Poza automatyzacją: co AI zmienia w operacjach IT

Redukcja szumu w monitoringu

Jednym z obszarów, w którym odnotowaliśmy znaczną poprawę, jest monitoring.

Duże środowiska technologiczne generują znaczną liczbę alertów, a nie wszystkie wymagają tego samego poziomu uwagi. Duplikaty alertów, tymczasowe anomalie i zdarzenia o niskim priorytecie mogą tworzyć niepotrzebny szum, utrudniając zespołom identyfikację problemów, które mogą mieć rzeczywisty wpływ operacyjny.

Poprzez włączenie detekcji anomalii napędzanej AI i tłumienia szumu do naszego środowiska monitoringu, osiągnęliśmy 75 % redukcję szumu monitoringu.

Dla zespołu oznacza to mniej czasu spędzanego na przeglądaniu niepotrzebnych alertów i więcej czasu na badanie problemów wymagających uwagi. Pomaga to także wcześniej wykrywać nietypowe wzorce i dostarcza inżynierom lepsze informacje, gdy rozpoczynają analizę incydentu.

To obszar, w którym AI jest szczególnie przydatna, ponieważ może szybko przetwarzać duże ilości informacji. Ale gdy coś nietypowego zostanie zidentyfikowane. Zrozumienie przyczyny i potencjalnego wpływu nadal często wymaga kogoś, kto zna środowisko.

Ulepszanie rutynowych operacji IT

Korzystamy również z automatyzacji do zarządzania rutynowymi działaniami punktów końcowych za pomocą platformy zdalnego monitorowania i zarządzania (RMM) z obsługą AI.

Obejmuje to takie obszary jak orkiestracja poprawek, kontrole stanu, skryptowane naprawy oraz zdalne rozwiązywanie problemów.

Wcześniej zgodność z poprawkami regularnie spadała poniżej 50 %, głównie ze względu na ręczną pracę i skalę środowiska. Po wprowadzeniu wspieranego przez AI frameworku RMM, zgodność osiąga teraz 95‑percentyl.

Ta poprawa pomogła nam wzmocnić stabilność punktów końcowych i zredukować narażenie na znane luki bezpieczeństwa, jednocześnie zmniejszając ilość powtarzalnej pracy, którą inżynierowie muszą zarządzać ręcznie.

To dobry przykład, w którym automatyzacja ma sens. Proces jest przewidywalny; musi odbywać się konsekwentnie i działać na tysiącach punktów końcowych.

Technologia może zarządzać dużą częścią tej aktywności w tle, podczas gdy zespół koncentruje się na wyjątkach, eskalacjach i problemach wymagających głębszej analizy.

Gdzie ludzie wciąż mają znaczenie

Nie każdy problem IT podąża za przewidywalnym schematem.

Nasze zespoły pracują w różnych środowiskach infrastrukturalnych, sieciach, systemach i wymaganiach klientów. Problem, który na pierwszy rzut oka wydaje się prosty, może czasami obejmować wiele zależności lub wymagać koordynacji pomiędzy różnymi zespołami.

AI może pomóc w identyfikacji anomalii, analizie informacji i przedstawieniu możliwych przyczyn, ale zespół wciąż musi rozumieć, co dzieje się w szerszym środowisku.

Staje się to szczególnie ważne, gdy problem wpływa na wiele systemów lub gdy technicznie oczywiste rozwiązanie może mieć konsekwencje w innych miejscach.

Tutaj liczy się doświadczenie.

Inżynier, który rozumie środowisko, może spojrzeć poza pojedynczy alert i rozważyć, co się zmieniło, jakie systemy są połączone, czy podobne problemy wystąpiły wcześniej oraz jaki wpływ konkretne działanie może mieć na szerszą operację.

Dla nas AI działa najlepiej, gdy dostarcza inżynierowi lepsze informacje do pracy, zamiast próbować całkowicie wyeliminować go z procesu.

Wsparcie środowiska o wysokim zapotrzebowaniu

Skala środowiska oznacza, że musimy znaleźć sposoby zwiększenia pojemności bez po prostu zwiększania ilości pracy ręcznej.

Automatyzacja pomogła w tym.

Rutynowe działania na punktach końcowych mogą odbywać się konsekwentnie w tle. Narzędzia monitorujące mogą filtrować i konsolidować sygnały, zanim dotrą do inżynierów. Możliwości predykcyjne mogą pomóc w wcześniejszym identyfikowaniu potencjalnych problemów, podczas gdy automatyczna naprawa może rozwiązywać znane problemy bez oczekiwania na ręczną interwencję.

Daje to zespołowi większą pojemność, aby skupić się na ciągłości usług, eskalacjach i bardziej złożonych problemach technicznych.

Zmienia to także nasze podejście do produktywności w operacjach IT. Korzyść nie polega jedynie na szybszym wykonaniu zadania. Chodzi o to, że inżynierowie mają więcej czasu na pracę, w której ich doświadczenie może przynieść większy wpływ.

Zarządzanie wciąż ma znaczenie

W miarę jak AI i automatyzacja stają się bardziej zaawansowane, zarządzanie staje się coraz ważniejsze.

Należy zapewnić jasność, które działania mogą być zautomatyzowane, kiedy inżynier musi interweniować i kto jest odpowiedzialny, gdy zautomatyzowany proces nie zachowuje się zgodnie z oczekiwaniami.

Jest to szczególnie ważne w dużych środowiskach technologicznych. Zautomatyzowane działanie zastosowane na tysiącach punktów końcowych może mieć znacznie szerszy wpływ niż działanie podjęte na pojedynczej maszynie.

Z tego powodu nadal potrzebujemy jasnych ścieżek eskalacji, określonych poziomów dostępu oraz odpowiednie kontrole wokół zautomatyzowanej aktywności.

To podejście jest zgodne z National Institute of Standards and Technology’s AI Risk Management Framework, które podkreśla ciągłe monitorowanie systemów AI, jasno określone obowiązki i procesy nadzoru oraz interwencji ze strony ludzi.

Dla nas zarządzanie nie polega na spowalnianiu wykorzystania AI. Chodzi o zapewnienie, że możemy jej używać pewnie i odpowiedzialnie w rzeczywistym środowisku operacyjnym.

Rola inżyniera IT ewoluuje

W miarę automatyzacji coraz większej liczby rutynowych działań, rola inżyniera również się zmienia.

Wiedza techniczna pozostaje niezbędna, ale rośnie wartość umiejętności interpretacji informacji, rozumienia zależności i badania problemów, które nie mają oczywistej odpowiedzi.

Inżynierowie muszą także rozumieć narzędzia, z których korzystają. Jeśli system wspomagany AI zaleca działanie, osoba odpowiedzialna musi posiadać wystarczającą wiedzę o środowisku, aby ocenić, czy rekomendacja ma sens.

To sprawia, że szkolenie jest ważną częścią wdrażania AI.

Nasze zespoły muszą rozumieć, co technologia może zrobić, gdzie leżą jej ograniczenia oraz kiedy coś wymaga innej eskalacji lub badania.

NIST w podobny sposób zaleca jasno definiowanie odpowiedzialności osób obsługujących i nadzorujących systemy AI, wraz z odpowiednimi szkoleniami i standardami biegłości.

Czego dotąd się nauczyliśmy

Nasze dotychczasowe doświadczenia pokazały, że niektóre z najbardziej przydatnych zastosowań AI w operacjach IT są stosunkowo praktyczne.

75% redukcja szumu monitoringu oznacza, że inżynierowie spędzają mniej czasu na przetwarzaniu niepotrzebnych alertów. Przejście zgodności poprawek z poziomu poniżej 50% do 95 percentyla wzmocniło spójność zarządzania punktami końcowymi. Automatyzacja obejmująca ponad 10,000 punktów końcowych pomaga nam zarządzać środowiskiem, które w przeciwnym razie wymagałoby znacznej ilości powtarzalnej ręcznej pracy.

Jednocześnie bardziej złożone części operacji IT wciąż silnie polegają na ludziach.

Technologia może zidentyfikować nietypowy wzorzec lub zautomatyzować znane rozwiązanie. Doświadczony inżynier rozumie szersze środowisko, zaangażowane zależności oraz potencjalny wpływ podejmowanej decyzji.

Ta równowaga staje się coraz ważniejsza, gdy AI staje się częścią codziennych operacji IT.

Dla mnie wartość AI jest bardzo praktyczna. Pomaga nam zarządzać skalą, zapewnia naszym zespołom lepszą widoczność i usuwa część powtarzalnej pracy, która może odciągać uwagę od ważniejszych problemów.

Technologia staje się coraz bardziej zdolna, ale doświadczenie osób zarządzających środowiskiem pozostaje równie ważne.