6 obstacles AIOps à surmonter

Les équipes d'exploitation informatique ont beaucoup à jongler. Ils gèrent les serveurs, les réseaux, l'infrastructure cloud, l'expérience utilisateur, les performances des applications et la cybersécurité, travaillant souvent indépendamment les uns des autres. Les membres du personnel sont le plus souvent surchargés de travail, surchargés d'alertes excessives et ont du mal à résoudre des problèmes impliquant plusieurs domaines.

Entrez AIOpsun domaine en plein essor de technologies et de stratégies qui injectent de l'intelligence artificielle dans les opérations informatiques dans un effort pour résoudre les défis auxquels sont confrontées les équipes d'exploitation informatique en réduisant les faux positifs, en utilisant l'apprentissage automatique pour détecter les problèmes avant qu'ils ne surviennent, en automatisant la résolution des problèmes et en ayant une vue globale de l'entreprise.

Selon une enquête d'octobre sur l'informatique. menés par ZK Research et Masergy65% des entreprises utilisent déjà AIOps, et 94% déclarent que AIOps est « important ou très important » pour gérer les performances des applications réseau et cloud. En outre, 84 % voient AIOps comme une voie vers un environnement réseau entièrement automatisé et 86 % s'attendent à avoir un réseau entièrement automatisé dans les cinq prochaines années.

Bien que AIOps soit encore nouveau, il fait déjà ses preuves. Selon une enquête d'Enterprise Management Associates publiée cet été, 62 % des entreprises voient un retour sur investissement « très élevé » ou « élevé de leurs investissements AIOps, et le reste déclare avoir atteint le seuil de rentabilité, ou que c'était trop tôt pour le dire.

Mais le chemin vers AIOps n'est pas toujours facile. Plus de la moitié des répondants à l'enquête EMA ont également déclaré que l'AIOps était « difficile » ou « très difficile » à mettre en œuvre. Les obstacles les plus courants signalés par les entreprises sont les coûts, la qualité des données, les conflits au sein de l'informatique, la méfiance à l'égard de l'IA, le manque de compétences et les défis d'intégration. l'impression qu'il n'y a pas assez de temps pour une préparation méthodique.

« Les organisations manquent généralement de temps et de ressources », déclare John Carey, directeur général de la pratique technologique chez AArete, une société mondiale de conseil en gestion.

Trop souvent. , les projets d'IA commencent comme des expériences qui se transforment en opportunités. "Vous avez besoin d'une stratégie", dit Carey. « AIOps doit être minutieux et planifié. »

Le déploiement d'une solution technologique sans d'abord définir clairement le défi que vous essayez de résoudre est un problème de longue date pour l'informatique, convient Donncha Carroll, partenaire de la pratique de croissance des revenus chez Partenaires conseils Axiom. Carroll recommande aux entreprises de prendre le temps de détailler la nature du problème qu'elles vont résoudre et son impact sur l'entreprise.

« Et confirmer qu'une solution plus conventionnelle n'est ni appropriée ni efficace », dit-il. « Sinon, vous pouvez investir beaucoup d'argent dans la mise en œuvre d'une solution qui ne livre pas la vision que vous avez définie pour elle. »

En fait, selon l'enquête EMA, même si les entreprises étaient universellement positives à propos Investissements AIOps, 80% sont à la recherche d'une nouvelle plate-forme – et la moitié d'entre eux prévoient de changer au cours de l'année à venir.

Les principales raisons ? Ils recherchent plus de flexibilité, d'évolutivité et d'IA, de ML et d'analyse plus avancés. De tels changements drastiques soulignent le fait que les entreprises oublient souvent de considérer la situation dans son ensemble afin de s'assurer que la solution qu'elles choisissent peut servir l'entreprise à long terme, explique Carroll.

« Il est important de réfléchir à l'élaboration d'une stratégie globale, et puis implémentez-les en fonction des cas d'utilisation », dit-il.

Données médiocres ou incomplètes

Selon l'enquête EMA, les problèmes de données sont le deuxième plus grand obstacle au succès des déploiements AIOps, après le coût.

AI et ML vit et meurt sur les données d'entraînement. Mais les systèmes d'exploitation hérités d'une entreprise peuvent ne pas collecter les données de performance de manière cohérente. Il peut également manquer des aspects critiques ou rapporter des informations contradictoires.

« Le marché est aujourd'hui dans sa phase de première génération », explique Gregory Murray, directeur de recherche senior chez Gartner. "Nous analysons les données que nous avons parce que ce sont les données que nous avons."

Quelque chose de similaire s'est produit avec les disques durs, dit-il. Depuis des années maintenant, les disques durs disposent d'instruments et d'analyses qui prédisent les pannes de disque, et ils sont instrumentés avec exactement la télémétrie dont ils ont besoin pour faire ces prédictions.

« En dehors de ce cas d'utilisation, vous n'avez pas besoin de ces données. dit Murray.

La même chose se produira avec AIOps. Au fur et à mesure que l'industrie déploiera la technologie AIOps, nous en apprendrons davantage sur les données qui doivent réellement être collectées.

« La promesse est là d'améliorer l'exactitude et la précision une fois que nous commençons à générer des ensembles de données adaptés à l'objectif », dit-il. .

Lorsque des données sont disponibles, elles ne sont pas nécessairement dans un format permettant un bon ensemble de données d'apprentissage. Par exemple, les entreprises peuvent vouloir savoir si un changement particulier causera des problèmes en fonction des serveurs et des applications impactés, explique Jorge Machado, associé chez McKinsey & Co. Pour effectuer cette analyse, la description écrite du changement est un facteur critique.[19659008] « S'il était mal écrit, exécuter un traitement du langage naturel sur ce texte ne vous donnerait pas d'informations intéressantes », explique Machado. De même, une IA ne serait pas en mesure de repérer des modèles dans les descriptions de tickets ouverts si elles sont mal écrites, ajoute-t-il.

Plus important encore, les ensembles de données critiques sont souvent incomplets. Par exemple, une entreprise peut vouloir lier un événement aux applications, réseaux ou serveurs pertinents. « Mais aucun client ne dispose d'une base de données de gestion des modifications parfaite », déclare Machado, ajoutant que ces problèmes nécessitent un travail considérable pour être résolus. sous son égide, étant donné qu'un problème dans une partie de l'environnement peut avoir des effets en cascade ailleurs. Un problème de réseau peut en fait être un problème de cybersécurité, ou un problème d'expérience utilisateur peut être causé par un serveur de base de données lent.

« Alors que de plus en plus d'entreprises migrent vers le numérique, il y a plus d'interdépendances dans les applications », explique Machado. "Si une application est sous-performante, il est probable que cela cause des problèmes dans d'autres systèmes."

Mais il y a de nombreux obstacles pour y arriver. L'un est le coût d'un tel système. Un autre est le défi d'intégration consistant à faire fonctionner ensemble toutes les sources de données pertinentes. Et il y a des aspects organisationnels qui doivent être abordés, dit Machado. « En fin de compte, votre fragmentation organisationnelle dicte la fragmentation de vos outils. »

Et il n'y a pas que les silos informatiques, ajoute-t-il. AIOps a besoin d'apports d'autres domaines de l'entreprise pour être efficace. Par exemple, si une entreprise lance un grand produit ou une nouvelle campagne marketing ou offre une remise importante, cela pourrait provoquer une augmentation des appels vers un centre de données ou du trafic vers un site Web et faire planter le système.

« Vous devez vous connecter. non seulement les performances de l'application et les performances du serveur, mais les événements venant du côté commercial », dit-il. chez Forrester Research. Pas seulement celles liées à l'informatique, comme la cybersécurité, mais les connexions en dehors de l'informatique, comme le marketing, dit-il. juste quelque chose qui aide à automatiser l'informatique. « Ce sont les cas d'utilisation les plus réussis que nous ayons vus ». up.

« Se débarrasser d'autres solutions de surveillance peut être un cauchemar politique dans de nombreuses organisations », explique McKeon-White.

Les entreprises font souvent des compromis, en conservant leurs systèmes existants et en ajoutant une plate-forme AIOps en plus de cela. Mais cela peut créer une duplication des fonctionnalités et augmenter les défis d'intégration, dit-il, en plus d'augmenter les dépenses. « Les organisations paient un montant important pour ces outils et n'obtiennent pas la valeur dont elles ont besoin. »

Pour résoudre ce dilemme, certaines entreprises se tournent vers les AIOps intégrés dans des systèmes spécifiques à un domaine. Les systèmes de surveillance des performances des applications, par exemple, utilisent de plus en plus l'IA et le ML pour détecter les problèmes. Les grands fournisseurs de cloud ajoutent également des solutions de surveillance et d'automatisation intelligentes, tout comme les fournisseurs de bases de données et les fournisseurs de plates-formes de cybersécurité. vue des opérations.

L'utilisation de fonctionnalités intégrées est également plus rapide que la création ou le déploiement d'une plate-forme AIOps complète, un projet qui prend généralement 16 mois ou plus, explique Bradley Shimmin, analyste en chef pour les plates-formes d'IA, l'analyse et la gestion des données chez Omdia.

« Rassembler toutes ces sources d'informations, tous ces signaux provenant de sources aussi diverses que le cloud, les API de capteurs d'applications, les capteurs sur les appareils physiques – tout cela nécessite une intégration », dit-il. « C'est un défi auquel les entreprises sont confrontées depuis des décennies maintenant ». Mais bien que le maintien de silos évite les défis d'intégration, les entreprises ne verront pas tout le potentiel des AIOps. au système de mise en réseau, au serveur d'applications, pour voir à travers tous les différents domaines », explique Shimmin. « Personne ne veut installer un bloc-notes Jupyter afin de vérifier les journaux de son réseau pour voir ce qui s'est passé avec leur latence. »

Finalement, un fournisseur de cloud pourrait être en mesure d'offrir une gamme complète de fonctionnalités AIOps, qui peuvent être utiles entreprises qui sont tout-en-un sur un seul fournisseur de cloud. « Ensuite, vous pouvez voir le nirvana des AIOps se réaliser pour vous », dit-il. "Mais ce n'est pas quelque chose que vous allez obtenir aujourd'hui."

De plus, la plupart des entreprises sont multicloud, dit Simmon. En fait, l'enquête EMA montre une préférence marquée pour une seule plate-forme AIOps inter-domaines. Parmi les entreprises qui ont déclaré que leurs efforts AIOps étaient « extrêmement fructueux », 80 % utilisaient une seule plate-forme. Parmi les entreprises qui n'utilisaient pas de plate-forme AIOps, 57% ont "un succès marginal". plus d'une plate-forme.

Changement de culture

Enfin, de nombreuses entreprises constatent que leurs employés se méfient des systèmes d'IA ou sont réticents à adopter le changement.

Dans l'enquête EMA, même dans les entreprises qui ont signalé le plus haut niveau de succès avec AIOps, 22% des personnes interrogées ont déclaré que « la peur ou la méfiance à l'égard de l'IA » était un défi majeur pour leurs initiatives AIOps, à égalité avec le « manque de compétences » pour la quatrième place sur la liste.

« Il y a une méfiance fondamentale. d'une approche boîte noire, celle qui dit : " Ne me demandez pas pourquoi je suis arrivé à cette conclusion, mais il y a la réponse " », déclare Sanjay Srivastava, directeur du numérique chez Genpact, un cabinet de conseil mondial en transformation numérique. « Nous essayons de briser cela avec l'IA explicable, mais à certains égards, cela fonctionne et à certains égards, non. »

La gestion des AIOps nécessite également un ensemble de compétences différent de celui de la gestion informatique traditionnelle, dit-il. « Les compétences axées sur l'IA nécessitent davantage d'ingénierie des données et la capacité de modéliser des algorithmes d'IA. »

Les plates-formes AIOps évoluent rapidement à un point où elles peuvent automatiquement prendre des décisions opérationnelles pour les entreprises, telles que le réacheminement du trafic, la réaffectation des ressources et la rotation. nouvelles instances. Cependant, lorsqu'il n'est pas configuré de manière réfléchie et prudente, les choses peuvent facilement mal tourner, explique Carey d'AArete.

« Lorsque vous le programmez pour prendre des décisions telles que l'arrêt des systèmes, cela peut désactiver votre entreprise », dit-il. « C'est probablement le pire des cas ». passé de 20 000 $ l'heure à 100 000 $ l'heure », dit-il. « Ce devoir doit être fait. »