ऑटोमेशन से परे: आईटी संचालन में AI क्या बदल रहा है

निगरानी में शोर को कम करना

उन क्षेत्रों में से एक जहाँ हमने उल्लेखनीय सुधार देखा है, वह निगरानी है।

बड़े प्रौद्योगिकी वातावरण बड़ी संख्या में अलर्ट उत्पन्न करते हैं, और सभी को समान स्तर का ध्यान नहीं चाहिए। डुप्लिकेट अलर्ट, अस्थायी विसंगतियाँ और कम प्राथमिकता वाले घटनाएँ अनावश्यक शोर पैदा कर सकती हैं, जिससे टीमों के लिए उन मुद्दों की पहचान करना कठिन हो जाता है जिनका वास्तविक संचालनात्मक प्रभाव हो सकता है।

हमारे निगरानी वातावरण में AI-चालित विसंगति पहचान और शोर दमन को शामिल करके, हमने निगरानी शोर में 75% की कमी हासिल की है।

टीम के लिए, इसका मतलब है अनावश्यक अलर्टों को संभालने में कम समय और उन मुद्दों की जांच में अधिक समय जो ध्यान की आवश्यकता रखते हैं। यह हमें असामान्य पैटर्न को पहले पहचानने में भी मदद करता है और इंजीनियरों को घटना की जांच शुरू करने पर बेहतर जानकारी प्रदान करता है।

यह वह क्षेत्र है जहाँ AI विशेष रूप से उपयोगी है क्योंकि यह बड़ी मात्रा में जानकारी को तेज़ी से प्रोसेस कर सकता है। लेकिन एक बार जब कुछ असामान्य पहचान लिया जाता है, तो कारण और संभावित प्रभाव को समझना अक्सर ऐसे व्यक्ति की आवश्यकता होती है जो वातावरण को जानता हो।

रूटीन आईटी संचालन में सुधार

हम ऑटोमेशन का उपयोग करके रूटीन एंडपॉइंट गतिविधियों को AI-सक्षम रिमोट मॉनिटरिंग और मैनेजमेंट प्लेटफ़ॉर्म के माध्यम से प्रबंधित भी कर रहे हैं।

इसमें पैच ऑर्केस्ट्रेशन, स्वास्थ्य जांच, स्क्रिप्टेड रीमेडिएशन, और रिमोट ट्रबलशूटिंग जैसे क्षेत्र शामिल हैं।

पहले, पैच अनुपालन अक्सर 50% से नीचे गिर जाता था, मुख्यतः शामिल मैन्युअल कार्यभार और वातावरण के पैमाने के कारण। AI-सहायता प्राप्त RMM फ्रेमवर्क के साथ, अनुपालन अब 95वें प्रतिशतक तक पहुँच गया है।

यह सुधार हमें एंडपॉइंट स्थिरता को मजबूत करने और ज्ञात कमजोरियों के संपर्क को कम करने, में मदद करता है, साथ ही इंजीनियरों को मैन्युअल रूप से प्रबंधित करने वाले दोहराव वाले कार्य की मात्रा को भी घटाता है।

यह एक अच्छा उदाहरण है जहाँ ऑटोमेशन का अर्थ बनता है। प्रक्रिया पूर्वानुमेय है; इसे लगातार होना चाहिए, और यह हजारों एंडपॉइंट्स में काम करना चाहिए।

प्रौद्योगिकी पृष्ठभूमि में उस गतिविधि का अधिकांश भाग प्रबंधित कर सकती है, जबकि टीम अपवादों, एस्केलेशन, और उन मुद्दों पर ध्यान देती है जिन्हें गहरी जांच की आवश्यकता होती है।

जहाँ लोग अभी भी अंतर बनाते हैं

हर आईटी समस्या पूर्वानुमेय पैटर्न का पालन नहीं करती।

हमारी टीमें विभिन्न इन्फ्रास्ट्रक्चर वातावरण, नेटवर्क, सिस्टम और क्लाइंट आवश्यकताओं में काम करती हैं। एक मुद्दा जो पहली नजर में सरल लगता है, कभी-कभी कई निर्भरताओं को शामिल कर सकता है या विभिन्न टीमों के बीच समन्वय की आवश्यकता हो सकती है।

AI विसंगतियों की पहचान, जानकारी का विश्लेषण और संभावित कारणों को उजागर करने में मदद कर सकता है, लेकिन टीम को अभी भी व्यापक वातावरण में क्या हो रहा है, इसे समझने की आवश्यकता होती है।

यह विशेष रूप से महत्वपूर्ण हो जाता है जब कोई मुद्दा कई सिस्टमों को प्रभावित करता है, या जब तकनीकी रूप से स्पष्ट समाधान का अन्यत्र परिणाम हो सकता है।

यहीं पर अनुभव मायने रखता है।

एक इंजीनियर जो वातावरण को समझता है, व्यक्तिगत अलर्ट से परे देख सकता है और विचार कर सकता है कि क्या बदला, कौन से सिस्टम जुड़े हैं, क्या समान मुद्दे पहले हुए हैं, और किसी विशेष कार्रवाई का व्यापक संचालन पर क्या प्रभाव पड़ सकता है।

हमारे लिए, AI सबसे अच्छा तब काम करता है जब वह उस इंजीनियर को बेहतर जानकारी प्रदान करता है जिससे वह काम कर सके, बजाय पूरी प्रक्रिया से उन्हें हटाने की कोशिश करने के।

उच्च-डिमांड वातावरण का समर्थन

पर्यावरण के पैमाने का मतलब है कि हमें क्षमता बढ़ाने के तरीके खोजने पड़ते हैं, बिना मैन्युअल कार्य की मात्रा को केवल बढ़ाए।

ऑटोमेशन ने इसमें मदद की है।

रूटीन एंडपॉइंट गतिविधियाँ पृष्ठभूमि में लगातार हो सकती हैं। मॉनिटरिंग टूल्स इंजीनियरों तक पहुँचने से पहले संकेतों को फ़िल्टर और समेकित कर सकते हैं। भविष्यवाणी क्षमताएँ संभावित समस्याओं की पहचान पहले करने में मदद कर सकती हैं, जबकि स्वचालित रीमेडिएशन ज्ञात मुद्दों को बिना किसी के मैन्युअल हस्तक्षेप की प्रतीक्षा किए संबोधित कर सकता है।

यह टीम को सेवा निरंतरता, एस्केलेशन, और अधिक जटिल तकनीकी मुद्दों पर ध्यान केंद्रित करने के लिए अधिक क्षमता प्रदान करता है।

यह आईटी संचालन में उत्पादकता के बारे में हमारे सोचने के तरीके को भी बदलता है। लाभ केवल यह नहीं है कि कार्य तेज़ी से पूरा हो जाता है। बल्कि यह है कि इंजीनियरों के पास अधिक समय उपलब्ध होता है उन कार्यों के लिए जहाँ उनका अनुभव अधिक प्रभाव डाल सकता है।

शासन अभी भी महत्वपूर्ण है

जैसे-जैसे AI और ऑटोमेशन अधिक सक्षम होते जाते हैं, शासन की महत्ता बढ़ती जाती है।

यह स्पष्ट होना चाहिए कि कौन सी गतिविधियों को ऑटोमेट किया जा सकता है, कब एक इंजीनियर को हस्तक्षेप करना चाहिए और जब कोई स्वचालित प्रक्रिया अपेक्षित रूप से व्यवहार नहीं करती है तो जिम्मेदारी किसकी है।

यह बड़े प्रौद्योगिकी वातावरण में विशेष रूप से महत्वपूर्ण है। हजारों एंडपॉइंट्स पर लागू एक स्वचालित कार्रवाई का प्रभाव एक व्यक्तिगत मशीन पर किए गए कार्य से कहीं अधिक व्यापक हो सकता है।

इस कारण, हमें अभी भी स्पष्ट एस्केलेशन पथ, परिभाषित पहुँच स्तर, और उपयुक्त नियंत्रण। की आवश्यकता है।

यह दृष्टिकोण National Institute of Standards and Technology’s AI Risk Management Framework के अनुरूप है, जो निरंतर AI प्रणालियों की निगरानी पर ज़ोर देता है, तथा मानव निगरानी और हस्तक्षेप के लिए स्पष्ट रूप से परिभाषित जिम्मेदारियों और प्रक्रियाओं को निर्धारित करता है।

हमारे लिए, शासन AI के उपयोग को धीमा करने के बारे में नहीं है। यह सुनिश्चित करने के बारे में है कि हम इसे एक सक्रिय संचालनात्मक वातावरण में आत्मविश्वास और जिम्मेदारी के साथ उपयोग कर सकें।

आईटी इंजीनियर की भूमिका विकसित हो रही है

जैसे-जैसे अधिक नियमित कार्य स्वचालित होते हैं, इंजीनियर की भूमिका भी बदल रही है।

तकनीकी ज्ञान अभी भी आवश्यक है, लेकिन जानकारी की व्याख्या करने, निर्भरताओं को समझने, और उन समस्याओं की जाँच करने की क्षमता में बढ़ती महत्त्व है जिनका स्पष्ट उत्तर नहीं होता।

इंजीनियरों को उन उपकरणों को भी समझना चाहिए जिनके साथ वे काम कर रहे हैं। यदि एक AI-सक्षम प्रणाली कोई कार्रवाई सुझाती है, तो जिम्मेदार व्यक्ति को पर्यावरण का पर्याप्त ज्ञान होना चाहिए ताकि वह निर्धारित कर सके कि वह सिफारिश सार्थक है या नहीं।

यह प्रशिक्षण को AI अपनाने का एक महत्वपूर्ण भाग बनाता है।

हमारी टीमों को यह समझना चाहिए कि प्रौद्योगिकी क्या कर सकती है, उसकी सीमाएँ कहाँ हैं, और कब किसी चीज़ को अलग तरीके से एस्केलेट या जाँचने की आवश्यकता है।

NIST भी AI प्रणालियों को संचालित और देखरेख करने वाले लोगों की जिम्मेदारियों को स्पष्ट रूप से परिभाषित करने की सिफारिश करता है, साथ ही उपयुक्त प्रशिक्षण और दक्षता मानक।

अब तक हमने जो सीखा है

अब तक का हमारा अनुभव दर्शाता है कि आईटी संचालन में AI के कुछ सबसे उपयोगी अनुप्रयोग अपेक्षाकृत व्यावहारिक हैं।

यह निगरानी शोर में 75% कमी का अर्थ है कि इंजीनियर अनावश्यक अलर्टों को संभालने में कम समय व्यतीत कर रहे हैं। पैच अनुपालन को 50% से 95वें प्रतिशतक तक ले जाना एंडपॉइंट प्रबंधन की स्थिरता को मजबूत किया है। 10,000 एंडपॉइंट्स पर स्वचालन हमें ऐसे वातावरण को प्रबंधित करने में मदद कर रहा है, जिसके लिए अन्यथा बड़ी मात्रा में दोहरावदार मैन्युअल कार्य आवश्यक होते।

साथ ही, आईटी संचालन के अधिक जटिल भाग अभी भी लोगों पर भारी निर्भर हैं।

प्रौद्योगिकी असामान्य पैटर्न की पहचान कर सकती है या ज्ञात समाधान को स्वचालित कर सकती है। एक अनुभवी इंजीनियर व्यापक पर्यावरण, संबंधित निर्भरताओं, और किए जा रहे निर्णय के संभावित प्रभाव को समझता है।

जैसे ही AI दैनिक आईटी संचालन का हिस्सा बनता है, वह संतुलन अधिक महत्वपूर्ण होता जा रहा है।

मेरे लिए, AI का मूल्य काफी व्यावहारिक है। यह हमें पैमाने को प्रबंधित करने में मदद करता है, हमारी टीमों को बेहतर दृश्यता देता है और कुछ दोहरावदार कार्यों को हटाता है जो अधिक महत्वपूर्ण मुद्दों से समय ले सकते हैं।

प्रौद्योगिकी अधिक सक्षम होती जा रही है, लेकिन पर्यावरण का प्रबंधन करने वाले लोगों का अनुभव उतना ही महत्वपूर्ण बना रहता है।