AI dla IT? Nie bez widoczności najpierw

Dziś sztuczna inteligencja nie jest już ograniczona do działów badawczych i rozwojowych lub laboratoriów eksperymentalnych. Pojawia się w całych stosach IT przedsiębiorstw, automatyzując biura obsługi, wykrywając anomalie w ruchu sieciowym i optymalizując wydajność aplikacji. Według McKinsey, 72% firm używa już AI w co najmniej jednej funkcji, a większość z nich nadal opiera się na przestarzałych, niekompletnych inwentaryzacji aktywów. Ten szybki rozwój odzwierciedla zarówno obietnicę AI, jak i presję, którą czują liderzy IT, aby szybko zmodernizować.

Jednak wśród wyścigu, aby osadzić AI w infrastrukturze, istnieje podstawowa wada, która jest często pomijana: widoczność. Konkretnie, brak jej.

Zanim AI będzie mogło być naprawdę użyteczne w operacjach IT, niezależnie od tego, czy identyfikuje zagrożenie bezpieczeństwa, czy automatycznie skaluje zasoby, potrzebuje niezawodnego zrozumienia, z czym pracuje. I zbyt często dane, na których opiera się AI, są budowane na podstawie niekompletnych, niedokładnych lub przestarzałych inwentaryzacji aktywów. To jak próba programowania samochodu bez funkcjonującego systemu GPS. Silnik może być potężny, ale nie wie, gdzie jest ani co jest na drodze.

To jest następny wąski gardziel w przedsiębiorczym AI.

Dlaczego obserwowalność AI zależy od dokładnych danych o aktywach

AI rozwija się na danych, ale nie tylko na jakichkolwiek danych. Potrzebuje terminowych, uporządkowanych i godnych zaufania danych, które odzwierciedlają bieżące warunki. W kontekście IT zaczyna się to od zrozumienia, co jest w środowisku: urządzenia, punkty końcowe, obciążenia, użytkownicy, instancje chmury, IT cieni, i wiele więcej.

Problem polega na tym, że większość organizacji leci na ślepo. Narzędzia do zarządzania aktywami z dziesięciu lat temu nie były zaprojektowane dla dzisiejszych hybrydowych, dynamicznych środowisk. Nowocześniejsze rozwiązania często opierają się na interfejsach API lub integracjach, które nie sięgają wystarczająco głęboko. Co wynika z tego, to inwentaryzacja aktywów, która jest co najwyżej częściowa, a w najgorszym przypadku myląca.

Kiedy modele AI są szkolone lub wdrożone w tym rodzaju ślepej plamie, konsekwencje szybko się kumulują:

• Narzędzia bezpieczeństwa pomijają urządzenia podatne, ponieważ nie zostały one wcześniej skatalogowane.
• Wglądy w wydajność są zniekształcone przez maszyny-widma lub niezarządzane punkty końcowe.
• Skrypty automatyzacji nie powiodą się, gdy próbują działać na zasobach, które nie istnieją już lub istnieją w duplikacie.

Krótko mówiąc, dane, które mają prowadzić do mądrzejszych decyzji, wprowadzają więcej niepewności. AI nie może tworzyć wartości, jeśli działa na fragmentarycznej mapie środowiska.

Wyzwania widoczności w świecie hybrydowym i zdecentralizowanym

Wyzwanie widoczności nie jest tylko wynikiem zaniedbania. Jest to produktem tego, jak IT ewoluowało. Dzisiejsze środowiska obejmują fizyczne maszyny, zwirtualizowane obciążenia, wiele platform chmury, aplikacje SaaS, punkty końcowe zdalne, urządzenia brzegowe i kontenery. Niektóre aktywa powstają i znikają w ciągu kilku minut. Inne istnieją w trudno dostępnych zakątkach starszej infrastruktury. Odpowiedzialność za nie może być podzielona między zespoły wewnętrzne, kontrahentów i dostawców zewnętrznych.

Kwestię tę komplikują jeszcze bardziej przedsiębiorstwa, które poruszają się szybko. Przejęcia, nowe narzędzia i decyzje IT podejmowane przez poszczególne departamenty wszystkie przyczyniają się do rozległego krajobrazu, który zmienia się z dnia na dzień.

Próba zszywania widoczności we wszystkim tym jest przytłaczająca. Wiele firm sięga po arkusze kalkulacyjne, starsze CMDB lub specyficzne dla dostawcy narzędzia do odkrywania, które nie komunikują się ze sobą. Rezultat? Tysiące nieznanych, niezarządzanych lub sierocych aktywów, z których każdy może być potencjalnym punktem awarii.

I to tylko strona inwentaryzacyjna. Istnieje również kwestia kontekstu. Nie wystarczy wiedzieć, że urządzenie istnieje; trzeba wiedzieć, co robi, kto je używa, jak łączy się z innymi aktywami i czy jest zdrowe. Bez tego AI staje się tępym narzędziem — wykrywa anomalie, ale nie wie, co jest normalne, wykrywa zmiany, ale nie wie, czy mają znaczenie.

Czynienie infrastruktury gotowej do AI

Jeśli AI ma spełnić swoją obietnicę w IT, niezależnie od tego, czy chodzi o obserwowalność, automatyzację, czy bezpieczeństwo, przedsiębiorstwa muszą zacząć od odnowionego skupienia się na widoczności. To oznacza, że inteligencja aktywów musi być podstawowa, a nie opcjonalna. Oto, co to wymaga:

Traktuj odkrywanie aktywów jako ciągły proces: Tradycyjne narzędzia do odkrywania działają na zaplanowanych skanach. To już nie wystarcza. Środowiska są płynne. Aktywa mogą być uruchamiane przez deweloperów, przenoszone między dostawcami chmury lub zmieniać adresy IP bez powiadomienia. Odkrywanie w czasie rzeczywistym lub prawie w czasie rzeczywistym powinno być podstawą.

Złóż źródła danych, aby wyeliminować punkty ślepe: Ufanie tylko jednemu źródłu, takiego jak agent lub interfejs API chmury, nie da pełnego obrazu. Widoczność musi łączyć wiele metod: bierną obserwację, integracje API, analizę logów, telemetrię punktów końcowych i ruchu sieciowego. Każda z nich dostarcza inny kawałek układanki.

Buduj kontekst, a nie tylko liczby: Odkrywanie jest krokiem pierwszym, ale wzbogacanie to miejsce, gdzie zaczyna się prawdziwa wiedza. To oznacza mapowanie aktywów na ich funkcje biznesowe, właścicieli, zależności i etapy cyklu życia. AI potrzebuje kontekstu, aby odróżnić krytyczny serwer produkcyjny od maszyny testowej.

Wyeliminuj aktywa sieroce i niezarządzane: Nie jest rzadkością znaleźć środowiska z setkami lub tysiącami aktywów, za które żaden zespół nie przyjmuje odpowiedzialności. Stwarzają one zarówno ryzyko operacyjne, jak i bezpieczeństwa. Przyjęcie ich pod zarząd lub całkowite wycofanie powinno być priorytetem.

Traktuj widoczność jako strategicznego współpracownika: Inteligencja aktywów nie jest tylko kwestią higieny IT. Jest to podstawa prawie wszystkiego innego: mądrzejszej automatyzacji, lepszego wykrywania zagrożeń, bardziej efektywnych wydatków i tak, godnej zaufania AI. Bez niej każda wiedza pochodząca z dalszych źródeł jest naruszona.

Ślepa plama, której nie możesz pozwolić

AI w IT nie jest magią. To rozpoznawanie wzorców, automatyzacja i wnioskowanie oparte na danych. Ale kiedy te dane są naruszone na poziomie podstawowym przez słabą widoczność, złe inwentaryzacje lub aktywa pozbawione kontekstu, AI staje się tylko kolejną warstwą zgadywania.

Nie pozwalamy pilotom latać bez instrumentów. A jednak to właśnie tego oczekują wiele organizacji od swoich systemów AI dzisiaj, oczekując inteligentnych danych wyjściowych z niewidocznej infrastruktury. Przyszłość IT będzie z pewnością bardziej autonomiczna, przewidywalna i wspomagana przez AI. Ale to przyszłość jest możliwa tylko wtedy, gdy zaczniemy od oświetlenia krajobrazu, który AI ma nawigować. Zanim zautomatyzujemy, musimy zobaczyć. Zanim przewidzimy, musimy zrozumieć. I zanim zaufamy AI do zarządzania naszą infrastrukturą, musimy uczynić tę infrastrukturę widoczną.

Cokolwiek innego to po prostu lecenie na ślepo.