Искусственный интеллект для ИТ-операций AIOps (Artificial Intelligence for IT operations) — это применение аналитики больших данных, машинного обучения (ML) и других технологий искусственного интеллекта (AI) для автоматизации выявления и решения проблем информационных технологий (ИТ). Системы, службы и приложения на большом предприятии создают огромные объёмы журналов (log) и данных о процессах работы. AIOps использует эти данные для мониторинга ресурсов и получения информации о зависимостях вокруг ИТ-систем.

Платформа AIOps должна предоставлять следующие возможности:

• Автоматизация рутинных процессов. Платформы AIOps могут оценивать предупреждения и определять требуемые действия, или их ненадобность, если соответствующие метрики и поддерживающие данные находятся в пределах нормальных параметров.
• Быстрое и точное выявление серьёзных проблем. ИТ-специалисты могут реагировать на известное нештатное событие, но могут не распознать вовремя необычную загрузку или процесс на критическом сервере. AIOps рассматривает этот сценарий по-разному, отдавая приоритет событию в критической системе, как возможную атаку или как заражение, потому что поведение выходит за рамки нормы.
• Оптимизация взаимодействие между группами и группами центров обработки данных. AIOps предоставляет каждой ИТ-группе соответствующие данные и точки зрения. Без операций с поддержкой ИИ команды должны обмениваться, анализировать и обрабатывать информацию путём встреч или отправки данных вручную. AIOps определяет, какие данные анализа и мониторинга из большого пула метрик ресурсов нужно показывать каждой группе или команде.

Сценарии использования
AIOps обычно используется в компаниях, которые используют DevOps или облачные вычисления, а также на крупных предприятиях со сложными ИТ-системами. AIOps помогает командам, использующим модель DevOps, давая командам разработчиков дополнительное представление об их ИТ-среде. Это даёт операционным группам больше информации об изменениях в процессах. AIOps также устраняет множество рисков, связанных с гибридными облачными платформами. Возможность автоматизировать процессы, раньше распознавать проблемы в ИТ-среде и способствовать налаживанию взаимодействия между командами поможет большинству крупных компаний с обширной или сложной ИТ-средой.

Технологии AIOps
AIOps использует совокупность различных стратегий искусственного интеллекта AI, включая вывод, агрегирование, аналитику данных, а также алгоритмы, автоматизацию и оркестрацию, машинное обучение и визуализацию. Большинство этих технологий достаточно хорошо определены и развиты.

Аналитика также требует алгоритмов для кодификации ИТ-знаний, бизнес-политик и целей организации. Алгоритмы позволяют платформе AIOps обеспечивать наиболее желательные действия или результаты — алгоритмы — это то, как ИТ-персонал определяет приоритеты событий, связанных с безопасностью, и обучает платформу решениям о производительности приложений. Алгоритмы составляют основу машинного обучения, в котором платформа устанавливает базовый уровень нормального поведения и действий, а затем может развиваться или создавать новые алгоритмы по мере изменения данных из среды с течением времени.

Наконец, инструменты визуализации предоставляют удобочитаемые информационные панели, отчеты, графику и другие данные, чтобы пользователи могли следить за изменениями и событиями в среде. С помощью этих визуализаций люди могут принимать меры с информацией, которая требует возможностей принятия решений помимо возможностей программного обеспечения AIOps.

Преимущества и недостатки AIOps
При правильном внедрении и обучении, AIOps сокращает время и внимание ИТ-персонала, которые тратятся на рутинные, повседневные предупреждения системы. ИТ-персонал обучает платформы AIOps, которые затем развиваются с помощью собственных алгоритмов и машинного обучения, используя знания, полученные с течением времени для дальнейшего улучшения поведения и эффективности программного обеспечения. Инструменты AIOps также выполняют непрерывный круглосуточный мониторинг. Сотрудники ИТ-отдела сосредоточены на серьёзных, сложных проблемах и инициативах, повышающих эффективность и стабильность бизнеса.

Программное обеспечение AIOps может выявлять причинно-следственные связи в нескольких системах, сервисах и ресурсах, кластеризовать и соотносить разрозненные источники данных. Эти возможности аналитики и машинного обучения позволяют программному обеспечению выполнять глубокий анализ первопричин, что ускоряет поиск и устранение неполадок и устранение сложных и необычных проблем.

AIOps может улучшить сотрудничество и рабочие процессы между ИТ-группами, а также между ИТ-отделом и другими бизнес-подразделениями. Благодаря индивидуализированным отчетам и информационным панелям команды могут быстро понимать свои задачи и требования и взаимодействовать с другими, не изучая всего, что нужно знать другой команде.

Хотя базовые технологии для AIOps являются относительно зрелыми, пока эта область находится на ранней стадии развития, с точки зрения практического использования. Платформа AIOps хороша настолько, насколько хороши данные, которые она получает, и алгоритмы, которым её обучают. Разнообразие доступных источников данных, а также надлежащее хранение, защита и хранение данных — все это важные факторы в результатах работы AIOps.

Внедрение AIOps и вендоры AIOps
Чтобы продемонстрировать ценность и снизить риски, связанные с развёртыванием AIOps, следует внедрять технологию поэтапно. ИТ-персонал должен понять, а затем обучить систему в соответствии с потребностями, и для этого должен иметь достаточно данных от контролируемых систем.

AIOps — это развивающаяся область, но существует растущее число предложений продуктов от различных вендоров:

• Инструмент Splunk для анализа ИТ-услуг (ITSI).
• Платформа BMC TrueSight.
• Cisco Crosswork Situation Manager, компонент AIOps из семейства продуктов Cisco Crosswork Network Automation.
• Moogsoft AIOps.
• DRYiCE AIOps от HCL Technologies Ltd.
• New Relic Applied Intelligence (NRAI).
• Платформа развертывания приложений Trebuchet от Datapipe, которая использует ИИ для улучшения процессов DevOps.