Za hranicemi automatizace: Co AI mění v IT operacích

Snižování šumu v monitorování

Jednou z oblastí, kde jsme zaznamenali významné zlepšení, je monitorování.

Velká technologická prostředí generují značné množství upozornění a ne všechna z nich vyžadují stejnou úroveň pozornosti. Duplicita upozornění, dočasné anomálie a události nízké priority mohou vytvářet zbytečný šum, což ztěžuje týmům identifikovat problémy, které mohou mít skutečný provozní dopad.

Začleněním detekce anomálií řízená AI a potlačování šumu do našeho monitorovacího prostředí jsme dosáhli 75 % snížení monitorovacího šumu.

Pro tým to znamená méně času stráveného zpracováním zbytečných upozornění a více času na vyšetřování problémů, které vyžadují pozornost. Také nám to pomáhá dříve identifikovat neobvyklé vzorce a poskytuje inženýrům lepší informace při zahájení vyšetřování incidentu.

Jedná se o oblast, kde je AI zvláště užitečná, protože dokáže rychle zpracovat velké objemy informací. Jakmile je však něco neobvyklého identifikováno, pochopení příčiny a potenciálního dopadu často stále vyžaduje někoho, kdo prostředí zná.

Zlepšování rutinních IT operací

Také využíváme automatizaci k řízení rutinních aktivit koncových bodů prostřednictvím platformy vzdáleného monitorování a správy s podporou AI.

To zahrnuje oblasti jako orchestraci záplat, kontrolu zdraví, skriptované nápravy a vzdálené odstraňování problémů.

Dříve byla shoda se záplatami pravidelně pod 50 %, hlavně kvůli manuální pracovní zátěži a rozsahu prostředí. S nasazeným AI‑podporovaným rámcem RMM nyní dosahuje shoda až 95. percentilu.

Toto zlepšení nám pomohlo posílit stabilitu koncových bodů a snížit vystavení známým zranitelnostem, zároveň snižuje množství opakované práce, kterou inženýři musí spravovat ručně.

Je to dobrý příklad, kde má automatizace smysl. Proces je předvídatelný; musí probíhat konzistentně a musí fungovat napříč tisíci koncovými body.

Technologie může řídit velkou část této činnosti na pozadí, zatímco tým se soustředí na výjimky, eskalace a problémy, které vyžadují podrobnější vyšetřování.

Kde lidé stále mají rozdíl

Ne každý IT problém následuje předvídatelný vzorec.

Naše týmy pracují napříč různými infrastrukturními prostředími, sítěmi, systémy a požadavky klientů. Problém, který se na první pohled zdá jednoduchý, může někdy zahrnovat několik závislostí nebo vyžadovat koordinaci mezi různými týmy.

AI může pomoci identifikovat anomálie, analyzovat informace a odhalit možné příčiny, ale tým stále potřebuje pochopit, co se děje v širším prostředí.

To se stává zvláště důležité, když problém ovlivňuje více systémů, nebo když technicky zřejmé řešení může mít důsledky jinde.

Zde je důležitá zkušenost.

Inženýr, který rozumí prostředí, může nahlédnout za jednotlivé upozornění a zvážit, co se změnilo, které systémy jsou propojeny, zda se podobné problémy v minulosti vyskytly, a jaký dopad by konkrétní akce mohla mít na širší provoz.

Pro nás AI funguje nejlépe, když poskytne tomuto inženýrovi lepší informace k práci, místo aby se ho snažila z procesu úplně odstranit.

Podpora prostředí s vysokou poptávkou

Rozsah prostředí znamená, že musíme najít způsoby, jak zvýšit kapacitu, aniž bychom jen zvyšovali množství manuální práce.

Automatizace nám v tom pomohla.

Rutinní aktivity koncových bodů mohou probíhat konzistentně na pozadí. Monitorovací nástroje mohou filtrovat a konsolidovat signály, než se dostanou k inženýrům. Prediktivní schopnosti mohou pomoci dříve identifikovat potenciální problémy, zatímco automatizovaná náprava může řešit známé problémy bez čekání na ruční zásah.

To dává týmu více kapacity soustředit se na kontinuitu služeb, eskalace a složitější technické problémy.

Také to mění způsob, jakým uvažujeme o produktivitě v IT operacích. Přínos není jen v tom, že je úkol dokončen rychleji. Je v tom, že inženýři mají více času na práci, kde jejich zkušenost může mít větší dopad.

Governance stále hraje roli

Jak AI a automatizace získávají na schopnostech, governance se stává stále důležitější.

Je třeba mít jasno, které činnosti lze automatizovat, kdy musí inženýr zasáhnout a kdo je odpovědný, když automatizovaný proces nefunguje podle očekávání.

To je zvláště důležité v rozsáhlých technologických prostředích. Automatizovaná akce aplikovaná napříč tisíci koncovými body může mít mnohem širší dopad než akce provedená na jednotlivém zařízení.

Z tohoto důvodu stále potřebujeme jasné eskalační cesty, definované úrovně přístupu a vhodné kontroly automatizované činnosti.

Tento přístup je v souladu s Rámcem řízení rizik AI Národního institutu pro standardy a technologie, který zdůrazňuje průběžné monitorování AI systémů, jasně definované odpovědnosti a procesy pro lidský dohled a zásah.

Pro nás není správa o zpomalování používání AI. Jde o to, zajistit, že ji můžeme používat sebejistě a odpovědně v reálném provozním prostředí.

Role IT inženýra se vyvíjí

Jak se více rutinních činností automatizuje, role inženýra se také mění.

Technické znalosti zůstávají nezbytné, ale stále větší hodnotu představuje schopnost interpretovat informace, chápat závislosti a zkoumat problémy, které nemají zřejmou odpověď.

Inženýři také musí rozumět nástrojům, se kterými pracují. Pokud systém s podporou AI doporučí akci, odpovědná osoba potřebuje dostatečnou znalost prostředí, aby věděla, zda je doporučení smysluplné.

To činí školení důležitou součástí adopce AI.

Naše týmy potřebují rozumět tomu, co technologie dokáže, kde jsou její omezení a kdy je třeba něco eskalovat nebo zkoumat jinak.

NIST rovněž doporučuje jasně definovat odpovědnosti lidí provozujících a dohlížejících na AI systémy, spolu s vhodným školením a standardy odborné způsobilosti.

Co jsme se doposud naučili

Naše dosavadní zkušenosti ukazují, že některé z nejužitečnějších aplikací AI v IT provozu jsou poměrně praktické.

Toto 75 % snížení šumu monitorování znamená, že inženýři tráví méně času zpracováváním zbytečných upozornění. Přesun souladu patchů z pod 50 % na 95. percentil posílil konzistenci správy koncových bodů. Automatizace na více než 10 000 koncových bodů nám pomáhá řídit prostředí, které by jinak vyžadovalo značné množství opakované ruční činnosti.

Současně složitější části IT provozu stále silně závisí na lidech.

Technologie může identifikovat neobvyklý vzor nebo automatizovat známou opravu. Zkušený inženýr rozumí širšímu prostředí, souvisejícím závislostem a potenciálním dopadům rozhodnutí.

Tato rovnováha se stává čím dál důležitější, jak AI vstupuje do každodenního IT provozu.

Pro mě je hodnota AI poměrně praktická. Pomáhá nám řídit rozsah, poskytuje našim týmům lepší přehled a odstraňuje část opakující se práce, která může odvádět čas od důležitějších problémů.

Technologie se stává výkonnější, ale zkušenost lidí spravujících prostředí zůstává stejně důležitá.