Πέρα από την Αυτοματοποίηση: Τι Αλλάζει η AI στις Λειτουργίες Πληροφορικής

Μείωση του Θορύβου στην Παρακολούθηση

Μία από τις περιοχές όπου έχουμε παρατηρήσει σημαντική βελτίωση είναι η παρακολούθηση.

Τα μεγάλα τεχνολογικά περιβάλλοντα παράγουν σημαντικό αριθμό ειδοποιήσεων, και δεν απαιτούν όλες το ίδιο επίπεδο προσοχής. Οι διπλές ειδοποιήσεις, τα προσωρινά ανωμαλία και τα γεγονότα χαμηλής προτεραιότητας μπορούν να δημιουργήσουν περιττό θόρυβο, καθιστώντας πιο δύσκολο για τις ομάδες να εντοπίζουν προβλήματα που μπορεί να έχουν πραγματικό λειτουργικό αντίκτυπο.

Με την ενσωμάτωση AI‑βασισμένης ανίχνευσης ανωμαλιών και καταστολής θορύβου στο περιβάλλον παρακολούθησής μας, έχουμε πετύχει μείωση κατά 75 % του θορύβου στην παρακολούθηση.

Για την ομάδα, αυτό σημαίνει λιγότερο χρόνο στην επεξεργασία περιττών ειδοποιήσεων και περισσότερο χρόνο στην διερεύνηση των ζητημάτων που απαιτούν προσοχή. Επίσης, μας βοηθά να εντοπίζουμε ασυνήθιστα πρότυπα νωρίτερα και παρέχει στους μηχανικούς καλύτερες πληροφορίες όταν ξεκινούν την έρευνα ενός περιστατικού.

Αυτή είναι μια περιοχή όπου η AI είναι ιδιαίτερα χρήσιμη επειδή μπορεί να επεξεργάζεται μεγάλους όγκους πληροφοριών γρήγορα. Αλλά μόλις εντοπιστεί κάτι ασυνήθιστο, η κατανόηση της αιτίας και του πιθανότατου αντίκτυπου συχνά απαιτεί κάποιον που γνωρίζει το περιβάλλον.

Βελτίωση των Καθημερινών Λειτουργιών Πληροφορικής

Χρησιμοποιούμε επίσης αυτοματοποίηση για τη διαχείριση των καθημερινών δραστηριοτήτων τελικών σημείων μέσω μιας πλατφόρμας Απομακρυσμένης Παρακολούθησης και Διαχείρισης με δυνατότητα AI.

Αυτό περιλαμβάνει περιοχές όπως η ορχήστρα ενημερώσεων, έλεγχοι υγείας, προγραμματισμένη αποκατάσταση και απομακρυσμένη αντιμετώπιση προβλημάτων.

Προηγουμένως, η συμμόρφωση με τις ενημερώσεις έπεφτε συστηματικά κάτω από το 50 %, κυρίως λόγω του χειροκίνητου φόρτου εργασίας και της κλίμακας του περιβάλλοντος. Με το πλαίσιο RMM υποστηριζόμενο από AI, η συμμόρφωση τώρα φτάνει στο 95ο εκατοστημόριο.

Αυτή η βελτίωση μας έχει βοηθήσει να ενισχύσουμε τη σταθερότητα των τελικών σημείων και να μειώσουμε την έκθεση σε γνωστές ευπάθειες, ενώ ταυτόχρονα μειώνει τον όγκο επαναλαμβανόμενης εργασίας που οι μηχανικοί πρέπει να διαχειρίζονται χειροκίνητα.

Αυτό είναι ένα καλό παράδειγμα όπου η αυτοματοποίηση έχει νόημα. Η διαδικασία είναι προβλέψιμη· πρέπει να συμβαίνει σταθερά και πρέπει να λειτουργεί σε χιλιάδες τελικά σημεία.

Η τεχνολογία μπορεί να διαχειρίζεται μεγάλο μέρος αυτής της δραστηριότητας στο παρασκήνιο, ενώ η ομάδα εστιάζει σε εξαιρέσεις, κλιμάκωση και ζητήματα που απαιτούν πιο βαθιά διερεύνηση.

Όπου οι Άνθρωποι Ακόμη Κάνουν τη Διαφορά

Δεν ακολουθεί κάθε πρόβλημα Πληροφορικής ένα προβλέψιμο μοτίβο.

Οι ομάδες μας εργάζονται σε διαφορετικά περιβάλλοντα υποδομών, δίκτυα, συστήματα και απαιτήσεις πελατών. Ένα ζήτημα που φαίνεται απλό αρχικά μπορεί μερικές φορές να περιλαμβάνει πολλές εξαρτήσεις ή να απαιτεί συντονισμό μεταξύ διαφορετικών ομάδων.

Η AI μπορεί να βοηθήσει στην ταυτοποίηση ανωμαλιών, την ανάλυση πληροφοριών και την ανάδειξη πιθανών αιτιών, αλλά η ομάδα πρέπει ακόμη να κατανοήσει τι συμβαίνει σε ένα ευρύτερο περιβάλλον.

Αυτό γίνεται ιδιαίτερα σημαντικό όταν ένα ζήτημα επηρεάζει πολλαπλά συστήματα ή όταν η τεχνικά προφανής λύση μπορεί να έχει συνέπειες αλλού.

Εδώ η εμπειρία μετράει.

Ένας μηχανικός που κατανοεί το περιβάλλον μπορεί να δει πέρα από μια μεμονωμένη ειδοποίηση και να εξετάσει τι άλλαξε, ποια συστήματα είναι συνδεδεμένα, αν παρόμοια ζητήματα έχουν συμβεί στο παρελθόν, και ποιος θα μπορούσε να είναι ο αντίκτυπος μιας συγκεκριμένης ενέργειας στη συνολική λειτουργία.

Για εμάς, η AI λειτουργεί καλύτερα όταν παρέχει στον μηχανικό καλύτερες πληροφορίες για εργασία, αντί να προσπαθεί να τον αφαιρέσει εντελώς από τη διαδικασία.

Υποστήριξη ενός Περιβάλλοντος Υψηλής Ζήτησης

Η κλίμακα του περιβάλλοντος σημαίνει ότι πρέπει να βρούμε τρόπους αύξησης της χωρητικότητας χωρίς να αυξάνουμε απλώς τον όγκο της χειροκίνητης εργασίας.

Η αυτοματοποίηση έχει βοηθήσει σε αυτό.

Οι καθημερινές δραστηριότητες τελικών σημείων μπορούν να πραγματοποιούνται σταθερά στο παρασκήνιο. Τα εργαλεία παρακολούθησης μπορούν να φιλτράρουν και να ενοποιούν σήματα πριν φτάσουν στους μηχανικούς. Οι προγνωστικές δυνατότητες μπορούν να βοηθήσουν στην έγκαιρη αναγνώριση πιθανών προβλημάτων, ενώ η αυτοματοποιημένη αποκατάσταση μπορεί να αντιμετωπίζει γνωστά ζητήματα χωρίς να περιμένει κάποιον να παρέμβει χειροκίνητα.

Αυτό παρέχει στην ομάδα περισσότερη χωρητικότητα για να εστιάσει στη συνέχεια της υπηρεσίας, στις κλιμακώσεις και σε πιο σύνθετα τεχνικά ζητήματα.

Αλλάζει επίσης τον τρόπο που σκεφτόμαστε την παραγωγικότητα στις Λειτουργίες Πληροφορικής. Το όφελος δεν είναι απλώς ότι μια εργασία ολοκληρώνεται πιο γρήγορα. Είναι ότι οι μηχανικοί έχουν περισσότερο διαθέσιμο χρόνο για εργασίες όπου η εμπειρία τους μπορεί να έχει μεγαλύτερο αντίκτυπο.

Η Διακυβέρνηση Ακόμη Σημαίνει

Καθώς η AI και η αυτοματοποίηση γίνονται πιο ικανές, η διακυβέρνηση γίνεται ολοένα και πιο σημαντική.

Πρέπει να υπάρχει σαφήνεια σχετικά με το ποιες δραστηριότητες μπορούν να αυτοματοποιηθούν, πότε ένας μηχανικός πρέπει να παρέμβει και ποιος είναι υπεύθυνος όταν μια αυτοματοποιημένη διαδικασία δεν συμπεριφέρεται όπως αναμένεται.

Αυτό είναι ιδιαίτερα σημαντικό σε μεγάλα τεχνολογικά περιβάλλοντα. Μια αυτοματοποιημένη ενέργεια που εφαρμόζεται σε χιλιάδες τελικά σημεία μπορεί να έχει πολύ ευρύτερο αντίκτυπο από μια ενέργεια που λαμβάνεται σε ένα μεμονωμένο σύστημα.

Για αυτόν τον λόγο, εξακολουθούμε να χρειαζόμαστε σαφείς διαδρομές κλιμάκωσης, καθορισμένα επίπεδα πρόσβασης και κατάλληλους ελέγχους γύρω από την αυτοματοποιημένη δραστηριότητα.

Αυτή η προσέγγιση είναι σύμφωνη με το Πλαίσιο Διαχείρισης Κινδύνου AI του Εθνικού Ινστιτούτου Προτύπων και Τεχνολογίας, το οποίο δίνει έμφαση στη συνεχή παρακολούθηση των συστημάτων AI, σε σαφώς καθορισμένες ευθύνες και διαδικασίες για ανθρώπινη εποπτεία και παρέμβαση.

Για εμάς, η διακυβέρνηση δεν αφορά την επιβράδυνση της χρήσης του AI. Αφορά το να διασφαλίζουμε ότι μπορούμε να το χρησιμοποιούμε με σιγουριά και υπευθυνότητα σε ένα ζωντανό λειτουργικό περιβάλλον.

Ο Ρόλος του Μηχανικού Πληροφορικής Εξελίσσεται

Καθώς περισσότερες καθημερινές δραστηριότητες αυτοματοποιούνται, ο ρόλος του μηχανικού επίσης αλλάζει.

Η τεχνική γνώση παραμένει απαραίτητη, αλλά αυξάνεται η αξία της ικανότητας ερμηνείας πληροφοριών, κατανόησης εξαρτήσεων και διερεύνησης ζητημάτων που δεν έχουν προφανή απάντηση.

Οι μηχανικοί πρέπει επίσης να κατανοούν τα εργαλεία με τα οποία εργάζονται. Εάν ένα σύστημα με δυνατότητα AI προτείνει μια ενέργεια, το υπεύθυνο άτομο χρειάζεται επαρκή γνώση του περιβάλλοντος για να γνωρίζει αν η πρόταση έχει νόημα.

Αυτό καθιστά την εκπαίδευση σημαντικό μέρος της υιοθέτησης του AI.

Οι ομάδες μας πρέπει να κατανοούν τι μπορεί να κάνει η τεχνολογία, πού βρίσκονται οι περιορισμοί της και πότε κάτι πρέπει να κλιμακωθεί ή να διερευνηθεί διαφορετικά.

Το NIST συνιστά επίσης τον σαφή καθορισμό των ευθυνών για τα άτομα που λειτουργούν και εποπτεύουν συστήματα AI, μαζί με κατάλληλη εκπαίδευση και πρότυπα επάρκειας.

Τι Έχουμε Μάθει Μέχρι Σήμερα

Η εμπειρία μας μέχρι τώρα μας έχει δείξει ότι ορισμένες από τις πιο χρήσιμες εφαρμογές του AI στις λειτουργίες IT είναι σχετικά πρακτικές.

Η μείωση κατά 75 % του θορύβου παρακολούθησης σημαίνει ότι οι μηχανικοί δαπανούν λιγότερο χρόνο στην αντιμετώπιση περιττών ειδοποιήσεων. Η μετακίνηση της συμμόρφωσης των διορθώσεων από κάτω του 50 % στο 95ο εκατοστημόριο ενίσχυσε τη συνοχή της διαχείρισης των τελικών σημείων. Η αυτοματοποίηση σε περισσότερα από 10.000 τελικά σημεία μας βοηθά να διαχειριζόμαστε ένα περιβάλλον που διαφορετικά θα απαιτούσε σημαντική ποσότητα επαναλαμβανόμενης χειροκίνητης δραστηριότητας.

Ταυτόχρονα, τα πιο σύνθετα τμήματα των λειτουργιών IT εξακολουθούν να εξαρτώνται σε μεγάλο βαθμό από ανθρώπους.

Η τεχνολογία μπορεί να εντοπίσει ένα ασυνήθιστο μοτίβο ή να αυτοματοποιήσει μια γνωστή διόρθωση. Ένας έμπειρος μηχανικός κατανοεί το ευρύτερο περιβάλλον, τις εμπλεκόμενες εξαρτήσεις και την πιθανή επίπτωση της λήψης απόφασης.

Αυτή η ισορροπία γίνεται όλο και πιο σημαντική καθώς το AI ενσωματώνεται στις καθημερινές λειτουργίες IT.

Για μένα, η αξία του AI είναι αρκετά πρακτική. Μας βοηθά να διαχειριζόμαστε την κλίμακα, παρέχει στις ομάδες μας καλύτερη ορατότητα και αφαιρεί μέρος της επαναλαμβανόμενης εργασίας που μπορεί να αποσπάσει χρόνο από πιο σημαντικά ζητήματα.

Η τεχνολογία γίνεται πιο ικανή, αλλά η εμπειρία των ανθρώπων που διαχειρίζονται το περιβάλλον παραμένει εξίσου σημαντική.