Van teams in IT operations wordt verwacht dat ze zichzelf voortdurend ontwikkelen en verbeteren, en dat ze dit in een hoog tempo doen. Organisaties eisen nu al ononderbroken operaties en zeer lage IT-bedrijfskosten. In 2016 introduceerde Gartner voor het eerst de term AIOps als industriecategorie, verwijzend naar technologie voor machine learning analytics die wordt toegevoegd aan IT-operations voor verbeterde beschikbaarheid, prestaties en efficiëntie. Nu lijkt AIOps alweer te worden gepasseerd door de volgende term: unified observability. Het is niet alleen een nieuwe term, het is een volgende stap in technologie binnen de doelstelling om IT operations te verschuiven van reactieve monitoring naar proactief IT-management.
Dat IT-activiteiten zich snel ontwikkelen, wordt onderstreept door het feit dat 90 procent van de IT-beslissers in alle sectoren van plan is om meer AI en automatisering te implementeren – dit blijkt uit een recent onderzoek van Digitate, leverancier van SaaS-gebaseerde softwareoplossingen voor IT en bedrijfsvoering. En dit willen ze in een rap tempo doen, 90 procent van de geplande initiatieven in AI en automatisering in IT-functies zullen naar verwachting binnen het komende jaar plaatsvinden; 58 procent zelfs binnen de komende zes maanden.
Uitdagingen overwinnen
Hoewel de verwachtingen hooggespannen zijn om snel over te stappen op een meer autonome en AI-gedreven IT operatie, gaat dit meestal niet zonder uitdagingen.
Enerzijds is er het technologische gedeelte. Observability gaat verder dan monitoring en vereist een dieper begrip van hoe verschillende componenten en systemen met elkaar samenwerken. Klanten worstelen vaak met de complexiteit van systemen, vooral hoe ze deze verbanden moeten vastleggen, documenteren en onderhouden in een recordsysteem (vaak in een CMDB). Ze lopen ook tegen problemen aan bij het definiëren van de reikwijdte van observability, het integreren van data uit verschillende bronnen en het garanderen van compatibiliteit met bestaande tools die verschillende dataformats ondersteunen. Een andere veelvoorkomende uitdaging is de hoeveelheid data. Sommige applicaties en platformen genereren dagelijks Gigabytes aan informatie in de vorm van logs, metrics en traces, terwijl we in andere enorme blinde vlekken vinden die speciale aandacht vereisen.
Aan de andere kant is het ook een organisatorische uitdaging. We zien bijvoorbeeld vaak verkeerde verwachtingen, met de veronderstelling dat er meteen een werkend en volledig intelligent en autonoom systeem staat. Dit is helaas niet hoe het in de praktijk werkt. Er is geen tool op de markt die onmiddellijke resultaten levert zonder enige inspanning, daarom is het belangrijk om met de juiste verwachtingen aan dergelijke projecten te beginnen om teleurstelling te voorkomen. Dit is een stapsgewijze reis die gefaseerd moet worden uitgevoerd. Tegelijkertijd is het belangrijk dat de verschillende betrokken teams met elkaar samenwerken in plaats van hun eigen oplossingen in silo’s te blijven implementeren.
De rol van AI in observability
AI brengt observability naar een hoger niveau. AI biedt de mogelijkheid om enorme datasets te analyseren, patronen en afwijkingen te onderscheiden, correlaties te leggen, voorspellingen te doen en zelfs potentiële problemen te voorspellen. AI helpt om data te begrijpen, verborgen afhankelijkheden te identificeren, normaal gedrag vast te leggen, impactanalyses uit te voeren en nog veel meer. In het geval van een systeemstoring of anomalie helpt AI ons ook om de respons te automatiseren, wat een grote impact heeft op de beschikbaarheid en prestaties van het systeem. Samen met automatisering kan AI ook een belangrijke bijdrage leveren aan het afhandelen van serviceverzoeken, waardoor tijd en capaciteit binnen het IT-team vrijkomen om zich te richten op complexere problemen.
De integratie van AI verbetert niet alleen de observability, maar ook de algehele klantervaring door downtime te minimaliseren, optimale prestaties te garanderen en problemen te voorkomen voordat ze de kans krijgen om eindgebruikers te beïnvloeden.
De implementatie
Waarschijnlijk ziet iedereen de mogelijkheden en voordelen van AI wel voor IT-operations, maar de praktijk blijkt meestal weerbarstiger dan de theorie. Dus waar te beginnen en wat te doen om succesvol te zijn bij de overgang naar unified observability en proactief IT-beheer?
Deze transformatie vereist een strategische aanpak die begint met het analyseren van bestaande processen en tools. Organisaties moeten beginnen met het uitvoeren van een audit van de huidige processen, tools en workflows, waarbij eventuele hiaten, knelpunten en inefficiënties worden geïdentificeerd. Het is essentieel om alle relevante stakeholders bij dit proces te betrekken om een holistisch begrip van de IT-omgeving te krijgen, inclusief de sterke en zwakke punten. Bij deze oefening is het IT Ops-team meestal de beste bron van informatie.
Nadat je een duidelijk overzicht hebt van de processen en tools, is de volgende stap om te beginnen met een geleidelijke uitrol van een unified observability-oplossing, waarbij ruimte is voor aanpassingen en finetuning tijdens het proces. Begin met een verticale benadering, waarbij je applicaties verbindt met hun onderliggende infrastructuur, en ga later over naar de horizontale as, waarbij je je meer richt op de bedrijfsprocessen. Zorg er bij het selecteren van de data voor dat je je concentreert op wat waarde toevoegt.
Zodra observability is geïmplementeerd, is het tijd om AI in te schakelen en inzichten te genereren. Hiervoor moet je het platform de tijd geven om voldoende data te verzamelen, want onthoud dat er een bepaald volume nodig is om een uitgangssituatie creëren.
De volgende stap is om automatisering in te zetten. Je doel is om het platform het recht te geven om te beslissen en de eerste reactie uit te voeren, wat het versturen van een eenvoudige melding, het uitvoeren van een complexe hoofdoorzaakanalyse of het uitvoeren van zelfherstellende acties kan zijn.
Unified observability is niet iets wat van de ene op de andere dag gebeurt. Hiervoor is een gezamenlijke inspanning cruciaal, waarbij teams betrokken zijn die verantwoordelijk zijn voor IT-management, platformbeheer, tooling en security.
Wat komt er na unified observability?
Unified observability zal niet de laatste halte zijn voor IT-operations, maar eerder een tussenstop naar een autonome onderneming. We willen een stadium bereiken waarin IT-systemen niet alleen autonoom problemen detecteren en erop reageren, maar ook voortdurend leren en zichzelf aanpassen aan de situatie of context. De synergie van AI en observability zal leiden tot zelfherstellende systemen, voorspellende analyses die geavanceerder worden en een volledige verschuiving van reactief naar proactief IT-management. Hiermee kunnen organisaties anticiperen op een meer veerkrachtige en flexibele IT-infrastructuur die is afgestemd op de bedrijfsdoelstellingen.
Maar voordat we zover zijn, is het belangrijk om observability, AI en automatisering echt te omarmen. Hiervoor moeten organisaties verschillende uitdagingen het hoofd bieden, de kracht van AI benutten en strategieën implementeren die overeenkomen met hun unieke IT-omgevingen. Dit zal uiteindelijk leiden tot verbeterde efficiëntie, verbeterde klantervaringen en toekomstbestendige IT-operations.
Dit is een ingezonden bijdrage van Digitate. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.
15 uur geleden
Expert bijdrage
