“اگر می توانستید هر روز 30 دقیقه به تیم عملیات من بدهید ، این یک پیروزی خواهد بود.” یک درخواست متوسط CIO نشان دهنده واقعیت تیم های عملیاتی امروز IT است – در حالت آتش نشانی واکنشی ، که روی دود کار می کند ، قرار گرفت. اما این 3 صبح طوفان هشدار و لحظه های تقلید به Recover که عملکردهای سنتی فناوری اطلاعات را تعریف می کنند منسوخ می شوند.
مراکز داده خود درمانی-یکباره به ظاهر آینده نگر-از طریق ظهور می شوند یک عامل سیستم هایی که قبل از دریافت اولین هشدار خود ، مسائل را تشخیص داده ، تشخیص و حل می کنند. این نظری نیست ؛ اکنون این اتفاق می افتد ، اساساً در حال تغییر مدیریت زیرساخت های سازمانی و تعریف مجدد نقش تیم های عملیات فناوری اطلاعات است.
محیط های فناوری اطلاعات پیشی گرفته اند که انسان ها به طور منطقی می توانند به تنهایی نظارت و مدیریت کنند. سازمان ها از زیرساخت های پیچیده ترکیبی که دارای سیستم های میراث ، ابرهای خصوصی ، چندین ارائه دهنده ابر عمومی و محیط های محاسباتی لبه هستند ، حرکت می کنند. وقتی مشکلات بوجود می آیند ، آبشار می شوند. یک کند شدن پایگاه داده جزئی باعث ایجاد زمان برنامه های کاربردی می شود و منجر به تلاش مجدد طوفان ها و تخریب خدمات گسترده می شود. ابزارهای سنتی که برای معماری های ساده تر دیروز طراحی شده اند نمی توانند سرعت خود را حفظ کنند-آنها در سیلوها فعالیت می کنند ، فاقد دید متقابل پلتفرم هستند و هزاران هشدارهای قطع شده ایجاد می کنند که حتی با تجربه ترین تیم های عملیاتی را تحت الشعاع قرار می دهد.
این پیچیدگی فرصتی را برای هوش مصنوعی فراهم می کند تا ارزش بی سابقه ای را ارائه دهد. هوش مصنوعی دقیقاً در جایی که انسانها مبارزه می کنند-با مدیریت مشکلات سیستم با پیامدهای قطعی. خرابی سیستم مبهم نیست. آنها از الگوهای پیروی می کنند – AI Patterns می توانند بدون مداخله انسانی ، شناسایی ، تجزیه و تحلیل و در نهایت برطرف شوند. سیستم های AI عامل این توانایی را با فشرده سازی تا 95 ٪ هشدارها در حالی که قبل از تشدید در اختلالات خدمات ، مسائل را به طور فعال و حل و فصل می کند.
فراتر از تریاژ هشدار: در واقع خود درمانی چگونه کار می کند
قابلیت های خود درمانی با همبستگی شروع می شود. در جایی که انسان ها فقط هشدارهای قطع شده را می بینند ، عوامل هوش مصنوعی الگوهای را تشخیص می دهند و اطلاعات را در سراسر فناوری در بینش های منسجم تثبیت می کنند. یکی از ارائه دهندگان خدمات جهانی مدیریت شده با 1.4 میلیون رویداد ماهانه مستقر در AI عامل و کاهش حوادث خدمات 70 ٪ از طریق همبستگی هوشمند و اتوماسیون.
تجزیه و تحلیل علت اصلی و برنامه ریزی اصلاح می شود. سیستم های هوش مصنوعی نه تنها آنچه اتفاق می افتد بلکه چرا ، پس از آن را پیشنهاد یا پیاده سازی می کنند. در طول یک نرم افزار مهم سال گذشته ، سازمان هایی که دارای نظارت پیشرفته AI هستند ، پرچم های قرمز اولیه را گرفتند و شامل این ضربه شدند ، در حالی که رقبا برای انجام کنترل آسیب ها تلاش کردند.
اصلاح خودکار در قلب این تحول است. هوش مصنوعی خودمختار معاصر می تواند با نظارت مناسب انسانی اقدام کند. هنگامی که عملکرد VPN شما تخریب می شود ، هوش مصنوعی می تواند مسئله را تشخیص دهد ، علت را شناسایی کند ، یک رفع را پیاده سازی کند و بعد از آن به شما اطلاع دهد: “من متوجه شدم که VPN شما تخریب می کند ، بنابراین پیکربندی را بهینه کرده ام. اکنون بهینه اجرا می شود.” این تفاوت بین دائماً آتش سوزی و اطمینان از شروع هرگز شروع نمی شود.
سه ستون مقاومت در برابر AI
سازمان هایی که قابلیت های خود درمانی را اجرا می کنند باید سه ستون مهم را ایجاد کنند:
ستون اول آگاهی است. حوادث IT باید مستقیماً با نتایج کسب و کار ارتباط داشته باشد. سیستم های پیشرفته AI داشبوردهای متنی را ارائه می دهند که در هنگام عدم موفقیت سیستم ، تأثیرات مالی خاص را بیان می کند و برنامه های بازیابی را قادر می سازد که در اولویت ترین فن آوری های مهم تجاری قرار بگیرند.
ستون دوم تشخیص سریع است. یک حادثه فناوری اطلاعات می تواند در زیر دو دقیقه از یک سرور به 60،000 گسترش یابد. سیستم های AI خودمختار تهدیدها را شناسایی و خنثی می کنند ، زمان پاسخگویی را با جدا کردن سریع سرورهای آسیب دیده ، تشخیص تشخیص و استفاده از رفع اصلاحات می کنند.
ستون سوم بهینه سازی است. سیستم های خود درمانی می دانند که چه چیزی طبیعی است و چه چیزی نیست. آنها با شناخت رفتار معمولی محیطی ، تیم های امنیتی را بر روی موضوعات مهم متمرکز می کنند ، در حالی که به طور مستقل مشکلات روتین را قبل از تشدید حل می کنند.
ایجاد شکاف مهارت و بالا بردن تیم ها
اما شاید بیشترین تأثیر فناوری خود درمانی فنی نباشد. انسان است مهندسان با تجربه سطح 3-افراد دارای دانش نهادی برای تشخیص خرابی های عجیب و غریب و لبه-به طور فزاینده ای کمیاب هستند. هوش مصنوعی این شکاف مهارت را پل می کند. با استفاده از سیستم های عامل ، مهندسان سطح 1 به طور موثری با قابلیت های سطح 3 کار می کنند ، در حالی که سرانجام متخصصان باتجربه روی ابتکارات استراتژیک تمرکز می کنند.
یکی از ارائه دهندگان بهداشت و درمان پس از اجرای هوش مصنوعی خود درمانی ، نه از طریق کاهش بلکه با بالا بردن اعضای تیم به کار چالش برانگیز ، کل تیم پشتیبانی سطح 1 خود را مجدداً بازگرداند. آنها از کاهش 80 ٪ در سر و صدای هشدار و کاهش قابل توجهی در بلیط های حادثه خبر دادند. یک سازمان خرده فروشی با صدها مکان کاهش 90 ٪ در حجم هشدار را تجربه کرد و تیم های خود را از نگهداری به نوآوری هدایت کرد.
گرفتن آن از مفهوم به اجرای
بهبودی خود پلاگین و بازی نیست. این امر نیاز به روال روشمند و ذهنیت فرهنگی مناسب دارد. سازمان ها باید با موارد استفاده به خوبی تعریف شده ، چارچوب های حاکمیتی را ایجاد کنند که استقلال را با نظارت متعادل می کند و در تیم های در حال توسعه سرمایه گذاری می کند که می توانند به طور مؤثر با سیستم های هوش مصنوعی همکاری کنند.
هدف جایگزینی مردم نیست. این برای متوقف کردن وقت خود است. با استفاده از خودکار وظایف روتین و ارائه اطلاعات متنی ، سیستم های خودکشی معکوس اصل سنتی پارتو عملیات فناوری اطلاعات را معکوس می کنند-به دلیل اختصاص 80 ٪ منابع به تعمیر و نگهداری و 20 ٪ نوآوری ، تیم ها می توانند این نسبت را به سمت ابتکارات استراتژیک معکوس کنند.
مراکز داده خود درمانی نشان دهنده اوج دهه های پیشرفت در عملیات IT ، از نظارت اساسی گرفته تا اتوماسیون پیشرفته گرفته تا سیستم های واقعاً خودمختار است. در حالی که ما هرگز هرگونه خطای انسانی را از بین نمی بریم و از هر تهدید پیشرفته ای خارج نمی شویم ، فناوری خود درمانی ، سازمانها را در اختیار سازمانها قرار می دهد تا مشکلات را قبل از آبشار تشخیص دهند و آسیب های ناشی از اختلالات اجتناب ناپذیر را به حداقل برسانند. این صرفاً یک تقویت عملیاتی نیست. این یک ضرورت رقابتی برای سازمانهایی است که در اقتصاد دیجیتال امروز فعالیت می کنند.
با سیستم های خود درمانی ، ما فقط زمان را پس می گیریم-ما توضیحات شغلی را بازنویسی می کنیم. از قطع شدن جلوگیری می شود ، مدیریت نمی شود. مهندسان می سازند ، نه بچه نگهدار. و این کار دفاع را متوقف می کند و شروع به پیشبرد تجارت می کند.
