الذكاء الاصطناعي لتكنولوجيا المعلومات؟ ليس بدون الرؤية أولاً

اليوم، لم يعد الذكاء الاصطناعي مقتصرًا على أقسام البحث والتطوير أو المختبرات التجريبية، بل أصبح يتجلى في مختلف أنظمة تكنولوجيا المعلومات في المؤسسات. أتمتة مكاتب المساعدة، واكتشاف أي خلل في حركة مرور الشبكة، وتحسين أداء التطبيقات. وفقًا لماكينزي، 72% من الشركات تستخدم الآن الذكاء الاصطناعي في وظيفة واحدة على الأقلومع ذلك، لا يزال معظمها يعتمد على جرد أصول قديم وغير مكتمل. يعكس هذا التبني السريع إمكانات الذكاء الاصطناعي والضغط الذي يشعر به قادة تكنولوجيا المعلومات للتحديث السريع.

لكن في خضمّ السباق نحو دمج الذكاء الاصطناعي في البنية التحتية، ثمة خلل جوهري غالبًا ما يُغفل عنه: عدم وضوح الرؤية. وتحديدًا، غيابها.

قبل أن يكون الذكاء الاصطناعي مفيدًا حقًا في عمليات تكنولوجيا المعلومات، سواءً في تحديد تهديد أمني أو التوسع التلقائي للموارد، فإنه يحتاج إلى فهم موثوق لما يتعامل معه. وفي كثير من الأحيان، تُبنى البيانات التي يعتمد عليها الذكاء الاصطناعي على جرد أصول غير مكتمل أو غير دقيق أو قديم. يشبه الأمر محاولة برمجة سيارة ذاتية القيادة بدون نظام تحديد المواقع العالمي (GPS) يعمل. قد يكون المحرك قويًا، لكنه لا يعرف مكانه أو ما يحدث على الطريق.

هذا هو عنق الزجاجة التالي في الذكاء الاصطناعي للمؤسسات.

لماذا تعتمد قابلية مراقبة الذكاء الاصطناعي على بيانات الأصول الدقيقة

يزدهر الذكاء الاصطناعي بالبيانات، ولكن ليس أي بيانات. فهو يحتاج إلى بيانات آنية ومنظمة وموثوقة تعكس الظروف الحالية. في سياق تكنولوجيا المعلومات، يبدأ ذلك بفهم ما يوجد في البيئة: الأجهزة، ونقاط النهاية، وأحمال العمل، والمستخدمين، ونسخ السحابة، وتكنولوجيا المعلومات الموازية، وغيرها.

المشكلة هي أن معظم المؤسسات تعمل دون وعي. فأدوات إدارة الأصول التي كانت تُستخدم قبل عقد من الزمن لم تكن مصممة لبيئات اليوم الهجينة والديناميكية. وغالبًا ما تعتمد الحلول الأحدث على واجهات برمجة تطبيقات أو تكاملات لا تصل إلى عمق كافٍ. والنتيجة هي جرد أصول جزئي في أحسن الأحوال، ومضلل في أسوأها.

عندما يتم تدريب نماذج الذكاء الاصطناعي أو نشرها في هذا النوع من النقاط العمياء، فإن العواقب تتفاقم بسرعة:

• تغفل أدوات الأمان عن الأجهزة المعرضة للخطر لأنها لم يتم تصنيفها في المقام الأول.
• تكون رؤى الأداء منحرفة بسبب الأجهزة الوهمية أو نقاط النهاية غير المُدارة.
• تفشل نصوص الأتمتة عندما تحاول العمل على موارد لم تعد موجودة أو موجودة بشكل مكرر.

باختصار، البيانات التي يُفترض أن تُسهم في اتخاذ قرارات أكثر ذكاءً تُؤدي في النهاية إلى مزيد من عدم اليقين. لا يُمكن للذكاء الاصطناعي خلق قيمة إذا كان يعمل على خريطة مُجزأة للبيئة.

تحديات الرؤية في عالم هجين لامركزي

إن تحدي الرؤية ليس مجرد نتيجة للإهمال، بل هو نتيجة ثانوية لتطور تكنولوجيا المعلومات. تشمل بيئات العمل الحالية أجهزة مادية، وأحمال عمل افتراضية، ومنصات سحابية متعددة، وتطبيقات SaaS، ونقاط نهاية بعيدة، وأجهزة طرفية، وحاويات. بعض الأصول تتطور وتختفي في دقائق، بينما توجد أصول أخرى في زوايا يصعب الوصول إليها من البنية التحتية القديمة. قد تتوزع مسؤوليتها بين فرق العمل الداخلية، والمتعاقدين، ومقدمي الخدمات الخارجيين.

ومما يزيد الأمور تعقيدًا سرعة تطور الشركات. فالاستحواذات، والأدوات الجديدة، وقرارات أقسام تكنولوجيا المعلومات، كلها عوامل تُسهم في خلق بيئة عمل متوسعة تتغير يومًا بعد يوم.

إن محاولة ربط كل هذه العناصر معًا أمرٌ مُرهِق. تلجأ العديد من الشركات إلى جداول البيانات، أو قواعد بيانات إدارة التغيير القديمة، أو أدوات الاستكشاف الخاصة بالموردين، والتي لا تتواصل مع بعضها البعض. والنتيجة؟ آلاف الأصول المجهولة، أو غير المُدارة، أو اليتيمة، وكلٌّ منها يُمثل نقطة فشل محتملة.

وهذا ينطبق فقط على جانب المخزون. هناك أيضًا مسألة السياق. لا يكفي معرفة وجود جهاز؛ بل يجب معرفة وظيفته، ومن يستخدمه، وكيفية اتصاله بالأصول الأخرى، وما إذا كان سليمًا. بدون ذلك، يصبح الذكاء الاصطناعي أداةً غير دقيقة - يكتشف الشذوذ دون معرفة ما هو طبيعي، ويرصد التغييرات دون معرفة أهميتها.

جعل البنية التحتية جاهزة للذكاء الاصطناعي

لكي يُحقق الذكاء الاصطناعي وعده في مجال تكنولوجيا المعلومات، سواءً فيما يتعلق بالمراقبة أو الأتمتة أو الأمن السيبراني، يتعين على المؤسسات البدء بتركيز متجدد على الرؤية. وهذا يعني جعل ذكاء الأصول أساسيًا، لا اختياريًا. إليك ما يتطلبه ذلك:

تعامل مع اكتشاف الأصول كعملية مستمرة: تعتمد أدوات الاكتشاف التقليدية على عمليات مسح مجدولة. لم يعد هذا كافيًا. فالبيئات متغيرة باستمرار. يمكن للمطورين إنشاء الأصول، أو نقلها بين موفري الخدمات السحابية، أو تغيير عناوين IP دون إشعار مسبق. لذا، ينبغي أن يكون الاكتشاف الفوري أو شبه الفوري هو الأساس.

دمج مصادر البيانات للقضاء على النقاط العمياء: الاعتماد على مصدر واحد، مثل وكيل أو واجهة برمجة تطبيقات سحابية، لن يُعطي صورة كاملة. يجب أن تجمع الرؤية بين عدة طرق: الاستماع السلبي، وتكامل واجهات برمجة التطبيقات، وتحليل السجلات، وقياس نقاط النهاية عن بُعد، وحركة مرور الشبكة. كل طريقة تُقدم جزءًا مختلفًا من الصورة.

بناء السياق، وليس فقط العد: الاكتشاف هو الخطوة الأولى، لكن الإثراء هو نقطة البداية الحقيقية. هذا يعني ربط الأصول بوظائفها التجارية، ومالكيها، وتبعياتها، ومراحل دورة حياتها. يحتاج الذكاء الاصطناعي إلى سياق للتمييز بين خادم إنتاج أساسي وآلة افتراضية للاختبار.

إزالة الأصول اليتيمة وغير المُدارة: ليس من النادر وجود بيئات تضم مئات أو آلاف الأصول التي لا يتحمل أي فريق مسؤوليتها. تُشكل هذه الأصول مخاطر تشغيلية وأمنية. لذا، ينبغي أن يكون إخضاعها للإدارة، أو إيقافها نهائيًا، أولوية قصوى.

تعامل مع الرؤية باعتبارها محفزًا استراتيجيًا: لا يقتصر ذكاء الأصول على سلامة تكنولوجيا المعلومات فحسب، بل هو أساس كل شيء تقريبًا: أتمتة أكثر ذكاءً، واكتشاف أفضل للتهديدات، وإنفاق أكثر كفاءة، وبالطبع، ذكاء اصطناعي موثوق. فبدونه، تُعرّض كل رؤى المستقبل للخطر.

النقطة العمياء التي لا يمكنك تحملها

الذكاء الاصطناعي في تكنولوجيا المعلومات ليس سحرًا، بل هو تعرّف على الأنماط، وأتمتة، واستدلال مبني على البيانات. ولكن عندما تُعرّض هذه البيانات للخطر من المصدر بسبب ضعف الرؤية، أو خلل في المخزونات، أو أصول غير ذات سياق، يُصبح الذكاء الاصطناعي مجرد طبقة أخرى من التخمين.

لا نسمح للطيارين بالطيران دون أجهزة. ومع ذلك، هذا ما تطلبه العديد من المؤسسات من أنظمة الذكاء الاصطناعي الخاصة بها اليوم، متوقعةً مخرجات ذكية من بنية تحتية غير مرئية. لا شك أن مستقبل تكنولوجيا المعلومات سيكون أكثر استقلاليةً وتنبؤًا، وسيعتمد على الذكاء الاصطناعي. لكن هذا المستقبل لن يتحقق إلا إذا بدأنا بتوضيح المشهد الذي نطلب من الذكاء الاصطناعي سبر أغواره. قبل أن نتمكن من الأتمتة، يجب أن نرى. قبل أن نتنبأ، يجب أن نفهم. وقبل أن نثق بالذكاء الاصطناعي لإدارة بنيتنا التحتية، يجب أن نجعلها مرئية.

أي شيء آخر هو مجرد طيران أعمى.