Saltar al contenido

Iniciando una exitosa iniciativa de AIOps

7 de septiembre de 2020

En este reportaje especial, Hari Miriyala, vicepresidente de ingeniería de software de cPacket Networks, habla de cuántas empresas están considerando o desplegando herramientas de IA/ML para hacer más eficiente su equipo de TI, reducir el tiempo de resolución de problemas o mejorar la seguridad de su organización. Sin embargo, sin la base adecuada de datos de entrada precisos, exactos y consistentes, este paso a la AIOps proporciona poco valor. cPacket Networks es una empresa de soluciones de monitorización de redes y corredores de paquetes que permite a las organizaciones de todo el mundo gestionar, asegurar y optimizar mejor sus redes. El Sr. Miriyala tiene más de dos décadas de liderazgo técnico y experiencia en ingeniería, desde SONET hasta redes ópticas basadas en ROADM/DWDM y sistemas de redes de paquetes multiservicio. Antes de cPacket, ocupó cargos de liderazgo técnico y de gestión en Fujitsu y trabajó en el centro de I+D espacial desarrollando sistemas para el procesamiento de imágenes y aplicaciones SIG.

La aplicación de la inteligencia artificial (IA) y el aprendizaje automático (ML) a la infraestructura y las operaciones de TI (I&O) -conocida como AIOps- es una tendencia candente en el mundo de las empresas y los proveedores de servicios, y por una buena razón: puede turboalimentar las operaciones de TI. Si se hace correctamente, el AIOps aumenta la precisión, agilidad y eficiencia de las operaciones de TI.

Por esta razón, la IA y las AIOps ocupan un lugar destacado en muchas agendas de los CIO/CISO en los servicios financieros, la atención sanitaria, el comercio minorista, la fabricación, los proveedores de servicios, el gobierno y otros segmentos.


Recomendado: ¿Qué es el Big data?.


El reto es que es muy fácil que las iniciativas de la AIOps salgan mal si el equipo de TI se salta las consideraciones de datos necesarias. Mientras que la AIOps se pone en acción más en el lado operacional de la TI, los datos de alta calidad en los que se basa provienen de la infraestructura de la TI, en particular la infraestructura de la red. Y sin esa base de datos de entrada precisos, exactos y consistentes, el paso a la AIOps proporciona poco valor – e incluso puede llevar a los equipos de TI por mal camino.

Cómo funciona la AIOps

La AIOps utiliza la IA/ML y la analítica para consolidar alertas, eventos, problemas, tickets de problemas, etc., y proporciona información procesable al equipo de IT o toma medidas correctivas automáticamente en su nombre. En este sentido, proporciona enfoque, eliminando el ruido y la fatiga que viene con el triaje de un interminable aluvión de alertas, y en su lugar mirando debajo de la superficie para identificar lo que realmente está pasando con los sistemas subyacentes. En muchos casos la IA/ML es realmente mejor y más rápida que los humanos en la detección de anomalías, el reconocimiento de patrones, la predicción de eventos, y la reducción de las causas de fondo – por lo tanto, proporciona una visión crítica para tomar medidas correctivas.

También proporciona un contexto procesable, dando a los equipos de TI la capacidad de actuar con rapidez y decisión. Llevado al límite, esta percepción contextual a partir de datos correlacionados y analizados puede permitir, en última instancia, las optimizaciones y correcciones automatizadas… en resumen, el «funcionamiento autónomo de la red». También puede ayudar a establecer una línea de base para el rendimiento del sistema y comparar los indicadores clave a medida que se realizan cambios para identificar mejoras, lo que da lugar a un proceso continuo de corrección, evaluación y ajuste basado en la automatización de «bucle cerrado». Al procesar de forma continua y automática una gran cantidad de datos, la AIOps elimina muchas conjeturas, sesgos y señalamientos, a la vez que reduce el tiempo medio de resolución (MTTR) y mejora la eficiencia operativa.

Los datos, sin embargo, son el talón de Aquiles de la AIOps, porque sin los datos correctos en cantidad suficiente, con la frecuencia adecuada y de alta calidad, la IA/ML no puede proporcionar un análisis preciso. De hecho, puede tener un efecto potencialmente perjudicial al llegar a conclusiones erróneas.

Cómo los datos impulsan las AIOps

Hay una historia que sus sistemas cuentan sobre lo que ha ocurrido, ocurre y ocurrirá a lo largo de su infraestructura; reside en el flujo continuo de datos generados por los sistemas de red y seguridad. Si se puede leer e interpretar la historia, se puede entender completamente lo que está pasando. En su nivel más simple, eso es lo que hace la AIOps.

Desde el punto de vista operacional, los datos de la AIOps fluyen desde su fuente a través de una tubería de extracción, transformación y carga (ETL), que los normaliza para su procesamiento y los alimenta en un lago de datos para su análisis. Como en la mayoría de los sistemas basados en la IA/ML, la calidad de estos datos – su consistencia, fiabilidad, integridad, exactitud y precisión – importa tanto como los datos mismos. Por ejemplo, muy pocas fuentes o datos que sean inconsistentes o incompletos dan lugar a puntos ciegos y decisiones sesgadas que podrían conducir a malas experiencias y a la pérdida de negocios.

Datos esenciales Ingrediente que no puede faltar

Si los datos son lo que alimenta la IA/ML y el análisis, entonces cuando se trata de AIOps son los datos de la red en su forma más pura – es decir, los datos de los paquetes de red – lo que importa. Dado que la red conecta todo, desde las aplicaciones a los dispositivos de IO hasta los usuarios finales en la organización más grande, abarca mucha información sobre las personas, los sistemas y las experiencias. A la inversa, a menudo se culpa a la red en primer lugar cuando surgen problemas, incluso si la causa fundamental se encuentra en otro lugar, lo que hace que los datos de la red sean aún más importantes para demostrar su inocencia.

En este sentido, la red sirve como un proxy para el rendimiento de las aplicaciones, la seguridad y la experiencia del usuario final del ecosistema general de TI. Concretamente, los datos de los paquetes de red de alta resolución pueden alimentar a las AIOps con información sobre los problemas; los flujos de información para los usuarios, las aplicaciones, la nube, la IO, etc.; las amenazas a la seguridad, incluida la actividad maliciosa, y, por supuesto, el rendimiento de las aplicaciones y la experiencia conexa del usuario final.

Pero, ¿cómo se accede a los datos de paquetes o flujos de alta calidad? Comienza con el despliegue de dispositivos como TAP de red o TAP virtuales que reflejan el tráfico de red en bruto. Los datos recogidos se agregan y consolidan de forma centralizada mediante un Corredor de Paquetes de Red (NPB) que procesa, normaliza y reenvía los datos de paquetes de red de alta resolución en tiempo real a los sistemas AI/ML para AIOps. Algunos sistemas de AIOps también pueden consumir datos de flujo de red, que pueden generarse a partir de los datos de paquetes recogidos por aparatos especializados insertados después del corredor de paquetes.

Rodando el AIOps

Comenzar un despliegue piloto de AIOps centrándose en la adquisición de datos de la red hace que el enfoque sea sólido. Esto simplifica el despliegue inicial, ya que la disponibilidad y la ubicuidad de los TAP de red y los corredores de paquetes minimiza la complejidad y el riesgo de la adquisición de datos, asegura que los datos sean coherentes, fiables, completos, precisos y exactos, y permite la adición de otras fuentes de datos más adelante, a medida que la AIOps muestre su valor.

Se está convirtiendo rápidamente en un artículo de fe que el uso de la IA/ML y la analítica por parte de la AIOps puede ayudar a los equipos de I&O de TI a ser más eficientes ante el aumento de las alertas, las complejidades y las cargas de trabajo, proporcionando enfoque y claridad en los temas más importantes. Además, la AIOps acelera el tiempo de resolución eliminando los flujos de trabajo manuales. Pero la clave del éxito de la AIOps (y el retorno de la inversión en todas las funciones de TI, incluyendo DevOps, AppOps, SecOps, CloudOps y NetOps) es empezar con un enfoque de datos sólido y centrado en la red.

Suscríbete al boletín de noticias gratuito de InsideBIGDATA.