Tekoäly IT:lle? Ei ilman näkyvyyttä ensin

Tekoäly ei ole enää vain tutkimus- ja kehitysosastojen tai kokeellisten laboratorioiden alue. Se on nyt mukana yhtiöiden IT-pinoissa, automaattisissa asiakaspalveluissa, havaitsemassa poikkeamia verkkoliikenteessä ja optimoimassa sovelluksen suorituskykyä. McKinseyn mukaan 72 %:lla yhtiöistä käytetään tekoälyä joissakin toimintoja, mutta useimmat yhä luottavat vanhentuneisiin, epätäydellisiin laiteinventointeihin. Tämä nopea omaksuminen heijastaa sekä tekoälyn lupausta että IT-johtajien painetta modernisoida nopeasti.

Mutta tekoälyn sisällyttämisessä infrastruktuuriin on usein huomioimaton perusrakenneongelma: näkyvyys. Tarkemmin sanottuna, sen puute.

Ennen kuin tekoäly voi olla todella hyödyllistä IT-toiminnassa, olipa kyseessä sitten tietoturva-uhkan tunnistaminen tai resurssien automaattinen skaalaus, sille on tarjottava luotettava ymmärrys siitä, mitä se tekee. Ja usein liian usein tekoälyyn vaadittu data perustuu epätäydellisiin, virheellisiin tai vanhentuneisiin laiteinventointeihin. Se on kuin yrittäisi ohjelmoida itsestään ajavaa autoa ilman toimivaa GPS:ää. Moottori saattaa olla voimakas, mutta se ei tiedä, missä se on tai mitä tiellä on.

Tämä on seuraava pullonkaula yritysten tekoälyssä.

Miksi tekoälyn havaittavuus riippuu tarkin laitedatasta

Tekoäly menestyy datan avulla, mutta ei vain millaisella tahansa datalla. Sille tarvitaan ajantasainen, jäsennelty ja luotettava data, joka heijastaa nykyisiä olosuhteita. IT-yhteydessä se alkaa ymmärtämisestä siitä, mitä ympäristössä on: laitteita, päätepisteitä, työkuormia, käyttäjiä, pilvivirtuaalisia instansseja, varjotietoa ja paljon muuta.

Ongelma on, että useimmat organisaatiot lentävät sokeina. Laitehallintatyökalut kymmenen vuoden takaa eivät ole suunniteltu tänään hybridisiin, dynaamisiin ympäristöihin. Ja uudet ratkaisut usein riippuvat API:sta tai integraatioista, jotka eivät ylety tarpeeksi syvälle. Mitä tuloksena on, on laiteinventointi, joka on parhaimmillaan osittainen, pahimmillaan harhaanjohtava.

Kun tekoälymallit koulutetaan tai otetaan käyttöön tällaisessa sokeudessa, seuraukset kasautuvat nopeasti:

• Turvatyökalut eivät havaitse haavoittuvia laitteita, koska niitä ei koskaan luetteloitu ensinnäkään.
• Suorituskykyanalyysi on vääristynyt “haamulaitteiden” tai hallitsemattomien päätepisteiden vuoksi.
• Automaatiokäsikirjoitukset epäonnistuvat, kun ne yrittävät toimia resursseilla, jotka eivät enää ole olemassa – tai jotka ovat olemassa useita kertoja.

Lyhyesti sanottuna, data, joka on tarkoitus ohjata viisaampia päätöksiä, luo vain enemmän epävarmuutta. Tekoäly ei voi luoda arvoa, jos se toimii ympäristön sirpaleisella kartalla.

Näkyvyyden haasteet hybridisessä, hajautetussa maailmassa

Näkyvyyden haaste ei ole vain laiminlyönti. Se on seuraus siitä, miten IT on kehittynyt. Nykyisten ympäristöjen piiriin kuuluvat fyysiset koneet, virtualisoidut työkuormat, useat pilvi-alustat, SaaS-sovellukset, etäpäätepisteet, reuna-laiteet ja kontit. Jotkut laitteet käynnistetään ja poistetaan muutamassa minuutissa. Toiset ovat peräti vaikeasti tavoitettavissa legacy-infrastruktuurin nurkissa. Niistä vastuu voidaan jakaa sisäisten tiimien, urakoitsijoiden ja kolmansien osapuolien välillä.

Asiaa monimutkaistaa entisestään se, että yritykset liikkuvat nopeasti. Yritysostot, uudet työkalut ja osastojen IT-päätökset kaikki vaikuttavat laajenevaan maisemaan, joka muuttuu päivästä toiseen.

Yrittää yhdistää näkyvyyttä kaiken tämän läpi on haastavaa. Monet yritykset turvautuvat taulukkolaskelmiin, vanhoihin CMDB:hen tai valmistajan määrittämiin löytötyökaluihin, jotka eivät kommunikoi toistensa kanssa. Tuloksena on tuhannet tuntemattomat, hallitsemattomat tai orpojen laitteiden pisteet, joista jokainen on potentiaalinen epäonnistumisen lähde.

Ja se on vain inventoinnin puolella. On myös asiayhteyden ongelma. Ei riitä tietää, että laite on olemassa; on myös tiedettävä, mitä se tekee, kuka sitä käyttää, miten se liittyy muihin laitteisiin ja onko se terve. Ilman tätä tekoäly muuttuu tylsäksi välineeksi – se havaitsee poikkeamia, mutta ei tiedä, mikä on normaalia, se huomaa muutoksia, mutta ei tiedä, onko niillä merkitystä.

Tehdyt infrastruktuurin tekoälyvalmiiksi

Jos tekoäly on toimittava lupaustensa mukaisesti IT:ssä, olipa kyseessä sitten havaittavuus, automaatio tai tietoturva, yritysten on aloitettava uudella panostuksella näkyvyyteen. Se tarkoittaa sitä, että laiteäly on perustettava, eikä se ole enää valinnainen. Tässä on mitä se vaatii:

Käsittele laitteen löytämistä jatkuvana prosessina: Perinteiset löytötyökalut toimivat aikataulutetuilla skannauksilla. Se ei ole enää riittävää. Ympäristöt ovat nestemäisiä. Laitteita voidaan käynnistää kehittäjien toimesta, siirtää pilvipalvelujen välillä tai vaihtaa IP-osoitteita ilmoittamatta. Reaaliaikainen tai lähes reaaliaikainen löytäminen on perusvaatimus.

Yhdistä tietolähteitä poistamaan sokeat pisteet: Riippuminen yhdestä syötteestä, kuten agentista tai pilvi-API:sta, ei anna täydellistä kuvaa. Näkyvyyden on yhdistettävä useita menetelmiä: passiivinen kuuntelu, API-integraatiot, lokianalyysi, päätepistetelemetria ja verkkoliikenne. Kukin tarjoaa eri palan palapelistä.

Luo asiayhteys, ei vain laskelmia: Löytäminen on askel yksi, mutta rikastaminen on siellä, missä todellinen oivallus alkaa. Se tarkoittaa laitteiden kartoittamista liiketoimintafunktioihin, omistajiin, riippuvuuksiin ja elinkaaren vaiheisiin. Tekoäly tarvitsee asiayhteyden erottamaan kriittisen tuotantopalvelimen ja testi-VM:n välillä.

Poista orpoja ja hallitsemattomia laitteita: Ei ole epätavallista löytää ympäristöjä, joissa on satoja tai tuhansia laitteita, joista kukaan tiimi ei ota vastuuta. Nämä luovat sekä operatiivista että tietoturvariskiä. Niiden saattaminen hallintaan tai lopettaminen kokonaan on prioriteetti.

Käsittele näkyvyyttä strategisena mahdollistajana: Laitteiden älykkyys ei ole vain IT-hygieniaa. Se on perusta melkein kaikelle muulle: älykkäämmälle automaatiolle, paremmalle uhkien havaitsemiselle, tehokkaammalle kulutukselle ja kyllä, luotettavalle tekoälylle. Ilman sitä jokainen alirakenteinen oivallus on vaarantunut.

Sokea piste, jota et voi maksaa

Tekoäly IT:ssä ei ole magiaa. Se on mallintuntemista, automaatiota ja päättelyä, joka perustuu dataan. Mutta kun se data on vahingoittunut lähteessä heikkojen näkyvyyden, rikkinäisten inventointien tai asiayhteydettömien laitteiden vuoksi, tekoäly muuttuu vain toiseksi arvauksen kerroksiksi.

Emme anna lentäjille lentää ilman mittareita. Mutta juuri sitä moni organisaatio pyytää tekoälyjärjestelmiään tänään, odottaen älykkäitä tulosteita näkymättömästä infrastruktuurista. Tulevaisuus IT:ssä on luonnollisesti enemmän autonomista, ennustettavaa ja tekoälyä. Mutta se tulevaisuus on mahdollinen vain, jos aloitamme valaistamalla maisemaa, jota pyydämme tekoälyä navigoimaan. Ennen kuin voimme automatisoida, meidän on nähtävä. Ennen kuin voimme ennustaa, meidän on ymmärrettävä. Ja ennen kuin voimme luottaa tekoälyyn infrastruktuurin hallintaan, meidän on tehtävä se infrastruktuuri näkyväksi. Muuten se on vain sokeuden lentämistä.

Mitään muuta ei voi olla.