Una cosa que se ha hecho evidente el año pasado es que la transformación digital es un imperativo empresarial necesario para prosperar en esta nueva era de trabajo. La tecnología innovadora ya no es «agradable de tener»: las empresas deben innovar para sobrevivir. De hecho, IDC estima que las inversiones en transformación digital en todo el mundo ascenderán a más de 7,8 billones de dólares para 2024.
Con este cambio, hemos visto a las organizaciones acudir en masa a las implementaciones de IA y ML para optimizar sus procesos de TI. Sin embargo, no todos tienen el plan correcto para lograr el éxito que esperaban. Por ejemplo, algunas organizaciones que se embarcan en su viaje de IA a través de la implementación de AIOps en sus sistemas de TI no aprovechan las metodologías y estrategias conocidas desarrolladas por los primeros usuarios, y están configuradas para ver solo resultados pequeños e incrementales en lugar de a nivel empresarial cambios.
AIOps significa Inteligencia Artificial para operaciones de TI. Existe para hacer que las operaciones de TI sean eficientes y rápidas aprovechando el aprendizaje automático y el big data. Sin embargo, a menudo, los equipos de TI luchan con los procesos manuales y los sistemas heredados en silos, creando flujos de trabajo extremadamente fragmentados y dispares.
Con el uso adecuado, AIOps permite que los equipos de TI actúen con velocidad y eficiencia y respondan a los problemas de manera proactiva y en tiempo real al acceder al contexto histórico de los problemas de TI, proporcionando un diagnóstico y una resolución valiosos. Para garantizar que los equipos de TI puedan aprovechar estos beneficios e impulsar el ROI de las inversiones en AIOps, los líderes de TI deben tener en cuenta las siguientes consideraciones para prepararse para el éxito.
El enfoque conduce a grandes resultados
La mejor manera para que una organización comience su viaje AIOps es comenzar con un enfoque centrado en un solo caso de uso. Una vez que están generando los resultados deseados, las organizaciones pueden escalar según corresponda. Las empresas a menudo estarán demasiado ansiosas por implementar AIOps y se verán tentadas a escalar demasiado rápido o implementar una solución AIOps inicial sin determinar las metas y los objetivos deseados. Esto puede ser perjudicial para una organización y crear barreras o dudas para el éxito de AIOps en el futuro.
Una buena manera de determinar dónde la implementación AIOps inicial de una organización generará el mayor retorno de la inversión es observar los incidentes de TI e identificar los problemas que ocurren con regularidad. Por ejemplo, mi equipo ha estado viendo cómo los clientes están experimentando más éxito con la implementación de agentes virtuales con tecnología de inteligencia artificial para ayudar a resolver y reducir la afluencia de informes de incidentes en medio del trabajo remoto.
Este es un despliegue bastante pequeño; sin embargo, está generando resultados masivos y grandes experiencias. Al centrarse en una implementación inicial que generará el mayor retorno de la inversión, los líderes de TI pueden mostrar el poder y el éxito de AIOps y defender la necesidad de invertir en más implementaciones en toda la empresa. Al hacer esto, pueden comenzar a establecer la mentalidad cultural basada en datos que se necesita para escalar con éxito las implementaciones de AIOps en toda la empresa.
Los flujos de datos continuos son esenciales
Muchas organizaciones también pueden experimentar problemas debido a la falta de datos actuales e históricos a los que tiene acceso su solución AIOps. Este es un problema común en TI, ya que los departamentos de TI a menudo luchan por organizar y consolidar la multitud de información de sus fuentes de datos en un solo lugar. Sin embargo, este obstáculo obstaculiza desproporcionadamente el éxito de las implementaciones de AIOps porque AIOps se basa en datos históricos y en tiempo real para proporcionar contexto y resolver problemas a medida que surgen.
Por ejemplo, AIOps tiene el poder de detectar cuándo se producirán cortes de VPN y resuelve automáticamente los cortes identificando patrones y anomalías a partir de los datos. Sin embargo, si AIOps no puede acceder fácilmente a esos datos, es básicamente como trabajar con una mano atada a la espalda: no tiene el contexto y la justificación basada en datos para solucionar de manera eficiente los problemas de TI.
Para garantizar que las soluciones AIOps tengan conjuntos de datos sin obstáculos, los líderes de TI deben adoptar un enfoque consolidado para sus sistemas de TI. Muchos departamentos de TI tienen dificultades para administrar soluciones de la competencia que, a menudo, no funcionan bien entre sí. La consolidación de soluciones permite que TI analice todos los activos de manera integral, lo que ayuda a garantizar que todos los datos se canalicen a una única ubicación, lo que facilita que las soluciones AIOps tomen decisiones informadas.
Aprovechando el poder de las AIOps
Como hemos presenciado durante la pandemia, los entornos empresariales y las necesidades organizativas cambian constantemente. Nunca ha sido más importante para los departamentos de TI contar con las herramientas necesarias para permanecer ágiles y responder rápidamente a problemas o interrupciones.
Las operaciones de TI continuarán realizando un trabajo de misión crítica y administrando las complejidades de un negocio en evolución, y AIOps seguirá siendo una herramienta poderosa para respaldar a los departamentos de TI con este proceso si se implementa teniendo en cuenta las consideraciones anteriores. De hecho, AIOps representa un excelente ejemplo de cómo TI puede aprovechar el poder de la IA para mejorar la calidad del servicio, reducir el tiempo de inactividad del servicio y aumentar enormemente la eficiencia operativa. En última instancia, los AIOps pueden garantizar la resiliencia empresarial frente a la próxima gran interrupción, que es de suma importancia dado lo que hemos aprendido del año pasado.
Sobre el Autor
Gab Menachem, director sénior, gestión de productos, ITOM en ServiceNow y fundador y director ejecutivo de Loom Systems (una empresa de ServiceNow). Gabby lidera la práctica de AIOps en productos de gestión de operaciones de TI en ServiceNow. Aporta más de 15 años de innovación tecnológica y experiencia empresarial. Antes de unirse a ServiceNow, Gab fue director ejecutivo de Loom Systems, una empresa de Saas que predice y automatiza la resolución de incidentes de TI con AIOps. Antes de eso, Gab fue cofundador y director de tecnología de Voyager Analytics, un producto que utiliza inteligencia artificial para analizar datos de redes sociales con una variedad de clientes que incluyen instituciones financieras líderes. Además, ha ocupado varios puestos de liderazgo, incluidos GM y vicepresidente de I + D en una nueva empresa de ingeniería de microondas.
Suscríbase al boletín gratuito insideBIGDATA.
Únase a nosotros en Twitter: @ InsideBigData1 – https://twitter.com/InsideBigData1