AI for IT? Ikke uten synlighet først

I dag er kunstig intelligens ikke lenger begrenset til R&D-avdelinger eller eksperimentelle laboratorier. Det viser seg over hele IT-stakkene, automatiserer hjelpeskrivere, detekterer anomalier i nettverkstrafikk og optimaliserer applikasjonsytelse. Ifølge McKinsey, 72% av selskapene bruker nå AI i minst en funksjon, men de fleste avhenger fortsatt av foreldede, ufullstendige eiendomsinventarer. Den raske tilpasningen reflekterer både løftene med AI og presset IT-ledere føler for å modernisere raskt.

Men i kappløpet om å innlemme AI i infrastrukturen, er det en grunnleggende feil som ofte oversees: synlighet. Spesifikt, mangel på det.

Før AI kan være virkelig nyttig i IT-drift, enten det er å identifisere en sikkerhetstrussel eller auto-skalereressurser, trenger det en pålitelig forståelse av hva det jobber med. Og for ofte er dataene AI avhenger av bygget på ufullstendige, uriktige eller foreldede eiendomsinventarer. Det er som å prøve å programmere en selvkjørende bil uten en fungerende GPS. Motoren kan være kraftig, men den vet ikke hvor den er eller hva som er på veien.

Dette er den neste flaskenhalen i bedriftens AI.

Hvorfor AI-observasjon avhenger av nøyaktig eiendomsdata

AI trives på data, men ikke bare noen som helst data. Det trenger tidlige, strukturerte og pålitelige data som reflekterer nåværende forhold. I en IT-kontekst begynner det med å forstå hva som er i miljøet: enheter, endepunkter, arbeidsbyrder, brukere, skyinstanser, skygge-IT og mer.

Problemet er at de fleste organisasjonene flyr blindt. Eiendomsverktøy fra forrige tiår var ikke designet for i dagens hybrid-, dynamiske miljøer. Og nyere løsninger avhenger ofte av API-er eller integrasjoner som ikke når dypt nok. Det som følger er en eiendomsinventar som er delvis i beste fall, misvisende i verste fall.

Når AI-modeller er trent eller deployert i denne type blindsonen, forverres konsekvensene raskt:

• Sikkerhetstverktøyene glemmer sårbare enheter fordi de aldri ble katalogisert fra første sted.
• Ytelsesinsiktene er skjeve på grunn av spøkelsesmaskiner eller ustyrtede endepunkter.
• Automatiserings-skriptene feiler når de prøver å handle på ressurser som ikke lenger eksisterer – eller eksisterer i duplikat.

Kort sagt, dataene som skal drive smartere beslutninger, innfører mer usikkerhet. AI kan ikke skape verdi hvis det handler på en 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. I dagens miljøer omfatter det fysiske maskiner, virtualiserte arbeidsbyrder, flere skyplattformer, SaaS-applikasjoner, fjernendepunkter, kanter og containere. Noen eiendommer spinner opp og forsvinner på minutter. Andre eksisterer i vanskelige hjørner av legacy-infrastruktur. Ansvar for dem kan være delt mellom interne team, entreprenører og tredjepartsleverandører.

Å komplicere saken ytterligere, beveger bedriftene seg raskt. Oppkjøp, nye verktøy og IT-beslutninger bidrar alle til et spredt landskap som endrer seg dag for dag.

Å prøve å sy sammen synlighet over hele dette er overveldende. Mange selskaper søker til regneark, legacy-CMDB-er eller leverandørspecifikke oppdagelsesverktøy som ikke kommuniserer med hverandre. Resultatet? Tusenvis av ukjente, ustyrtede eller foreldede eiendommer, hver en potensiell feil.

Og det er bare på inventarsiden. Det er også problemet med kontekst. Det er ikke nok å vite at en enhet eksisterer; du må vite hva den gjør, hvem som bruker den, hvordan den kobler til andre eiendommer og om den er sunn. Uten det, blir AI en stump instrument – detekterer anomalier, men vet ikke hva som er normalt, ser endringer, men vet ikke om de betyr noe.

Å gjøre infrastrukturen AI-klar

Hvis AI skal holde sitt løfte i IT, enten for observasjon, automatisering eller sikkerhet, må bedriftene starte med en fornyet fokus på synlighet. Det betyr å gjøre eiendomssmartness grunnleggende, ikke valgfritt. Her er hva det krever:

Behandle eiendomsoppdagelse som en kontinuerlig prosess: Tradisjonelle oppdagelsesverktøy fungerer på planlagte skanninger. Det er ikke nok lenger. Miljøer er flytende. Eiendommer kan spinne opp av utviklere, flytte over skytjenesteleverandører eller skifte IP-er uten varsel. Sanntids- eller nære sanntidsoppdagelse bør være grunnlinjen.

Konverger datakilder for å eliminere blindsoner: Å avhenge av en enkelt feed, som en agent eller en sky-API, gir ikke en fullstendig bildet. Synlighet må kombinere flere metoder: passiv lytting, API-integrasjoner, logganalyse, endepunkts-telemetri og nettverkstrafikk. Hver gir en annen del av puslespillet.

Bygg kontekst, ikke bare tellinger: Oppdagelse er steg én, men berikelse er der virkelige innsikt begynner. Det betyr å kartlegge eiendommer til deres forretningsfunksjoner, eiere, avhengigheter og livssyklussteg. AI trenger kontekst for å skille mellom en kritisk produksjonsserver og en test-VM.

Eliminer foreldede og ustyrtede eiendommer: Det er ikke uvanlig å finne miljøer med hundrevis eller tusenvis av eiendommer som ingen team påtar seg ansvar for. Disse skaper både operasjonelle og sikkerhetsrisiko. Å bringe dem under kontroll, eller pensjonere dem helt, bør være en topprioritet.

Behandle synlighet som en strategisk muliggjører: Eiendomssmartness er ikke bare IT-hygiene. Det er grunnlaget for nesten alt annet: smartere automatisering, bedre trusseldeteksjon, mer effektivt utgifter og ja, pålitelig AI. Uten det, er hver nedstrøms innsikt kompromittert.

Den blinde sonen du ikke kan unngå

AI i IT er ikke magi. Det er mønstergjenkjenning, automatisering og resonnering bygget på data. Men når dataene er kompromittert på kilde av dårlig synlighet, ødelagte inventarer eller kontekstløse eiendommer, blir AI bare et annet lag med gjettning.

Vi lar ikke piloter fly uten instrumenter. Likevel er det hva mange organisasjoner ber om av sine AI-systemer i dag, forventer intelligente utdata fra en usynlig infrastruktur. Fremtiden for IT vil uten tvil være mer autonom, prediktiv og AI-assistert. Men den fremtiden er bare mulig hvis vi starter med å belyse landskapet vi ber AI om å navigere. Før vi kan automatisere, må vi se. Før vi kan forutsi, må vi forstå. Og før vi kan stole på AI til å håndtere vår infrastruktur, må vi gjøre den infrastrukturen synlig.

Alt annet er bare å fly blindt.