Comment l'AIOps et l'observabilité peuvent aider l'informatique

L'observabilité AIOps aide le service informatique à réduire les temps d'arrêt, à améliorer les performances des applications et à satisfaire les clients.

En 2016, Gartner a inventé l'acronyme AIOps (ArtificialIntelligence for IT Operations), mais des années auparavant, les professionnels de l'informatique entendaient déjà parler et expérimentaient des éléments de l'informatique autonome. Cette technologie d'automatisation a permis aux mainframes et aux serveurs de prendre des décisions et des ajustements automatiques et adaptatifs afin qu'ils puissent répondre aux capteurs intégrés tout au long de leurs opérations qui les informaient sur les performances.

Présentation de l'observabilité AIOps

Qu'il s'agisse d'AIOps ou d'informatique autonome, l'objectif a toujours été d'aider l'informatique à surveiller et à ajuster les performances afin qu'elle puisse tirer le meilleur parti des actifs informatisés et fournir une technologie optimisée à l'entreprise. L'informatique est optimiste sur AIOps, comme en témoigne le taux de croissance annuel composé de 21,05 % prévu pour les solutions AIOps d'ici 2026.

Alors, qu'est-ce qui fait d'AIOps une proposition de valeur si convaincante ?

Pour les programmeurs système, les administrateurs réseau et les développeurs de logiciels surchargés de travail, l'AIOps peut faire ressortir les problèmes les plus urgents à partir d'une pile de foin d'alertes quotidiennes et de problèmes de performances potentiels qui peuvent ou non nécessiter une attention et une résolution immédiates. Ces alertes viennent de partout, grâce au nombre de systèmes cloisonnés que les services informatiques des entreprises doivent gérer. Il y a des moments où ces modifications créent plus de bruit gênant que d'aide.

Là où l'AIOps aide à réduire cette cacophonie d'alertes aux conditions critiques qui sont vraiment pertinentes pour un incident ou une panne. Il le fait parce qu'il utilise l'intelligence artificielle et l'apprentissage automatique pour suivre les éléments et la dynamique de l'infrastructure informatique d'une organisation et apprendre ce qui est normal et ce qui présente un problème. Doté de ces connaissances, l'AIOps identifie et émet des alertes comme le faisaient les approches système précédentes. Cependant, ce qui rend l'AIops d'aujourd'hui unique, c'est que l'IA incluse dans la surveillance opérationnelle place désormais l'AIOps dans le domaine de l'observabilité de l'infrastructure.

L'observabilité fait la différence pour l'informatique, car elle est capable de combiner les informations contextuelles recueillies à partir de l'infrastructure informatique avec l'intelligence artificielle et l'automatisation au lieu de simplement émettre des alertes autonomes à partir de composants système individuels que l'informatique doit évaluer et dépanner séparément. Avec une approche plus holistique de l'évaluation de l'infrastructure informatique qui inclut la connaissance de l'infrastructure ainsi que la détection des problèmes, l'observabilité AIOps utilise des métriques, des journaux et des traces informatiques et émet des recommandations de diagnostic pour les correctifs que le service informatique peut utiliser pour accélérer le délai de résolution des problèmes.

Comprendre l'observabilité

En pratique, une plate-forme d'observabilité AIOps peut intégrer les différents systèmes, données et réseaux traversés par une application. Dans un environnement informatique hybride, cela peut signifier traverser des workflows d'application qui passent par un cloud ainsi que des ressources sur site. L'une ou l'ensemble de ces ressources peut émettre une alerte si les performances se dégradent. Sans observabilité de l'AIOps, le service informatique peut se retrouver à évaluer de nombreuses alertes entrantes provenant de nombreux modules et éléments du système, sans moyen efficace de séparer le « bruit » de l'alerte de la cause première d'un problème. Cette chasse à l'oie allonge les temps d'arrêt du système et les problèmes de performances. Cela crée des utilisateurs et des clients mécontents et peut coûter à une entreprise en moyenne 5 600 $ par minute.

Comment l'observabilité AIops résout les problèmes de temps d'arrêt et de performances

Par exemple, si le logiciel AIOps comprend la dynamique et le contexte opérationnel de votre infrastructure informatique, il peut détecter rapidement une activité anormale d'une succursale de service sur le terrain sur la côte Est qui est généralement fermée le week-end, mais enregistre soudainement une augmentation de l'activité le samedi.

L'AIOps peut détecter si un serveur ou un routeur de votre réseau est à pleine capacité, et si cette utilisation excessive de la capacité est normale pour une situation particulière, comme l'heure de traitement la plus chargée de la journée ou un pic d'inactivité dû à une promotion de commerce électronique. .

Dans le domaine des tests d'applications, où plusieurs systèmes virtuels sont lancés pour le test mais peuvent être oubliés une fois le travail terminé, l'observabilité peut identifier ces actifs inactifs afin qu'ils puissent être désalloués.

Dans un environnement cloud hybride sur site, l'observabilité AIOps peut informer un développeur d'applications en temps réel s'il y a un blocage quelque part dans le flux de travail d'application de bout en bout qui ralentit les performances.

Le résultat est que l'informatique fonctionne mieux, que les applications sont livrées plus tôt à l'entreprise et que les temps d'arrêt sont réduits.

L'état de l'observabilité

Cela dit, l'observabilité AIOps en est encore aux premiers stades de déploiement dans de nombreuses organisations.

L'un des défis est que tous les départements informatiques ne comprennent pas exactement ce que signifie l'observabilité - un mot quelque peu nébuleux. Si, au lieu de cela, l'observabilité était comprise comme une "observation informée" facilitée par l'IA et l'apprentissage automatique, l'adoption de la technologie pourrait être plus rapide et sa valeur libérée.

Ayant été DSI pendant plus de 20 ans, je sais deux choses :

Tout d'abord, les DSI et le service informatique détestent les temps d'arrêt, se lancer à la chasse aux oies sauvages et devoir calmer les émotions des utilisateurs, des clients et de la direction pendant que le service informatique découvre ce qui n'a pas fonctionné dans une application complexe qui touche de nombreux systèmes.

Deuxièmement, si nous pouvions mettre un terme à ces réunions marathon "war room" qui continuent de se produire en 2021 comme elles l'ont fait en 1981, les accusations seraient moins nombreuses et le moral du personnel serait plus élevé. L'observabilité AIOps permettrait de mieux équiper toutes les personnes impliquées, du DBA au développeur d'applications en passant par le programmeur système, avec une version unique et exploitable de la vérité.