In questo secondo approfondimento dedicato all’evoluzione delle operazioni IT, affrontiamo il tema sull’uso dell’AI per migliorare il monitoraggio e la gestione delle IT operations e come essa sfrutta le tecniche di machine learning (ML) e data science per raccogliere e analizzare le grandi quantità di dati provenienti dai sistemi IT dell’azienda. I vantaggi di questa soluzione si possono sintetizzare in tre punti:
- Monitoraggio proattivo: L’AI monitora in tempo reale le performance dei sistemi IT ed è in grado di identificare possibili problemi prima che diventino criticità.
- Risoluzione dei problemi: L’AI è in grado di eseguire delle analisi e risolvere alcuni problemi senza nessun intervento dell’operatore.
- Analisi predittiva: Attraverso l’uso di algoritmi predittivi si possono anticipare problemi o malfunzionamenti, sia hardware sia software, riducendo i tempi di fermo per guasto.
Gestione problemi e supporto
Scendendo più nel dettaglio, il successo dell’AIOps è legato alla sua capacità di automatizzare molti processi. Per esempio nella gestione dei problemi e del supporto. L’AI analizza in tempo reale i dati provenienti da sistemi di monitoraggio (log di sistema, metriche di performance, eventi di rete) per rilevare eventuali anomalie che potrebbero indicare un incidente o un problema in corso. Attraverso il machine learning, gli algoritmi AI apprendono dai dati storici del sistema e dai comportamenti normali del software. Quando c’è uno scostamento dalla normalità, l’AI identifica l’anomalia e segnala il potenziale incidente. Specialmente in una grande infrastruttura IT un singolo problema può crearne una cascata: l’Intelligenza artificiale è in grado di risalire alla radice e velocizzarne la risoluzione. L’AI è anche in grado di individuare la criticità del problema e assegnargli la corretta priorità per la soluzione e, se è il caso, aprire in modo automatico i ticket di supporto. Una organizzazione, inoltre, può sfruttare chatbot e assistenti virtuali per supportare i team IT rispondendo a domande semplici e ripetute, e assistere nella risoluzione dei problemi. Utilizzando soluzione basate su AI è dunque possibile automatizzare la gestione dei ticket di support, dare la giusta priorità ai problemi critici basandosi sull’impatto e sulla gravità, e fornire raccomandazione su come risolvere i problemi. Tutte le operazioni di routine possono essere automatizzate attraverso l’intelligenza artificiale, quindi i team IT non devono preoccuparsi più di tanto del provisioning di risorse, della gestione delle patch e dell’applicazione di aggiornamenti di sicurezza, e possono concentrarsi su attività più strategiche. Per esempio, in una realtà con migliaia di dipendenti il team di supporto IT riceve in continuo richieste di intervento, la maggior parte però riguarda problemi comuni (il reset delle password o il riavvio di server). Un sistema AI basato su Natural Language Processing (NLP) può analizzare le richieste e capirne automaticamente il contenuto, risolvere in autonomia quelle più semplici, aprire ticket per quelle più complesse, assegnandole al team corretto e classificandole in base alla gravità, accelerando così la risoluzione dei problemi.
Gestione delle risorse
L’Ai in ambito AIOps è utilizzata anche per migliorare il Capacity Planning e la gestione delle performance. Queste due aree sono fondamentali per garantire un utilizzo ottimale delle risorse (CPU, memoria, storage e rete), prevenendo sovraccarichi o sprechi, e mantenendo alto il livello di prestazioni. L’AI essendo in grado di analizzare enormi quantità di dati, può fare delle previsioni precise e ottimizzare in modo automatico l’allocazione delle risorse in tempo reale. In un’infrastruttura cloud, per esempio, l’AI può monitorare l’uso di CPU, memoria e altre risorse per ciascun workload. Se un’applicazione dovesse richiedere più risorse a causa di un aumento del carico di lavoro, l’AI può ridistribuire in modo automatico risorse da server sottoutilizzati, senza dover attendere l’intervento manuale. In questo modo si massimizza l’efficienza operativa, evitando sprechi di risorse e garantendo che le applicazioni critiche abbiano sempre le risorse necessarie.
Cybersecurity
L’AIOps trova una delle sue massime applicazioni nell’ambito della sicurezza IT. La capacità di monitoraggio costante dei flussi di dati permette di rilevare in tempo reale attività anomale o sospette, come attacchi DDoS o dei tentativi di accesso non autorizzati. Le soluzioni basate sull’AI possono, dunque, agire in tempo reale per bloccare le potenziali minacce in modo automatico, senza bisogno di intervento umano. Si tratta di soluzioni che oltre a migliorare la protezione contro le minacce IT rendono più rapidi i tempi di risposta agli incidenti di sicurezza. Le soluzioni AIOps sono flessibili e permettono alle realtà che le adottano di svincolare il proprio personale IT da compiti di analisi e controllo ripetitivi, ma soprattutto possono essere affiancanti nella gestione dei problemi in modo efficace e efficiente. La capacità di analizzare grandi moli di dati consente a queste soluzioni di essere un valido aiuto ai tecnici informatici di ogni organizzazione.
Gli ostacoli all’adozione di AIOps
Ogni rosa ha le sue spine. AIOps sembra essere la panacea di tutti i problemi nelle IT Operations, ma, nonostante i dati incoraggianti, sta trovando anche delle difficoltà nella sua conquista del mercato. Molte aziende sono restie nell’adottare soluzioni AIOps perché non sono culturalmente pronte alla trasformazione. Le realtà con sistemi Legacy o con strutture organizzative tradizionali oppongono resistenza all’adozione di nuove tecnologie, spesso per paura del cambiamento. Molte volte è un problema di personale IT che blocca ogni possibile evoluzione del sistema soprattutto alla transazione verso soluzioni automatizzate con AIOps. In questo periodo è difficile anche trovare figure professionali con le competenze avanzate in intelligenza artificiale, machine learning e analisi dei dati richieste. Sono aree fondamentali per implementare queste soluzioni e la mancanza di personale formato è uno dei maggiori ostacoli per la diffusione dell’AIOps. In particolare chi ha sistemi legacy può avere difficoltà a standardizzare e integrare una piattaforma AIOps, specialmente in presenza di piattaforme distribuite o eterogenee. Anche i dati diventano un problema se sono di frammentati in più silos all’interno dell’organizzazione, e senza una corretta centralizzazione: l’efficacia di queste soluzioni può essere limitata. Le piattaforme AIOps perdono parte del loro valore, se i dati non possono essere raccolti e analizzati in modo efficiente. Un altro freno alla diffusione di queste soluzioni è il costo iniziale e l’incertezza sul Roi (Ritorno dell’investimento). Se nel lungo periodo può generare risparmi, nell’immediato i costi per implementare l’AIOps (costo della licenza, formazione del personale e adeguamento delle infrastrutture) possono essere alti, soprattutto per realtà medio-piccole. Se manca la giusta strategia d’implementazione diventa difficile anche calcolare il Roi e vedere l’impatto positivo in tempi accettabili.
Soluzioni AIOps per il mercato italiano
Le aziende che vogliono implementare una soluzione AIOps devono scegliere un partner con le giuste caratteristiche. La normativa Europea, e di conseguenza italiana, prevede una gestione dei dati più stringente rispetto a quella statunitense, per esempio, quindi un fornitore di soluzione AIOps deve essere conforme al GDPR (Regolamento generale sulla protezione dei dati). Le aziende italiane sono molto attente alla protezione dei dati, soprattutto nei settori regolamentati come sanità e finanza. Un fornitore AIOps, inoltre, deve offrire soluzioni capaci di integrarsi con i sistemi esistenti, spesso questi sono legacy nelle aziende italiane, e deve farlo senza stravolgere completamente l’infrastruttura. Al contempo deve offrire un supporto multi-cloud per affiancare chi sta migrando verso il cloud: la soluzione proposta deve essere compatibile con diversi ambienti cloud e ibridi, includendo le soluzioni di fornitori come Amazon AWS, Microsoft Azure e Google Cloud.
I principali fornitori di soluzioni AIOps in italia
In Italia operano i principali fornitori di soluzioni AIOps mondiali, in particolare si possono segnalare:
- IBM che offre una soluzione con una forte integrazione con il mondo cloud, machine machine learning avanzato e capacità di analisi predittiva.
- Moogsoft la cui proposta AIOps è orientata alla gestione automatizzata dei problemi e al loro rilevamento, e offre una gestione proattiva degli incidenti.
- Splunk di Cisco permette alle aziende di correlare eventi, prevedere problemi e migliorare le prestazioni IT grazie alla sua capacità di analizzare in tempo reale diverse fonti di dati.
- Engineering Ingegneria Informatica ha sviluppato una soluzione AIOps per il monitoraggio e la gestione dei sistemi IT, con un focus sull’integrazione dell’AI per la gestione delle performance e il capacity planning.
- Fortinet che offre soluzioni basate su AI che sfruttano AIOps per monitorare il traffico di rete, correlare eventi di sicurezza e automatizzare la risposta alle minacce.