Búsqueda de sitios web

La calidad de los datos puede hacer o deshacer los esfuerzos por llevar la inteligencia artificial a las operaciones de TI


La inteligencia artificial para operaciones de TI, o AIOps, podría ayudar a que la TI funcione de forma más desatendida. Pero es posible que los datos necesarios no estén listos para sostenerlo. 'Los datos serán un obstáculo o un atajo para obtener los beneficios de AIOps'

AIOps, o inteligencia artificial para operaciones de TI, puede ser justo lo que el médico recetó para los asediados talleres de TI. La aplicación de automatización avanzada a innumerables funciones rutinarias de TI liberará a los departamentos de TI para concentrarse en cosas más importantes y significativas, como la transformación digital y la promoción de la integración y el despliegue continuos de software.

Sin embargo, hay un problema: AIOps requiere el tipo correcto de datos en el momento adecuado, pero muchos de estos datos no están listos o necesitan una revisión de calidad. Si bien AIOps funciona con puntos de datos como registros y métricas del sistema, rendimiento histórico, datos de eventos, transmisión de eventos de operaciones en tiempo real, datos relacionados con incidentes y emisión de tickets, muchos de estos datos pueden estar incompletos o escondidos en silos. En resumen, si los datos no están a la altura, las AIOps pueden fracasar o, peor aún, llevar las decisiones tecnológicas en la dirección equivocada.  

Entra en escena una metodología emergente que aborda específicamente esto, conocida como automatización robótica de datos, o RDA, como lo identifica Shailesh Manjrekar en un artículo de Forbes. Mientras que su primo cercano, la automatización robótica de procesos (RPA), automatiza los procesos comerciales, los flujos de trabajo de datos y las tareas de los usuarios, RDA se enfoca en automatizar los flujos de datos con bots.

Incorporar RDA para respaldar AIOps fue la esencia de un webcast reciente, en el que Valerie O'Connell, directora de investigación de Enterprise Management Associates (EMA), se unió a Bhaskar Krishnamsetty, director de producto de CloudFabrix, para defender este nuevo enfoque.

Si bien RDA tiene potencial para aumentar la disponibilidad y la calidad de los datos disponibles para la IA en todas las formas de aplicaciones empresariales, los panelistas se centraron en su impacto en las propias operaciones de TI. Las formas de automatización que se admiten a través de AIOps, como se encontró en una encuesta reciente de la EMA, incluyen que el "flujo de trabajo en TI" es el caso de uso más citado (60%), seguido de la "automatización de procesos de TI o runbook", adoptada en aproximadamente la mitad de los escenarios AIOps (49%). Otro 43% recurre a AIOps para obtener notificaciones basadas en alertas más inteligentes.

Los gerentes de TI encuestados ven valor entregado como resultado de AIOps: el 62% calificó su valor como alto a muy alto, dice O'Connell. AIOps ayuda a mejorar la alineación entre TI y el negocio, la calidad de los servicios comerciales y de TI, y la experiencia del usuario final y del cliente. 

Sin embargo, AIOps es difícil de implementar, continúa. "Para la mayoría de la gente fue un desafío. Los beneficios y las ganancias están casi garantizados, pero igualmente, casi sin excepción, será complejo y difícil". Los principales desafíos incluyen la precisión o accesibilidad de los datos, los conflictos dentro de TI, el miedo o la desconfianza en la IA y la disponibilidad de habilidades.

O'Connell se centró en las dificultades de datos asociadas con AIOps. "Los datos serán un obstáculo o un atajo para obtener los beneficios de AIOps", afirma. "Si puede manejar bien sus datos y sus problemas de datos, entonces enfrentará directamente la complejidad de la implementación de AIOps", explica. 

El éxito de AIOps está inexorablemente ligado a "datos, datos, datos y qué tan bien se pueden manejar y procesar los datos", coincide Krishnamsetty. Una de las cuestiones más desconcertantes es el acceso y la adquisición de datos, señala. "Quiere extraer datos de su entorno AWS, de sus herramientas de monitoreo del rendimiento de sus aplicaciones o de su herramienta de análisis de registros. Pero todos estos datos están en diferentes formatos".

RDA aborda los desafíos de datos asociados con AIOps, continúa Krishnamsetty. "Si no tiene los datos adecuados, es basura que entra y sale basura. Sin embargo, por muy poderosos que sean sus algoritmos de aprendizaje automático, si la calidad de sus datos es deficiente, no obtendrá buenos conocimientos ni análisis".

Por ejemplo, "si observa las alertas sin procesar provenientes de cualquiera de sus sistemas de gestión o monitoreo, sabrá cuán escasos son los datos", ilustra. "Un ser humano no puede tomar una decisión rápida al respecto a menos que se enriquezca automáticamente. Los datos están incompletos: qué aplicación, qué infraestructura, etc.".

RDA también ayuda a abordar la brecha de habilidades, que escasea para garantizar la calidad de los datos que se introducen en los sistemas de IA, continúa. "A menos que una plataforma proporcione capacidades de operaciones de datos automatizadas listas para usar, hay que depender de costosos ingenieros o científicos de datos". Las plataformas sin código y con poco código que brindan capacidades de autoservicio a los desarrolladores ciudadanos son una tendencia importante para 2022.

La observabilidad de los datos a menudo depende de cuántas personas pueden dedicarse a garantizar la calidad del proceso de datos, ya sea contratando más personal o colaborando con empresas consultoras, señala. "Nuestros clientes a veces tienen que encargar a muchos ingenieros de datos que realicen una gran cantidad de exploración, preparación y enriquecimiento de datos manualmente. Aumenta el costo total de propiedad, aumenta el tiempo de obtención de valor. Ahí es donde se encuentran muchas implementaciones de AIOps. quedando cortos."

Con RDA, los robots de software se pueden implementar dentro de los canales de datos para "simplificar y abstraer muchas operaciones de datos y operaciones de aprendizaje automático o de datos", afirma. Ésta es la clave para la automatización de datos. "Al utilizar robots de software dentro de procesos y flujos de trabajo automatizados, se puede lograr calidad de datos para AIOps".

Artículos relacionados