La metodologia AIOps, frutto dell’integrazione tra AI e DevOps, è uscita dalla fase di test per diventare via via sempre più importante in tutti gli ambiti di business. Alcuni esempi possono aiutare a comprendere i benefici che conseguono da una sua implementazione in azienda.
Il mercato: la Gartner Market Guide per l’AIOps
Guardando i dati del mercato ITOM, IT Operations monitoring, si nota che l’approccio AIOps continua a crescere. Rilevando un tasso di crescita annuale composto di circa il 15% nel quinquennio 2020-2025, Gartner stima la dimensione del mercato 2020 tra 0,9 e 1,5 B$ (fonte: Market Guide for AIOps Platforms, aprile 2021) e quindi quella del 2021 tra 1 e 1,7 B$.
La necessità di gestire i dipendenti in remoto ha richiesto risorse impreviste. Contemporaneamente, però, la tecnologia ha innescato una competizione tumultuosa, difficile da seguire con sole tecniche tradizionali, ma gestita con successo grazie all’impiego di tecniche AI.
Dopo una prima fase di validazione, oggi il paradigma AIOps sembra sul punto di passare da una differenziazione competitiva ad una necessità assoluta.
Grandi quantità di dati puliti e rivolti adun’estrazione di valore in maniera automatica sono sempre più determinanti. Secondo la Gartner Market Guide del 2021 per le piattaforme AIOps, non c’è futuro delle operazioni IT che non includa AIOps. Secondo il rapporto, ciò è dovuto al ritmo del cambiamento, che non può aspettare che gli esseri umani ottengano informazioni dettagliate. Gartner evince queste conclusioni valutando il tasso di consegna delle applicazioni ed i modelli di business basati sugli eventi.
AIOps: observe, engage, act
AIOps comprende tre elementi:
- l’osservazione delle prestazioni (observe),
- l’interazione con il personale IT (engage),
- l’azione attraverso l’automazione e la riparazione (act).
In particolare, l’automazione dei compiti richiede una regolarità nell’acquisizione dei dati, ma anche nel test del software, che compone l’intera fase di azione (Act, in verde nell’immagine) ma anche altre componenti nel ciclo di attività ITOM.
IBM Cloud Pak for Watson AIOps
IBM offre oggi svariati tipi di Cloud Pak for Automation, le cui funzionalità di automazione ITOps sono automatizzate in una toolchain integrata e basata sull’AI. Al momento in cui scriviamo questo articolo, sono sei: dati, business, integrazione, automazione, sicurezza e ovviamente Watson.
La proposta parte dai classici strumenti di sviluppo open source, aggiungendo però strumenti e servizi che consentono di passare alla produzione senza doversi arrovellare nella scelta o integrare componenti mancanti. Il modello così sviluppato è a disposizione di tutti gli stakeholder, inclusi gli esperti di business (e non di programmazione). La soluzione finale è robusta, sicura e di facile manutenzione e aggiornamento.
In particolare, Cloud Pak for Watson AIOps è specifico per l’integrazione delle funzioni AI nello sviluppo continuo. Ha il vantaggio dei pre-trained models che entrano subito in funzione, senza training specifico.
Un tipico caso è il tempo di risposta agli incidenti, un KPI importantissimo e spesso determinante per il successo di un servizio.
Il caso dell’incident resolution
Il tempo tra scoperta e correzione di un incidente viene spesso indicato come MTTR, mean time to respond. A sua volta è composto dai tempi di interventi successivi (cinque nell’immagine di IBM), dei quali il più lungo è in genere MTTI, mean time to identify.
Grazie all’adozione di Cloud Pak for Watson AIOps, MTTI può passare da giorni a ore, e anche le fasi di acknowledge (MTTA) e discover (MTTD) possono essere fortemente ridotte. I benefici complessivi sono di grande rilevanza.
Conclusioni
Le forti pressioni del mercato richiedono agilità e organizzazione che solo l’intelligenza artificiale può garantire. L’approccio vincente, già oggi centrale nell’architettura software, è il ciclo di sviluppo AIOps. IBM fornisce Cloud Pak for Watson AIOps, una soluzione a ciclo completo per sviluppare soluzioni AI/ML pronte per la produzione.