, logrando así una mayor eficiencia. No necesita extraer y reemplazar todas sus herramientas de operaciones de TI para comenzar a obtener los beneficios de AIOps. En su lugar, puede aprovechar sus inversiones actuales en productos aprovechando las API abiertas para integrar los datos que ya está recopilando.

Por ejemplo, suponga que tiene una situación en la que una red funciona muy lentamente. La visibilidad de los datos de una herramienta puede limitarlo a lo que sucede dentro de su entorno de red. Sin embargo, si la ralentización fuera causada por actividades en un dispositivo de almacenamiento, la causa raíz del problema permanecería sin estar clara y fuera de la vista. La capacidad de visualizar datos en profundidad en contexto en todos los dominios revela lo que está sucediendo y por qué está sucediendo, lo que permite a los equipos trabajar juntos de manera interfuncional para resolver problemas rápidamente.

Los mayores beneficios de la información contextual se producen cuando los equipos de TI hacen del análisis colaborativo la nueva normalidad, manteniendo un conocimiento constante de las actividades que abarcan las infraestructuras de mainframe, distribuidas y en la nube. El intercambio de datos y el análisis más rápido en todos los dominios de TI aumentan la productividad y la eficiencia para todos, mejorando los resultados comerciales.

  • Aproveche la información proactiva para pasar de la recuperación a la evasión

Además de admitir el análisis multifuncional, los conocimientos contextuales permiten extraer datos en busca de patrones a través del aprendizaje automático. Estos patrones permiten a TI anticipar problemas potenciales antes y pasar de un modelo de recuperación reactiva a un modelo de evitación proactiva.

Los datos en silos hacen que las operaciones proactivas sean casi imposibles. Faltan demasiados datos en la ecuación. Pero cuando los datos se sintetizan y analizan desde múltiples entornos y se combinan con la experiencia humana, el análisis proactivo adquiere niveles más altos de precisión. Los problemas potenciales o las tendencias anormales se pueden identificar con la suficiente antelación para solucionar los problemas antes de que afecten al negocio.

El uso de AIOps para generar conocimientos proactivos también puede ayudar a abordar las brechas de habilidades de TI. Por ejemplo, las operaciones de mainframe se benefician de personas con décadas de experiencia. Sin embargo, estas personas se jubilan y se llevan consigo sus conocimientos tribales. La inteligencia artificial y el aprendizaje automático se pueden utilizar para recopilar y codificar este conocimiento para que no se pierda. Ese conocimiento luego contribuirá a conocimientos proactivos que la próxima generación de operadores puede utilizar para mantener las operaciones críticas del negocio funcionando sin problemas.

  • Utilice la automatización para avanzar hacia sistemas de autorreparación

Una vez que AIOps proporciona información precisa en contexto, es solo un paso más para que AIOps actúe sobre esa información, solucionando los problemas automáticamente antes de que afecten al negocio. Este es el estado ideal: AIOps envía una alerta tan pronto como se identifica una tendencia anormal o un posible problema, aísla rápidamente el problema y diagnostica la fuente, y automatiza una respuesta adecuada. No se requiere intervención humana.

Esta automatización no ocurre de una vez. Es mejor automatizar lenta y metódicamente a medida que construye su estructura AIOps, comenzando con tareas simples y trabajando hasta acciones más complejas. Por ejemplo, es posible que desee automatizar la reasignación de almacenamiento a pedido para mejorar el rendimiento, optimizar la capacidad para ahorrar costos o expandir temporalmente una cola de MQ en función de un pico de carga de trabajo.

Si incluso la automatización “simple” suena abrumadora o requiere mucho tiempo, recuerde que el aprendizaje automático puede ser de gran ayuda. Por ejemplo, en lugar de escribir y mantener cientos o incluso miles de líneas de código para detectar si su sistema está fuera de la norma, los algoritmos de ML, entrenados con sus datos seleccionados, pueden detectar estos patrones con solo unas pocas líneas de código. Inicialmente, es posible que las automatizaciones que implementes solo te ahorren cinco minutos aquí o diez minutos allá. Pero los minutos se suman rápidamente a horas y días que se pueden dedicar a otras tareas de valor agregado. La automatización también puede ayudar a mejorar la estabilidad de su sistema al permitir correcciones rápidas de un estado no deseado a uno deseado, evitando que ocurran problemas en primer lugar.

Mediante el uso de un enfoque de AIOps incremental que incorpora lazos de retroalimentación y barandillas integrados, puede establecer una “automatización confiable” con el tiempo. Sus operaciones de TI se pueden cambiar para que su personal ya no tenga que manejar asuntos de rutina, administrar políticas o resolver la mayoría de los problemas que surjan: todo eso se ejecutará en piloto automático bajo los auspicios de AIOps.

  • Priorice las inversiones para optimizar el ROI

Como hemos visto, los conocimientos contextuales son la base para analizar, anticipar y automatizar sus operaciones. También sirve como base para establecer prioridades.

La gestión de las operaciones de TI de la empresa requiere un acto de equilibrio constante. Debe hacer malabarismos con los objetivos en competencia de mantener las luces encendidas, ahorrar costos e impulsar la innovación … todo con personas, habilidades, tiempo y dinero limitados. ¿Cómo identificas lo que es más importante? ¿Cómo determina cómo asignar sus recursos?

En ausencia de conocimientos contextuales, es fácil caer en dos trampas opuestas. La primera trampa es debatir los asuntos sin cesar pero en realidad no hacer nada. El segundo es tomar malas decisiones basadas en opiniones o emociones más que en hechos. Afortunadamente, AIOps puede respaldar la toma de decisiones estratégicas, ayudándolo a priorizar sus inversiones para optimizar el ROI.

Los conocimientos contextuales le permiten comparar oportunidades, sopesar compensaciones, evaluar vulnerabilidades y predecir resultados. Por ejemplo, los datos de capacidad le permiten detectar si está optimizando el uso y, basándose en los datos de su sistema, puede calcular y comparar el ahorro de costos y las oportunidades de mejora del rendimiento. En última instancia, AIOps lo ayuda a establecer prioridades al permitirle utilizar sus datos para determinar su mejor camino a seguir para lograr los resultados comerciales deseados.

Construcción de una central eléctrica AIOps

AIOps no es tan complejo como puede parecer a primera vista. Empiece con una base de conocimientos contextuales, que se establece al abrir su arquitectura y permitir que los conocimientos contextuales se deriven de datos previamente almacenados en silos. Sobre esa base, se levantan cuatro pilares. Primero, comienza a analizar todos los dominios, compartiendo datos para mejorar la eficiencia organizacional. En segundo lugar, aprovecha la información proactiva impulsada por el aprendizaje automático para anticipar problemas potenciales antes, haciendo el cambio de operaciones reactivas a operaciones proactivas, abordando los problemas de manera preventiva en lugar de responder a los impactos comerciales. En tercer lugar, aumenta continuamente sus operaciones y habilidades proactivas con la automatización en la que puede confiar mientras avanza hacia la implementación de sistemas de autocuración. En cuarto lugar, utiliza la priorización basada en datos para generar un flujo de valor sostenible para la empresa.

Un AIOps La central eléctrica no se construye de la noche a la mañana. Al comenzar hoy y continuar realizando cambios graduales, avanzará de manera constante hacia su objetivo de una infraestructura de TI híbrida optimizada, autosuficiente y autorreparable que respalde su negocio de manera impecable todos los días.

Nuestro equipo en Broadcom agradecería la oportunidad de ayudarlo a comenzar hoy; haga clic aquí para aprende más.

Copyright © 2021 IDG Communications, Inc.