Trí tuệ nhân tạo cho CNTT? Không có tính khả dụng đầu tiên

Ngày nay, trí tuệ nhân tạo không còn bị giới hạn trong các phòng thí nghiệm nghiên cứu và phát triển hoặc phòng thí nghiệm thực nghiệm. Nó đang xuất hiện trên toàn bộ ngăn xếp CNTT của doanh nghiệp, tự động hóa các bàn trợ giúp, phát hiện các bất thường trong lưu lượng mạng và tối ưu hóa hiệu suất ứng dụng. Theo McKinsey, 72% các công ty hiện đang sử dụng trí tuệ nhân tạo trong ít nhất một chức năng, nhưng hầu hết vẫn phụ thuộc vào danh mục tài sản lỗi thời, không đầy đủ. Sự áp dụng nhanh chóng này phản ánh cả tiềm năng của trí tuệ nhân tạo và áp lực mà các nhà lãnh đạo CNTT phải đối mặt để hiện đại hóa nhanh chóng.

Nhưng trong cuộc đua để nhúng trí tuệ nhân tạo vào cơ sở hạ tầng, có một khiếm khuyết cơ bản thường bị bỏ qua: tính khả dụng. Cụ thể, sự thiếu hụt của nó.

Trước khi trí tuệ nhân tạo có thể真正 hữu ích trong các hoạt động CNTT, cho dù đó là xác định một mối đe dọa bảo mật hay tự động hóa tài nguyên, nó cần có một sự hiểu biết đáng tin cậy về những gì nó đang làm việc. Và quá thường, dữ liệu mà trí tuệ nhân tạo phụ thuộc vào được xây dựng trên cơ sở danh mục tài sản không đầy đủ, không chính xác hoặc lỗi thời. Đó giống như cố gắng lập trình một chiếc xe tự lái mà không có hệ thống định vị toàn cầu hoạt động. Động cơ có thể mạnh mẽ, nhưng nó không biết nó ở đâu hoặc những gì trên đường.

Đây là điểm nghẽn tiếp theo trong trí tuệ nhân tạo doanh nghiệp.

Tại sao tính khả dụng của trí tuệ nhân tạo phụ thuộc vào dữ liệu tài sản chính xác

Trí tuệ nhân tạo phát triển mạnh trên dữ liệu, nhưng không phải bất kỳ dữ liệu nào. Nó cần dữ liệu kịp thời, có cấu trúc và đáng tin cậy phản ánh các điều kiện hiện tại. Trong một ngữ cảnh CNTT, điều đó bắt đầu từ việc hiểu những gì trong môi trường: thiết bị, điểm cuối, khối lượng công việc, người dùng, thể hiện đám mây, công nghệ thông tin bóng tối và nhiều hơn nữa.

Vấn đề là, hầu hết các tổ chức đang bay trong bóng tối. Các công cụ quản lý tài sản từ một thập kỷ trước không được thiết kế cho các môi trường động, lai tạp ngày nay. Và các giải pháp mới thường phụ thuộc vào các API hoặc tích hợp không đủ sâu. Kết quả là một danh mục tài sản chỉ là một phần tại nhất, và thậm chí còn gây hiểu lầm.

Khi các mô hình trí tuệ nhân tạo được đào tạo hoặc triển khai trong loại điểm mù này, các hậu quả sẽ nhanh chóng tăng lên:

• Các công cụ bảo mật bỏ qua các thiết bị dễ bị tấn công vì chúng không được lập danh mục từ đầu.
• Các thông tin về hiệu suất bị sai lệch bởi các máy ảo hoặc điểm cuối không được quản lý.
• Các kịch bản tự động hóa thất bại khi chúng cố gắng thực hiện trên các tài nguyên không còn tồn tại – hoặc tồn tại ở dạng trùng lặp.

Tóm lại, dữ liệu được cho là sẽ đưa ra các quyết định thông minh hơn lại giới thiệu nhiều sự không chắc chắn. Trí tuệ nhân tạo không thể tạo ra giá trị nếu nó đang hoạt động trên một bản đồ môi trường bị phân mảnh.

Thử thách về tính khả dụng trong một thế giới phân tán, phi tập trung

Thử thách về tính khả dụng không chỉ là kết quả của sự bỏ bê. Đó là một sản phẩm của cách CNTT đã phát triển. Ngày nay, các môi trường bao gồm máy vật lý, khối lượng công việc ảo hóa, nhiều nền tảng đám mây, ứng dụng SaaS, điểm cuối từ xa, thiết bị biên và các container. Một số tài sản có thể được tạo và biến mất trong vài phút. Những tài sản khác tồn tại trong các góc khó tiếp cận của cơ sở hạ tầng cũ. Trách nhiệm đối với chúng có thể được chia sẻ giữa các nhóm nội bộ, nhà thầu và nhà cung cấp bên thứ ba.

Vấn đề trở nên phức tạp hơn khi các doanh nghiệp đang di chuyển nhanh. Các vụ mua lại, công cụ mới và quyết định CNTT của các bộ phận đều góp phần tạo ra một phong cảnh đang thay đổi từng ngày.

Cố gắng khâu lại tính khả dụng trên tất cả những điều đó là một thách thức. Nhiều công ty đã sử dụng các bảng tính, cơ sở dữ liệu quản lý cấu hình (CMDB) cũ hoặc các công cụ khám phá của nhà cung cấp không giao tiếp với nhau. Kết quả? Hàng nghìn tài sản không xác định, không được quản lý hoặc mồ côi, mỗi tài sản đều có thể là một điểm thất bại.

Và đó chỉ là vấn đề về hàng tồn kho. Còn có vấn đề về ngữ cảnh. Không đủ để biết một thiết bị tồn tại; bạn cần biết nó làm gì, ai sử dụng nó, cách nó kết nối với các tài sản khác và liệu nó có hoạt động tốt. Nếu không, trí tuệ nhân tạo sẽ trở thành một công cụ thô – phát hiện các bất thường nhưng không biết những gì là bình thường, phát hiện các thay đổi nhưng không biết liệu chúng có quan trọng.

Làm cho cơ sở hạ tầng sẵn sàng cho trí tuệ nhân tạo

Nếu trí tuệ nhân tạo phải thực hiện lời hứa của nó trong CNTT, cho dù đó là khả năng quan sát, tự động hóa hay an ninh mạng, các doanh nghiệp cần bắt đầu bằng cách tập trung vào tính khả dụng. Điều đó có nghĩa là làm cho thông tin tài sản trở thành cơ bản, không phải là tùy chọn. Dưới đây là những gì nó yêu cầu:

Xử lý việc khám phá tài sản như một quá trình liên tục: Các công cụ khám phá truyền thống hoạt động trên các lần quét theo lịch trình. Điều đó không đủ nữa. Các môi trường đang thay đổi. Các tài sản có thể được tạo ra bởi các nhà phát triển, di chuyển giữa các nhà cung cấp đám mây hoặc thay đổi địa chỉ IP mà không có thông báo. Khám phá thời gian thực hoặc gần thời gian thực nên là tiêu chuẩn cơ bản.

Kết hợp các nguồn dữ liệu để loại bỏ các điểm mù: Sự phụ thuộc vào một nguồn cấp dữ liệu duy nhất, như một đại lý hoặc một API đám mây, sẽ không cung cấp một hình ảnh đầy đủ. Tính khả dụng phải kết hợp nhiều phương pháp: lắng nghe thụ động, tích hợp API, phân tích nhật ký, telemetry điểm cuối và lưu lượng mạng. Mỗi phương pháp cung cấp một mảnh ghép khác nhau.

Xây dựng ngữ cảnh, không chỉ là số lượng: Khám phá là bước đầu tiên, nhưng việc làm giàu là nơi bắt đầu thực sự hiểu biết. Điều đó có nghĩa là ánh xạ các tài sản đến các chức năng kinh doanh của chúng, chủ sở hữu, phụ thuộc và giai đoạn vòng đời. Trí tuệ nhân tạo cần ngữ cảnh để phân biệt giữa một máy chủ sản xuất quan trọng và một máy ảo thử nghiệm.

Loại bỏ các tài sản mồ côi và không được quản lý: Không phổ biến khi tìm thấy các môi trường có hàng trăm hoặc hàng nghìn tài sản mà không có đội nào tuyên bố trách nhiệm. Những tài sản này tạo ra cả rủi ro hoạt động và rủi ro bảo mật. Đưa chúng dưới sự quản lý, hoặc loại bỏ chúng hoàn toàn, nên là ưu tiên hàng đầu.

Xử lý tính khả dụng như một công cụ chiến lược: Thông tin tài sản không chỉ là về vệ sinh CNTT. Đó là nền tảng cho gần như mọi thứ khác: tự động hóa thông minh hơn, phát hiện mối đe dọa tốt hơn, chi tiêu hiệu quả hơn và có, trí tuệ nhân tạo đáng tin cậy. Nếu không, mọi hiểu biết sau này sẽ bị suy yếu.

Điểm mù mà bạn không thể bỏ qua

Trí tuệ nhân tạo trong CNTT không phải là ma thuật. Đó là nhận dạng mẫu, tự động hóa và lý luận được xây dựng trên dữ liệu. Nhưng khi dữ liệu đó bị suy yếu tại nguồn bởi tính khả dụng kém, hàng tồn kho bị hỏng hoặc tài sản không có ngữ cảnh, trí tuệ nhân tạo chỉ trở thành một lớp suy đoán khác.

Chúng ta không để cho các phi công bay mà không có công cụ. Tuy nhiên, đó là những gì nhiều tổ chức đang yêu cầu các hệ thống trí tuệ nhân tạo của họ ngày nay, mong đợi đầu ra thông minh từ một cơ sở hạ tầng vô hình. Tương lai của CNTT chắc chắn sẽ tự động hóa hơn, dự đoán hơn và được hỗ trợ bởi trí tuệ nhân tạo. Nhưng tương lai đó chỉ có thể nếu chúng ta bắt đầu bằng cách chiếu sáng phong cảnh mà chúng ta yêu cầu trí tuệ nhân tạo điều hướng. Trước khi chúng ta có thể tự động hóa, chúng ta phải nhìn thấy. Trước khi chúng ta dự đoán, chúng ta phải hiểu. Và trước khi chúng ta tin tưởng trí tuệ nhân tạo để quản lý cơ sở hạ tầng của chúng ta, chúng ta phải làm cho cơ sở hạ tầng đó trở nên rõ ràng.

Bất cứ điều gì khác chỉ là bay trong bóng tối.