เกินกว่าการอัตโนมัติ: สิ่งที่ AI กำลังเปลี่ยนแปลงใน IT Operations

ลดความรบกวนในการตรวจสอบ

หนึ่งในพื้นที่ที่เราพบการปรับปรุงอย่างมีนัยสำคัญคือการตรวจสอบ

สภาพแวดล้อมเทคโนโลยีขนาดใหญ่สร้างการแจ้งเตือนจำนวนมาก และไม่ใช่ทุกการแจ้งเตือนต้องการระดับความสนใจเท่าเดิม การแจ้งเตือนซ้ำ ความผิดปกติชั่วคราว และเหตุการณ์ที่มีความสำคัญต่ำสามารถสร้างเสียงรบกวนที่ไม่จำเป็น ทำให้ทีมยากต่อการระบุปัญหาที่อาจมีผลกระทบต่อการดำเนินงานจริง

โดยการรวม การตรวจจับความผิดปกติและการกดเสียงรบกวนโดย AI เข้าไปในสภาพแวดล้อมการตรวจสอบของเรา เราได้ลดเสียงรบกวนในการตรวจสอบลง 75%

สำหรับทีม นั่นหมายถึงใช้เวลาน้อยลงในการจัดการกับการแจ้งเตือนที่ไม่จำเป็นและใช้เวลามากขึ้นในการสืบสวนปัญหาที่ต้องการความสนใจ นอกจากนี้ยังช่วยให้เราระบุรูปแบบที่ผิดปกติได้เร็วขึ้นและให้ข้อมูลที่ดีกว่าแก่วิศวกรเมื่อเริ่มสืบสวนเหตุการณ์

นี่คือพื้นที่ที่ AI มีประโยชน์เป็นพิเศษเพราะสามารถประมวลผลข้อมูลจำนวนมากได้อย่างรวดเร็ว แต่เมื่อมีสิ่งที่ผิดปกติถูกระบุแล้ว การทำความเข้าใจสาเหตุและผลกระทบที่อาจเกิดขึ้นยังคงต้องการผู้ที่รู้จักสภาพแวดล้อมนั้น

การปรับปรุงงาน IT Operations ปกติ

เรายังใช้การอัตโนมัติเพื่อจัดการกิจกรรมปลายจุดประจำวันผ่านแพลตฟอร์ม Remote Monitoring and Management ที่เปิดใช้งาน AI

ซึ่งรวมถึงด้านต่าง ๆ เช่น การจัดการแพตช์, การตรวจสอบสุขภาพ, การแก้ไขโดยสคริปต์, และการแก้ไขปัญหาระยะไกล

ก่อนหน้านี้ การปฏิบัติตามการแพตช์มักต่ำกว่า 50% อย่างมาก เนื่องจากภาระงานที่ต้องทำด้วยมือและขนาดของสภาพแวดล้อม ด้วยกรอบงาน RMM ที่สนับสนุนโดย AI ปัจจุบันการปฏิบัติตามอยู่ที่เปอร์เซ็นไทล์ที่ 95

การปรับปรุงนั้นช่วยให้เราเสริมความเสถียรของปลายจุดและ ลดการเผชิญต่อช่องโหว่ที่รู้จัก พร้อมทั้งลดปริมาณงานซ้ำซึ่งวิศวกรต้องจัดการด้วยตนเอง

นี่เป็นตัวอย่างที่ดีของการที่การอัตโนมัติมีเหตุผล กระบวนการนี้คาดเดาได้; ต้องดำเนินการอย่างสม่ำเสมอและต้องทำงานได้กับปลายจุดหลายพันเครื่อง

เทคโนโลยีสามารถจัดการกิจกรรมส่วนใหญ่เหล่านี้ในพื้นหลัง ในขณะที่ทีมมุ่งเน้นที่ข้อยกเว้น การเร่งระดับ และปัญหาที่ต้องการการสืบสวนเชิงลึก

ที่ที่คนยังคงทำให้เกิดความแตกต่าง

ไม่ใช่ทุกปัญหา IT ที่เป็นไปตามรูปแบบที่คาดเดาได้

ทีมของเราทำงานข้ามสภาพแวดล้อมโครงสร้างพื้นฐาน เครือข่าย ระบบ และความต้องการของลูกค้าที่แตกต่างกัน ปัญหาที่ดูเรียบง่ายในตอนแรกบางครั้งอาจเกี่ยวข้องกับหลายการพึ่งพาหรือจำเป็นต้องประสานงานระหว่างทีมต่าง ๆ

AI สามารถช่วยระบุความผิดปกติ วิเคราะห์ข้อมูลและแสดงสาเหตุที่เป็นไปได้ แต่ทีมยังต้องเข้าใจว่ามีอะไรเกิดขึ้นในสภาพแวดล้อมที่กว้างขึ้น

สิ่งนี้สำคัญเป็นพิเศษเมื่อปัญหามีผลต่อหลายระบบ หรือเมื่อวิธีแก้ที่ดูชัดเจนทางเทคนิคอาจมีผลกระทบในที่อื่น

นี่คือจุดที่ประสบการณ์มีความสำคัญ

วิศวกรที่เข้าใจสภาพแวดล้อมสามารถมองข้ามการแจ้งเตือนแต่ละรายการและพิจารณาว่าอะไรเปลี่ยนแปลงไป ระบบใดเชื่อมต่อกันหรือไม่ มีปัญหาใกล้เคียงเกิดขึ้นก่อนหน้านี้หรือไม่ และการกระทำใด ๆ จะส่งผลต่อการดำเนินงานโดยรวมอย่างไร

สำหรับเรา AI ทำงานได้ดีที่สุดเมื่อมันมอบข้อมูลที่ดีกว่าให้กับวิศวกรนั้นเพื่อใช้ทำงาน แทนที่จะพยายามตัดพวกเขาออกจากกระบวนการทั้งหมด

สนับสนุนสภาพแวดล้อมที่มีความต้องการสูง

ขนาดของสภาพแวดล้อมทำให้เราต้องหาวิธีเพิ่มความจุโดยไม่ต้องเพิ่มภาระงานด้วยมืออย่างง่ายดาย

การอัตโนมัติช่วยในเรื่องนี้

กิจกรรมปลายจุดประจำวันสามารถทำได้อย่างสม่ำเสมอในพื้นหลัง เครื่องมือตรวจสอบสามารถกรองและรวมสัญญาณก่อนที่จะถึงวิศวกร ความสามารถเชิงพยากรณ์สามารถช่วยระบุปัญหาที่อาจเกิดขึ้นได้เร็วขึ้น ในขณะที่การแก้ไขอัตโนมัติสามารถจัดการกับปัญหาที่รู้จักได้โดยไม่ต้องรอให้ใครแทรกแซงด้วยตนเอง

สิ่งนี้ทำให้ทีมมีความจุเพิ่มขึ้นเพื่อมุ่งเน้นที่ความต่อเนื่องของบริการ การเร่งระดับ และปัญหาทางเทคนิคที่ซับซ้อนมากขึ้น

มันยังเปลี่ยนวิธีที่เราคิดเกี่ยวกับประสิทธิภาพการทำงานใน IT Operations ประโยชน์ไม่ได้เพียงแค่งานเสร็จเร็วขึ้น แต่คือวิศวกรมีเวลามากขึ้นสำหรับงานที่ประสบการณ์ของพวกเขาสามารถสร้างผลกระทบที่ใหญ่กว่า

การกำกับดูแลยังคงสำคัญ

เมื่อ AI และการอัตโนมัติมีความสามารถเพิ่มขึ้น การกำกับดูแลก็กลายเป็นสิ่งสำคัญมากขึ้น

ต้องมีความชัดเจนเกี่ยวกับกิจกรรมใดบ้างที่สามารถอัตโนมัติได้, เมื่อใดที่วิศวกรต้องเข้าแทรกแซงและใครเป็นผู้รับผิดชอบเมื่อกระบวนการอัตโนมัติไม่ทำงานตามที่คาดหวัง

นี่เป็นเรื่องสำคัญโดยเฉพาะในสภาพแวดล้อมเทคโนโลยีขนาดใหญ่ การกระทำอัตโนมัติที่ใช้กับปลายจุดหลายพันเครื่องอาจมีผลกระทบที่กว้างกว่าการกระทำที่ทำกับเครื่องเดียว

ด้วยเหตุผลนั้น เรายังคงต้องการเส้นทางการยกระดับที่ชัดเจน ระดับการเข้าถึงที่กำหนดไว้ และ การควบคุมที่เหมาะสมรอบกิจกรรมอัตโนมัติ.

แนวทางนี้สอดคล้องกับ กรอบการจัดการความเสี่ยง AI ของสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ ซึ่งเน้น การตรวจสอบระบบ AI อย่างต่อเนื่อง พร้อมความรับผิดชอบและกระบวนการที่กำหนดชัดเจนสำหรับการดูแลและแทรกแซงของมนุษย์.

สำหรับเรา การกำกับดูแลไม่ได้หมายถึงการชะลอการใช้ AI แต่หมายถึงการทำให้มั่นใจว่าเราสามารถใช้มันได้อย่างมั่นใจและรับผิดชอบในสภาพแวดล้อมการดำเนินงานจริง.

บทบาทของวิศวกรไอทีกำลังเปลี่ยนแปลง

เมื่อกิจกรรมประจำวันมากขึ้นถูกทำอัตโนมัติ บทบาทของวิศวกรก็เปลี่ยนแปลงตามไปด้วย

ความรู้ทางเทคนิคยังคงเป็นสิ่งจำเป็น แต่ความสามารถในการตีความข้อมูล เข้าใจการพึ่งพา และสืบสวนปัญหาที่ไม่มีคำตอบชัดเจนกำลังมีคุณค่ามากขึ้น

วิศวกรต้องเข้าใจเครื่องมือที่ใช้ทำงานด้วย หากระบบที่ใช้ AI แนะนำการกระทำ ผู้รับผิดชอบต้องมีความรู้เพียงพอเกี่ยวกับสภาพแวดล้อมเพื่อพิจารณาว่าคำแนะนำนั้นสมเหตุสมผลหรือไม่

สิ่งนี้ทำให้การฝึกอบรมเป็นส่วนสำคัญของการนำ AI ไปใช้

ทีมของเราต้องเข้าใจว่าเทคโนโลยีทำอะไรได้บ้าง ขีดจำกัดของมันอยู่ที่ไหน และเมื่อใดที่ต้องยกระดับหรือสืบสวนในรูปแบบที่แตกต่าง

NIST ก็แนะนำให้กำหนดความรับผิดชอบของผู้ที่ดำเนินการและดูแลระบบ AI อย่างชัดเจน พร้อมกับ การฝึกอบรมและมาตรฐานความชำนาญที่เหมาะสม

สิ่งที่เราได้เรียนรู้จนถึงตอนนี้

ประสบการณ์ของเราจนถึงตอนนี้แสดงให้เห็นว่าการประยุกต์ใช้ AI ที่เป็นประโยชน์ที่สุดในงานไอทีส่วนใหญ่เป็นการใช้งานที่ค่อนข้างเป็นรูปธรรม

การ ลดเสียงรบกวนจากการตรวจสอบลง 75% หมายความว่าวิศวกรใช้เวลาน้อยลงในการจัดการการแจ้งเตือนที่ไม่จำเป็น การย้ายการปฏิบัติตามแพตช์จากต่ำกว่า 50% ไปสู่เปอร์เซ็นไทล์ที่ 95 ทำให้ความสม่ำเสมอของการจัดการอุปกรณ์ปลายสุดแข็งแรงขึ้น การทำอัตโนมัติบนอุปกรณ์มากกว่า 10,000 เครื่อง ช่วยให้เราจัดการสภาพแวดล้อมที่โดยปกติจะต้องใช้กิจกรรมทำมือซ้ำๆ อย่างมาก

ในขณะเดียวกัน ส่วนที่ซับซ้อนของการดำเนินงานไอทียังคงพึ่งพาคนเป็นหลัก

เทคโนโลยีสามารถระบุรูปแบบที่ผิดปกติหรือทำการแก้ไขที่รู้จักโดยอัตโนมัติ วิศวกรที่มีประสบการณ์เข้าใจสภาพแวดล้อมโดยรวม การพึ่งพาที่เกี่ยวข้อง และผลกระทบที่อาจเกิดจากการตัดสินใจนั้น

ความสมดุลดังกล่าวกำลังมีความสำคัญมากขึ้นเรื่อยๆ เมื่อ AI กลายเป็นส่วนหนึ่งของการดำเนินงานไอทีประจำวัน

สำหรับฉัน มูลค่าของ AI นั้นค่อนข้างเป็นรูปธรรม มันช่วยให้เราจัดการขนาดงานได้ ให้ทีมของเราเห็นภาพรวมที่ดียิ่งขึ้น และกำจัดงานที่ทำซ้ำซึ่งอาจใช้เวลาจากปัญหาที่สำคัญกว่า

เทคโนโลยีกำลังมีความสามารถมากขึ้น แต่ประสบการณ์ของผู้ที่จัดการสภาพแวดล้อมยังคงสำคัญเท่าเดิม