Umělá inteligence pro IT? Ne bez viditelnosti na prvním místě

Umělá inteligence se dnes již neomezuje pouze na oddělení výzkumu a vývoje nebo experimentální laboratoře. Objevuje se napříč podnikovými IT systémy, automatizace asistenčních center, detekci anomálií v síťovém provozu a optimalizaci výkonu aplikací. Podle společnosti McKinsey, 72 % firem nyní používá umělou inteligenci alespoň v jedné funkci...přesto se většina stále spoléhá na zastaralé a neúplné inventáře aktiv. Toto rychlé přijetí odráží jak příslib umělé inteligence, tak tlak, který cítí IT lídři na rychlou modernizaci.

Ale uprostřed závodu o začlenění umělé inteligence do infrastruktury existuje základní nedostatek, který je často přehlížen: viditelnost. Konkrétně její nedostatek.

Než bude umělá inteligence skutečně užitečná v IT operacích, ať už jde o identifikaci bezpečnostní hrozby nebo automatické škálování zdrojů, potřebuje spolehlivé pochopení toho, s čím pracuje. A příliš často jsou data, na kterých umělá inteligence závisí, postavena na neúplných, nepřesných nebo zastaralých inventářích aktiv. Je to jako snažit se naprogramovat autonomní auto bez funkční GPS. Motor může být výkonný, ale neví, kde se nachází nebo co je na silnici.

Toto je další úzké hrdlo v podnikové umělé inteligenci.

Proč pozorovatelnost umělé inteligence závisí na přesných datech o aktivech

Umělá inteligence vzkvétá z dat, ale ne jen tak ledajakých. Potřebuje včasná, strukturovaná a důvěryhodná data, která odrážejí aktuální podmínky. V kontextu IT to začíná pochopením toho, co se nachází v prostředí: zařízení, koncové body, úlohy, uživatelé, cloudové instance, stínové IT a další.

Problém je v tom, že většina organizací se neorientuje. Nástroje pro správu aktiv z doby před deseti lety nebyly navrženy pro dnešní hybridní a dynamická prostředí. A novější řešení často závisí na API nebo integracích, které nedosahují dostatečně hluboko. Výsledkem je inventář aktiv, který je v nejlepším případě částečný, v nejhorším případě zavádějící.

Když jsou modely umělé inteligence trénovány nebo nasazeny v tomto druhu slepého místa, důsledky se rychle zhoršují:

• Bezpečnostní nástroje přehlížejí zranitelná zařízení, protože ta nikdy nebyla katalogizována.
• Přehledy výkonu jsou zkresleny fiktivními počítači nebo nespravovanými koncovými body.
• Automatizační skripty selhávají, když se pokoušejí reagovat na zdroje, které již neexistují – nebo existují duplicitně.

Stručně řečeno, data, která mají vést k chytřejším rozhodnutím, nakonec přinášejí ještě větší nejistotu. Umělá inteligence nemůže vytvářet hodnotu, pokud působí na fragmentované mapě prostředí.

Výzvy v oblasti viditelnosti v hybridním, decentralizovaném světě

Problém s viditelností není jen důsledkem zanedbávání. Je to vedlejší produkt vývoje IT. Dnešní prostředí zahrnují fyzické stroje, virtualizované úlohy, více cloudových platforem, SaaS aplikace, vzdálené koncové body, edge zařízení a kontejnery. Některá aktiva se spustí a zmizí během několika minut. Jiná existují v těžko dostupných koutech starší infrastruktury. Odpovědnost za ně může být rozdělena mezi interní týmy, dodavatele a externí poskytovatele.

Situaci dále komplikuje rychlý vývoj podniků. Akvizice, nové nástroje a IT rozhodnutí na úrovni jednotlivých oddělení, to vše přispívá k rozlehlé krajině, která se mění den ode dne.

Snaha o propojení všech těchto procesů je náročná. Mnoho společností se uchyluje k tabulkám, starším databázím CMDB nebo nástrojům pro vyhledávání specifickým pro dodavatele, které spolu nekomunikují. Výsledkem jsou tisíce neznámých, nespravovaných nebo osiřelých aktiv, z nichž každé představuje potenciální bod selhání.

A to se týká pouze inventáře. Je tu také otázka kontextu. Nestačí vědět, že zařízení existuje; musíte vědět, co dělá, kdo ho používá, jak se propojuje s ostatními prostředky a zda je v pořádku. Bez toho se umělá inteligence stává tupým nástrojem – detekuje anomálie, ale neví, co je normální, vnímá změny, ale neví, zda na nich záleží.

Připravení infrastruktury na umělou inteligenci

Pokud má umělá inteligence v IT splnit svůj slib, ať už jde o sledovatelnost, automatizaci nebo kybernetickou bezpečnost, musí se podniky znovu zaměřit na viditelnost. To znamená, že inteligence aktiv bude základem, nikoli volitelnou. Zde je to, co k tomu je potřeba:

Považujte vyhledávání aktiv za nepřetržitý proces: Tradiční nástroje pro vyhledávání fungují na základě plánovaných skenů. To už nestačí. Prostředí jsou proměnlivá. Vývojáři mohou aktiva sdílet, přesouvat je mezi cloudovými poskytovateli nebo bez upozornění měnit IP adresy. Základem by mělo být vyhledávání v reálném čase nebo téměř v reálném čase.

Konvergujte zdroje dat pro odstranění slepých míst: Spoléhání se na jediný zdroj, jako je agent nebo cloudové API, neposkytne úplný obraz. Viditelnost musí kombinovat více metod: pasivní naslouchání, integrace API, analýzu protokolů, telemetrii koncových bodů a síťový provoz. Každá z nich poskytuje jiný díl skládačky.

Budujte kontext, nejen počty: Objevování je prvním krokem, ale obohacení je bodem, kde začíná skutečný vhled. To znamená mapování aktiv na jejich obchodní funkce, vlastníky, závislosti a fáze životního cyklu. Umělá inteligence potřebuje kontext, aby rozlišila mezi kritickým produkčním serverem a testovacím virtuálním počítačem.

Eliminujte osiřelá a nespravovaná aktiva: Není neobvyklé najít prostředí se stovkami nebo tisíci aktiv, za která se žádný tým nepřihlásí k odpovědnosti. To představuje provozní i bezpečnostní riziko. Jejich převedení pod správu nebo úplné vyřazení by mělo být nejvyšší prioritou.

Považujte viditelnost za strategický nástroj: Inteligence aktiv se netýká jen IT hygieny. Je základem téměř všeho ostatního: chytřejší automatizace, lepší detekce hrozeb, efektivnějšího vynakládání prostředků a ano, důvěryhodné umělé inteligence. Bez ní jsou ohroženy veškeré následné poznatky.

Slepá skvrna, kterou si nemůžete dovolit

Umělá inteligence v IT není magie. Je to rozpoznávání vzorů, automatizace a uvažování postavené na datech. Ale když jsou tato data ohrožena u zdroje špatnou viditelností, poškozenými inventáři nebo bezkontextovými aktivy, stává se umělá inteligence jen další vrstvou dohadů.

Nedovolíme pilotům létat bez přístrojů. Přesto to dnes mnoho organizací požaduje od svých systémů umělé inteligence a očekává inteligentní výstupy z neviditelné infrastruktury. Budoucnost IT bude bezpochyby autonomnější, prediktivní a s pomocí umělé inteligence. Tato budoucnost je však možná pouze tehdy, pokud začneme osvětlováním prostředí, v němž se má umělá inteligence orientovat. Než budeme moci automatizovat, musíme vidět. Než budeme předpovídat, musíme rozumět. A než svěříme umělé inteligenci správu naší infrastruktury, musíme tuto infrastrukturu zviditelnit.

Cokoli jiného je jen létání naslepo.