Otomasyonun Ötesinde: Yapay Zeka BT Operasyonlarını Nasıl Değiştiriyor

İzlemede Gürültüyü Azaltma

Önemli bir iyileşme gördüğümüz alanlardan biri izlemektir.

Büyük teknoloji ortamları önemli sayıda uyarı üretir ve bunların hepsi aynı düzeyde dikkat gerektirmez. Yinelenen uyarılar, geçici anormallikler ve düşük öncelikli olaylar gereksiz gürültü oluşturabilir, bu da ekiplerin gerçek operasyonel etkiye sahip olabilecek sorunları belirlemesini zorlaştırır.

Monitoring ortamımıza Yapay zekâ destekli anomali tespiti ve gürültü azaltma dahil ederek, izleme gürültüsünde %75 azalma sağladık.

Ekip için bu, gereksiz uyarılarla uğraşmak için daha az zaman ve dikkat gerektiren sorunları araştırmak için daha fazla zaman demektir. Ayrıca, olağandışı desenleri daha erken tespit etmemize yardımcı olur ve mühendislerin bir olayı araştırmaya başladıklarında daha iyi bilgi sahibi olmalarını sağlar.

Bu, yapay zekânın özellikle faydalı olduğu bir alandır çünkü büyük miktarda bilgiyi hızlıca işleyebilir. Ancak bir anormallik tespit edildikten sonra, nedenini ve olası etkisini anlamak hâlâ ortamı bilen birini gerektirebilir.

Rutin BT Operasyonlarını İyileştirme

Ayrıca, yapay zekâ destekli Uzaktan İzleme ve Yönetim platformu aracılığıyla rutin uç nokta aktivitelerini otomasyonla yönetiyoruz.

Bu, yama orkestrasyonu, sağlık kontrolleri, betik tabanlı iyileştirme ve uzaktan sorun giderme gibi alanları kapsar.

Daha önce, yama uyumluluğu rutin olarak %50’nin altındaydı, büyük ölçüde manuel iş yükü ve ortamın ölçeği nedeniyle. Yapay zekâ destekli RMM çerçevesiyle uyumluluk artık %95’lik dilime ulaşmaktadır.

Bu iyileşme, uç nokta istikrarını güçlendirmemize ve bilinen güvenlik açıklarına maruz kalmayı azaltmamıza yardımcı oldu; aynı zamanda mühendislerin manuel olarak yönetmesi gereken tekrarlayan işi de azalttı.

Otomasyonun mantıklı olduğu iyi bir örnektir. Süreç öngörülebilir; tutarlı bir şekilde gerçekleşmesi gerekir ve binlerce uç nokta üzerinde çalışmalıdır.

Teknoloji bu aktivitenin büyük bir kısmını arka planda yönetebilir, ekip ise istisnalara, yükseltmelere ve daha derin araştırma gerektiren sorunlara odaklanır.

İnsanların Hâlâ Fark Yarattığı Yer

Her BT sorunu öngörülebilir bir modele uymaz.

Ekiplerimiz farklı altyapı ortamları, ağlar, sistemler ve müşteri gereksinimleri arasında çalışır. İlk bakışta basit görünen bir sorun bazen birkaç bağımlılık içerebilir veya farklı ekipler arasında koordinasyon gerektirebilir.

Yapay zekâ anormallikleri tespit etmeye, bilgileri analiz etmeye ve olası nedenleri ortaya çıkarmaya yardımcı olabilir, ancak ekip hâlâ daha geniş bir ortamda neler olduğunu anlamalıdır.

Bu, bir sorun birden fazla sistemi etkilediğinde veya teknik olarak bariz çözümün başka yerlerde sonuçları olabileceğinde özellikle önem kazanır.

Deneyimin önemli olduğu noktadır.

Ortamı anlayan bir mühendis, tek bir uyarının ötesine bakabilir ve neyin değiştiğini, hangi sistemlerin bağlı olduğunu, benzer sorunların daha önce yaşanıp yaşanmadığını ve belirli bir eylemin daha geniş operasyon üzerindeki etkisini değerlendirebilir.

Bizim için yapay zekâ, mühendise çalışması için daha iyi bilgi sağladığında en iyi şekilde çalışır; onları süreçten tamamen çıkarmaya çalışmaktan ziyade.

Yüksek Talep Gerektiren Ortamı Destekleme

Ortamın ölçeği, kapasiteyi artırmanın yollarını bulmamız gerektiği anlamına gelir; sadece manuel iş miktarını artırmadan.

Otomasyon bu konuda yardımcı oldu.

Rutin uç nokta aktiviteleri arka planda tutarlı bir şekilde gerçekleşebilir. İzleme araçları mühendisler ulaşmadan önce sinyalleri filtreleyip birleştirebilir. Tahmin yetenekleri potansiyel sorunları daha erken tespit etmeye yardımcı olabilir, otomatik iyileştirme ise bilinen sorunları birinin manuel müdahalesini beklemeden çözebilir.

Bu, ekibe hizmet sürekliliği, yükseltmeler ve daha karmaşık teknik sorunlara odaklanmak için daha fazla kapasite sağlar.

Bu aynı zamanda BT Operasyonlarında verimlilik konusundaki düşünce biçimimizi değiştirir. Fayda sadece bir görevin daha hızlı tamamlanması değildir; mühendislerin deneyimlerinin daha büyük etki yaratabileceği işlere daha fazla zaman ayırabilmesidir.

Yönetişim Hâlâ Önemlidir

Yapay zekâ ve otomasyon daha yetkin hale geldikçe, yönetişim giderek daha önemli olur.

Hangi aktivitelerin otomatikleştirilebileceği, bir mühendisin ne zaman müdahale etmesi gerektiği ve otomatik bir sürecin beklenildiği gibi çalışmaması durumunda kimin sorumlu olduğu konusunda netlik olmalıdır.

Bu, özellikle büyük teknoloji ortamlarında önemlidir. Binlerce uç nokta üzerinde uygulanan otomatik bir eylem, tek bir makinede gerçekleştirilen bir eyleme göre çok daha geniş bir etki yaratabilir.

Bu nedenle, hâlâ net yükseltme yollarına, tanımlı erişim seviyelerine ve otomatik etkinlik etrafında uygun kontroller.

Bu yaklaşım, National Institute of Standards and Technology’s AI Risk Management Framework ile tutarlıdır, bu çerçeve sürekli AI sistemlerinin izlenmesi vurgular, insan denetimi ve müdahalesi için açıkça tanımlanmış sorumluluklar ve süreçler sağlar.

Bizim için yönetişim, AI kullanımını yavaşlatmakla ilgili değildir. AI’ı canlı bir operasyon ortamında güvenle ve sorumlu bir şekilde kullanabildiğimizden emin olmaktır.

BT Mühendisinin Rolü Evrimleşiyor

Daha fazla rutin görev otomatikleştikçe, mühendisin rolü de değişiyor.

Teknik bilgi hâlâ vazgeçilmezdir, ancak bilgiyi yorumlayabilme, bağımlılıkları anlayabilme ve açık bir cevabı olmayan sorunları araştırabilme yeteneği giderek daha değerli hâle gelmektedir.

Mühendislerin ayrıca üzerinde çalıştıkları araçları anlamaları gerekir. AI destekli bir sistem bir eylem önerdiğinde, sorumlu kişi, ortam hakkında yeterli bilgiye sahip olmalı ve bu önerinin mantıklı olup olmadığını değerlendirebilmelidir.

Bu, eğitimi AI benimsemesinin önemli bir parçası haline getirir.

Takımlarımız, teknolojinin neler yapabileceğini, sınırlılıklarının nerede olduğunu ve bir şeyin ne zaman yükseltilmesi veya farklı şekilde incelenmesi gerektiğini anlamalıdır.

NIST de, AI sistemlerini işleten ve denetleyen kişilerin sorumluluklarını açıkça tanımlamayı, uygun eğitim ve yeterlilik standartları.

Şimdiye Kadar Öğrendiklerimiz

Şimdiye kadar edindiğimiz deneyim, AI’nın BT operasyonlarındaki en faydalı uygulamalarından bazılarının oldukça pratik olduğunu göstermiştir.

Bu izleme gürültüsünde %75 azalma mühendislerin gereksiz uyarılarla uğraşmak için daha az zaman harcamasını sağlar. Yama uyumluluğunu yüzde 50’den yüzde 95 persentile taşıma, uç nokta yönetiminin tutarlılığını artırdı. 10.000’den fazla uç nokta üzerinde otomasyon, aksi takdirde büyük miktarda tekrarlayan manuel aktivite gerektirecek bir ortamı yönetmemize yardımcı oluyor.

Aynı zamanda, BT operasyonlarının daha karmaşık bölümleri hâlâ büyük ölçüde insanlara dayanıyor.

Teknoloji, olağandışı bir deseni tespit edebilir veya bilinen bir düzeltmeyi otomatikleştirebilir. Deneyimli bir mühendis, daha geniş ortamı, ilgili bağımlılıkları ve verilen kararın potansiyel etkisini anlar.

AI günlük BT operasyonlarının bir parçası haline geldikçe, bu denge giderek daha önemli oluyor.

Benim için AI’nın değeri oldukça pratiktir. Ölçeği yönetmemize yardımcı olur, ekiplerimize daha iyi bir görünürlük sağlar ve daha önemli konulardan zaman alabilecek tekrarlayan bazı işleri ortadan kaldırır.

Teknoloji daha yetenekli hâle geliyor, ancak ortamı yöneten kişilerin deneyimi aynı derecede önemini koruyor.