AI for IT? Ikke uten synlighet først

I dag er kunstig intelligens ikke lenger begrenset til FoU-avdelinger eller eksperimentelle laboratorier. Den dukker opp på tvers av IT-stakker i bedrifter, automatisering av brukerstøtte, oppdage avvik i nettverkstrafikk og optimalisere applikasjonsytelsen. Ifølge McKinsey, 72 % av bedrifter bruker nå kunstig intelligens i minst én funksjon, men de fleste er fortsatt avhengige av utdaterte, ufullstendige aktivabeholdninger. Denne raske adopsjonen gjenspeiler både løftet om AI og presset IT-ledere føler for å modernisere raskt.

Men midt i kappløpet om å integrere AI i infrastruktur, er det en grunnleggende svakhet som ofte overses: synlighet. Spesielt mangelen på sådan.

Før AI kan være virkelig nyttig i IT-drift, enten det er å identifisere en sikkerhetstrussel eller automatisk skalere ressurser, trenger den en pålitelig forståelse av hva den jobber med. Og altfor ofte er dataene AI er avhengig av bygget på toppen av ufullstendige, unøyaktige eller utdaterte aktivabeholdninger. Det er som å prøve å programmere en selvkjørende bil uten en fungerende GPS. Motoren er kanskje kraftig, men den vet ikke hvor den er eller hva som er på veien.

Dette er den neste flaskehalsen innen bedrifts-AI.

Hvorfor AI-observabilitet avhenger av nøyaktige aktivadata

AI trives med data, men ikke bare hvilke som helst data. Den trenger tidsriktige, strukturerte og pålitelige data som gjenspeiler gjeldende forhold. I en IT-sammenheng starter det med å forstå hva som er i miljøet: enheter, endepunkter, arbeidsbelastninger, brukere, skyinstanser, skygge-IT og mer.

Problemet er at de fleste organisasjoner flyr i blinde. Verktøy for ressursforvaltning fra for et tiår siden var ikke designet for dagens hybride, dynamiske miljøer. Og nyere løsninger er ofte avhengige av API-er eller integrasjoner som ikke går dypt nok. Resultatet er en ressursbeholdning som i beste fall er delvis og i verste fall misvisende.

Når AI-modeller trenes eller distribueres i denne typen blindsone, forverres konsekvensene raskt:

• Sikkerhetsverktøy overser sårbare enheter fordi de aldri ble katalogisert i utgangspunktet.
• Ytelsesinnsikter blir forvrengt av spøkelsesmaskiner eller uadministrerte endepunkter.
• Automatiseringsskript mislykkes når de prøver å handle på ressurser som ikke lenger finnes – eller finnes i duplikat.

Kort sagt, dataene som skal føre til smartere beslutninger ender opp med å introdusere mer usikkerhet. AI kan ikke skape verdi hvis den opererer på et fragmentert kart over miljøet.

Synlighetsutfordringer i en hybrid, desentralisert verden

Synlighetsutfordringen er ikke bare et resultat av forsømmelse. Det er et biprodukt av hvordan IT har utviklet seg. Dagens miljøer spenner over fysiske maskiner, virtualiserte arbeidsbelastninger, flere skyplattformer, SaaS-apper, eksterne endepunkter, kantenheter og containere. Noen ressurser spinner opp og forsvinner i løpet av minutter. Andre finnes i vanskelig tilgjengelige hjørner av eldre infrastruktur. Ansvaret for dem kan være delt mellom interne team, entreprenører og tredjepartsleverandører.

For å gjøre saken enda mer komplisert, beveger bedrifter seg raskt. Oppkjøp, nye verktøy og IT-beslutninger på tvers av avdelinger bidrar alle til et vidstrakt landskap som endrer seg dag for dag.

Det er utfordrende å prøve å sette sammen oversikt over alt dette. Mange selskaper tyr til regneark, eldre CMDB-er eller leverandørspesifikke verktøy for identifisering som ikke kommuniserer med hverandre. Resultatet? Tusenvis av ukjente, uadministrerte eller foreldreløse ressurser, som alle kan være et potensielt feilpunkt.

Og det er bare på lagersiden. Det er også spørsmålet om kontekst. Det er ikke nok å vite at en enhet eksisterer; du må vite hva den gjør, hvem som bruker den, hvordan den kobles til andre eiendeler, og om den er i god stand. Uten det blir AI et sløvt instrument – den oppdager avvik, men vet ikke hva som er normalt, den oppdager endringer, men vet ikke om de har noen betydning.

Gjøre infrastruktur klar for AI

Hvis AI skal innfri løftet sitt innen IT, enten det gjelder observerbarhet, automatisering eller cybersikkerhet, må bedrifter starte med et fornyet fokus på synlighet. Det betyr å gjøre ressursintelligens grunnleggende, ikke valgfritt. Her er hva det krever:

Behandle oppdagelse av eiendeler som en kontinuerlig prosess: Tradisjonelle oppdagelsesverktøy fungerer med planlagte skanninger. Det er ikke nok lenger. Miljøer er flytende. Aktiva kan opprettes av utviklere, flyttes på tvers av skyleverandører eller endre IP-adresser uten varsel. Oppdagelse i sanntid eller nesten sanntid bør være grunnlinjen.

Konverger datakilder for å eliminere blindsoner: Å stole på én enkelt feed, som en agent eller et skybasert API, vil ikke gi et fullstendig bilde. Synlighet må kombinere flere metoder: passiv lytting, API-integrasjoner, logganalyse, endepunkttelemetri og nettverkstrafikk. Hver av dem gir en annen brikke i puslespillet.

Bygg kontekst, ikke bare teller: Oppdagelse er trinn én, men berikelse er der den virkelige innsikten begynner. Det betyr å kartlegge eiendeler til forretningsfunksjoner, eiere, avhengigheter og livssyklusfaser. AI trenger kontekst for å skille mellom en kritisk produksjonsserver og en test-VM.

Eliminer foreldreløse og uadministrerte eiendeler: Det er ikke uvanlig å finne miljøer med hundrevis eller tusenvis av ressurser som ingen team tar ansvar for. Disse skaper både driftsmessig og sikkerhetsmessig risiko. Å få dem under administrasjon, eller å sette dem helt ut av drift, bør være en topprioritet.

Behandle synlighet som en strategisk muliggjører: Intelligens innen ressurser handler ikke bare om IT-hygiene. Det er grunnlaget for nesten alt annet: smartere automatisering, bedre trusseldeteksjon, mer effektive utgifter og ja, pålitelig AI. Uten det blir all nedstrøms innsikt kompromittert.

Blindsonen du ikke har råd til

AI i IT er ikke magi. Det er mønstergjenkjenning, automatisering og resonnement bygget på data. Men når disse dataene kompromitteres ved kilden av dårlig synlighet, ødelagte varelager eller kontekstløse eiendeler, blir AI bare et nytt lag med gjetting.

Vi lar ikke piloter fly uten instrumentering. Likevel er det det mange organisasjoner ber om av sine AI-systemer i dag, og forventer intelligente resultater fra en usynlig infrastruktur. IT-fremtiden vil uten tvil være mer autonom, prediktiv og AI-assistert. Men den fremtiden er bare mulig hvis vi begynner med å belyse landskapet vi ber AI om å navigere i. Før vi kan automatisere, må vi se. Før vi forutsier, må vi forstå. Og før vi stoler på at AI skal administrere infrastrukturen vår, må vi gjøre den infrastrukturen synlig.

Alt annet er bare å fly i blinde.