AI untuk IT? Tidak Tanpa Visibilitas Terlebih Dahulu

Hari ini, kecerdasan buatan tidak lagi terbatas pada departemen R&D atau laboratorium eksperimental. Ini muncul di seluruh tumpukan IT perusahaan, mengotomatisasi help desk, mendeteksi anomali dalam lalu lintas jaringan, dan mengoptimalkan kinerja aplikasi. Menurut McKinsey, 72% perusahaan sekarang menggunakan AI dalam setidaknya satu fungsi, namun sebagian besar masih mengandalkan inventori aset yang sudah ketinggalan zaman dan tidak lengkap. Adopsi cepat ini mencerminkan baik janji AI dan tekanan yang dirasakan pemimpin IT untuk memodernisasi dengan cepat.

Namun, di tengah-tengah perlombaan untuk mengintegrasikan AI ke dalam infrastruktur, ada kelemahan dasar yang sering diabaikan: visibilitas. Secara khusus, kurangnya visibilitas.

Sebelum AI dapat benar-benar berguna dalam operasi IT, apakah itu mengidentifikasi ancaman keamanan atau mengotomatisasi sumber daya, itu membutuhkan pemahaman yang dapat diandalkan tentang apa yang sedang dikerjakan. Dan terlalu sering, data yang AI andalkan dibangun di atas inventori aset yang tidak lengkap, tidak akurat, atau sudah ketinggalan zaman. Ini seperti mencoba memprogram mobil self-driving tanpa GPS yang berfungsi. Mesinnya mungkin kuat, tetapi tidak tahu di mana ia berada atau apa yang ada di jalan.

Ini adalah hambatan berikutnya dalam AI perusahaan.

Mengapa Observabilitas AI Bergantung pada Data Aset yang Akurat

AI berkembang pada data, tetapi tidak hanya data apa pun. Ini membutuhkan data yang tepat waktu, terstruktur, dan dapat dipercaya yang mencerminkan kondisi saat ini. Dalam konteks IT, itu dimulai dengan memahami apa yang ada di lingkungan: perangkat, endpoint, beban kerja, pengguna, instance cloud, IT bayangan, dan lain-lain.

Masalahnya adalah, sebagian besar organisasi terbang buta. Alat manajemen aset dari satu dekade yang lalu tidak dirancang untuk lingkungan hybrid dan dinamis saat ini. Dan solusi yang lebih baru sering bergantung pada API atau integrasi yang tidak mencapai kedalaman yang cukup. Hasilnya adalah inventori aset yang sebagian besar tidak lengkap, menyesatkan pada yang terburuk.

Ketika model AI dilatih atau diterapkan dalam jenis kebutaan ini, konsekuensinya dengan cepat berkompilasi:

• Alat keamanan melewatkan perangkat yang rentan karena mereka tidak pernah dikatalogkan dari awal.
• Wawasan kinerja terdistorsi oleh mesin hantu atau endpoint yang tidak dikelola.
• Skrip otomatisasi gagal ketika mereka mencoba bertindak pada sumber daya yang tidak ada lagi – atau ada dalam duplikat.

Singkatnya, data yang seharusnya mengarahkan keputusan yang lebih cerdas malah memperkenalkan lebih banyak ketidakpastian. AI tidak dapat menciptakan nilai jika bertindak pada peta lingkungan yang terfragmentasi.

Tantangan Visibilitas di Dunia yang Hybrid dan Desentralisasi

Tantangan visibilitas tidak hanya hasil dari kelalaian. Ini adalah produk dari bagaimana IT telah berkembang. Hari ini, lingkungan mencakup mesin fisik, beban kerja virtual, beberapa platform cloud, aplikasi SaaS, endpoint jarak jauh, perangkat edge, dan kontainer. Beberapa aset muncul dan menghilang dalam hitungan menit. Yang lain ada di sudut-sudut yang sulit dijangkau dari infrastruktur warisan. Tanggung jawab atas mereka mungkin dibagi antara tim internal, kontraktor, dan penyedia pihak ketiga.

Memperumit masalah lebih lanjut, perusahaan bergerak cepat. Akuisisi, alat baru, dan keputusan IT departemen semua berkontribusi pada lanskap yang meluas yang berubah setiap hari.

Mencoba menyatukan visibilitas di seluruh itu adalah tugas yang menantang. Banyak perusahaan bergantung pada spreadsheet, CMDB warisan, atau alat penemuan vendor yang tidak berkomunikasi satu sama lain. Hasilnya? Ribuan aset yang tidak diketahui, tidak dikelola, atau terlantar, masing-masing merupakan potensi titik kegagalan.

Dan itu hanya di sisi inventori. Ada juga masalah konteks. Tidak cukup untuk mengetahui bahwa perangkat ada; Anda perlu tahu apa yang dilakukannya, siapa yang menggunakannya, bagaimana ia terhubung ke aset lain, dan apakah itu sehat. Tanpa itu, AI menjadi alat tumpul – mendeteksi anomali tetapi tidak tahu apa yang normal, mendeteksi perubahan tetapi tidak tahu apakah itu penting.

Membuat Infrastruktur AI-Siaga

Jika AI ingin memenuhi janjinya dalam IT, baik untuk observabilitas, otomatisasi, atau keamanan siber, perusahaan perlu memulai dengan fokus baru pada visibilitas. Ini berarti membuat kecerdasan aset menjadi fondasi, bukan opsional. Berikut yang diperlukan:

Perlakukan penemuan aset sebagai proses berkelanjutan: Alat penemuan tradisional bekerja pada pemindaian terjadwal. Ini tidak cukup lagi. Lingkungan sangat dinamis. Aset dapat dibuat oleh pengembang, berpindah ke penyedia cloud, atau berubah IP tanpa pemberitahuan. Penemuan waktu nyata atau hampir waktu nyata harus menjadi baseline.

Gabungkan sumber data untuk menghilangkan titik buta: Mengandalkan satu feed, seperti agen atau API cloud, tidak akan memberikan gambaran lengkap. Visibilitas harus menggabungkan metode yang berbeda: mendengarkan pasif, integrasi API, analisis log, telemetri endpoint, dan lalu lintas jaringan. Masing-masing memberikan potongan yang berbeda dari teka-teki.

Bangun konteks, bukan hanya hitungan: Penemuan adalah langkah pertama, tetapi pengayaan adalah tempat dimana wawasan sebenarnya dimulai. Ini berarti memetakan aset ke fungsi bisnis, pemilik, ketergantungan, dan tahap siklus hidup. AI membutuhkan konteks untuk membedakan antara server produksi kritis dan VM uji.

Hapus aset yang terlantar dan tidak dikelola: Tidak jarang menemukan lingkungan dengan ratusan atau ribuan aset yang tidak ada tim yang mengklaim tanggung jawab. Ini menciptakan risiko operasional dan keamanan. Membawa mereka di bawah manajemen, atau mematikan mereka sepenuhnya, harus menjadi prioritas utama.

Perlakukan visibilitas sebagai pengaktif strategis: Kecerdasan aset tidak hanya tentang higiene IT. Ini adalah fondasi untuk hampir semua hal lain: otomatisasi yang lebih cerdas, deteksi ancaman yang lebih baik, pengeluaran yang lebih efisien, dan ya, AI yang dapat dipercaya. Tanpa itu, setiap wawasan hilir dikompromikan.

Titik Buta yang Tidak Dapat Dibayar

AI di IT bukanlah sihir. Ini adalah pengenalan pola, otomatisasi, dan penalaran yang dibangun di atas data. Namun, ketika data itu dikompromikan pada sumber oleh visibilitas yang buruk, inventori yang rusak, atau aset yang tidak berkonteks, AI menjadi hanya lapisan lain dari tebakan.

Kita tidak membiarkan pilot terbang tanpa instrumen. Namun, itu adalah apa yang banyak organisasi minta dari sistem AI mereka hari ini, mengharapkan output cerdas dari infrastruktur yang tidak terlihat. Masa depan IT tidak diragukan lagi akan lebih otonom, prediktif, dan AI-

Apapun yang lain hanya terbang buta.