За пределами автоматизации: что ИИ меняет в ИТ‑операциях

Снижение шума в мониторинге

Одной из областей, где мы наблюдаем значительное улучшение, является мониторинг.

Крупные технологические среды генерируют значительное количество оповещений, и не все они требуют одинакового уровня внимания. Дублирующие оповещения, временные аномалии и события низкого приоритета могут создавать лишний шум, усложняя командам выявление проблем, которые могут иметь реальное операционное влияние.

Внедрив обнаружение аномалий и подавление шума, управляемое ИИ в нашу среду мониторинга, мы добились снижения шума мониторинга на 75 %.

Для команды это означает меньше времени на обработку ненужных оповещений и больше времени на расследование проблем, требующих внимания. Это также помогает нам раньше выявлять необычные паттерны и предоставляет инженерам более полную информацию при начале расследования инцидента.

Это область, где ИИ особенно полезен, потому что он может быстро обрабатывать большие объёмы информации. Но после того как что‑то необычное выявлено, понимание причины и потенциального воздействия всё ещё часто требует участия человека, знакомого со средой.

Повышение эффективности рутинных ИТ‑операций

Мы также используем автоматизацию для управления рутинными действиями конечных точек через платформу удалённого мониторинга и управления с поддержкой ИИ.

Это включает такие области, как оркестрация патчей, проверки состояния, скриптовое устранение проблем и удалённое устранение неисправностей.

Ранее соблюдение патчей регулярно находилось ниже 50 %, в основном из‑за объёма ручной работы и масштаба среды. С внедрённой ИИ‑поддержкой в рамках RMM соблюдение теперь достигает 95‑го процентиля.

Это улучшение помогло нам укрепить стабильность конечных точек и снизить подверженность известным уязвимостям, одновременно уменьшив объём повторяющихся задач, которые инженеры вынуждены выполнять вручную.

Это хороший пример того, где автоматизация имеет смысл. Процесс предсказуем; его необходимо выполнять последовательно, и он должен работать на тысячах конечных точек.

Технология может управлять большей частью этой активности в фоновом режиме, пока команда сосредотачивается на исключениях, эскалациях и вопросах, требующих более глубокого расследования.

Где люди всё ещё имеют значение

Не каждая ИТ‑проблема следует предсказуемому шаблону.

Наши команды работают в разных инфраструктурных средах, сетях, системах и согласно требованиям клиентов. Проблема, которая сначала кажется простой, иногда может включать несколько зависимостей или требовать координации между различными командами.

ИИ может помочь выявлять аномалии, анализировать информацию и предлагать возможные причины, но команде всё равно необходимо понимать, что происходит в более широкой среде.

Это становится особенно важным, когда проблема затрагивает несколько систем или когда технически очевидное решение может иметь последствия в других местах.

Здесь имеет значение опыт.

Инженер, понимающий среду, может смотреть дальше отдельного оповещения и учитывать, что изменилось, какие системы связаны, происходили ли ранее похожие проблемы и какое влияние может оказать конкретное действие на более широкую операцию.

Для нас ИИ работает лучше, когда он предоставляет инженеру более качественную информацию, а не пытается полностью исключить его из процесса.

Поддержка среды с высоким спросом

Масштаб среды требует находить способы увеличения пропускной способности без простого увеличения объёма ручной работы.

Автоматизация помогла в этом.

Рутинные действия конечных точек могут происходить последовательно в фоновом режиме. Инструменты мониторинга могут фильтровать и консолидировать сигналы до того, как они достигнут инженеров. Прогностические возможности могут помочь выявлять потенциальные проблемы раньше, в то время как автоматическое устранение может решать известные проблемы без ожидания вмешательства человека.

Это даёт команде больше возможностей сосредоточиться на непрерывности обслуживания, эскалациях и более сложных технических вопросах.

Это также меняет наше представление о продуктивности в ИТ‑операциях. Выгода заключается не только в том, что задача выполняется быстрее, а в том, что у инженеров появляется больше времени для работы, где их опыт может оказать более значительное влияние.

Управление по‑прежнему важно

По мере того как ИИ и автоматизация становятся более продвинутыми, управление становится всё более важным.

Необходимо обеспечить ясность относительно того, какие действия могут быть автоматизированы, когда инженер должен вмешаться и кто несёт ответственность, если автоматизированный процесс ведёт себя не так, как ожидалось.

Это особенно важно в крупных технологических средах. Автоматизированное действие, применённое к тысячам конечных точек, может иметь гораздо более широкий эффект, чем действие, выполненное на отдельной машине.

По этой причине нам всё ещё нужны чёткие пути эскалации, определённые уровни доступа и соответствующие меры контроля за автоматизированной деятельностью.

Этот подход согласуется с AI Risk Management Framework Национального института стандартов и технологий, который подчёркивает постоянный мониторинг систем ИИ, чётко определённые обязанности и процессы человеческого контроля и вмешательства.

Для нас управление не направлено на замедление использования ИИ. Оно заключается в том, чтобы обеспечить уверенное и ответственное применение ИИ в реальной рабочей среде.

Роль инженера по ИТ меняется

По мере автоматизации всё большего числа рутинных задач роль инженера также меняется.

Технические знания остаются необходимыми, но растёт ценность умения интерпретировать информацию, понимать зависимости и расследовать проблемы, не имеющие очевидного решения.

Инженерам также необходимо разбираться в используемых инструментах. Если система с поддержкой ИИ рекомендует действие, ответственный должен обладать достаточными знаниями среды, чтобы оценить целесообразность рекомендации.

Поэтому обучение становится важной частью внедрения ИИ.

Нашим командам необходимо понимать, что может технология, где её ограничения и когда требуется другая эскалация или расследование.

NIST аналогично рекомендует чётко определять обязанности людей, эксплуатирующих и контролирующих системы ИИ, наряду с соответствующими стандартами обучения и квалификации.

What We Have Learned So Far

Наш опыт до сих пор показал, что некоторые из самых полезных применений ИИ в ИТ‑операциях являются относительно практичными.

Сокращение шума мониторинга на 75 % означает, что инженеры тратят меньше времени на разбор ненужных оповещений. Перевод соответствия патчей с уровня ниже 50 % до 95‑го процентиля укрепил согласованность управления конечными точками. Автоматизация более чем на 10,000 конечных точек помогает нам управлять средой, которая в противном случае потребовала бы значительного объёма повторяющихся ручных действий.

В то же время более сложные части ИТ‑операций всё ещё сильно зависят от людей.

Технология может выявлять необычные шаблоны или автоматизировать известное решение. Опытный инженер понимает более широкую среду, связанные зависимости и потенциальное влияние принимаемого решения.

Этот баланс становится всё более важным по мере того, как ИИ входит в повседневные ИТ‑операции.

Для меня ценность ИИ весьма практична. Он помогает нам управлять масштабом, обеспечивает нашим командам лучшую видимость и устраняет часть повторяющихся задач, отнимающих время от более важных вопросов.

Технологии становятся более мощными, но опыт людей, управляющих средой, остаётся столь же важным.