Mentre l’intelligenza artificiale e il machine learning sono già mainstream, ciò che in questo momento sta ottenendo sempre maggiore trazione e attenzione da parte di clienti e fornitori di tecnologia è il concetto di AIOps, ossia l’intelligenza artificiale applicata alle operation in ambito IT, un assistente che conosce l’ambiente IT e di rete.
AIOps, che cos’è
L’AIOps combina big data e machine learning per automatizzare, controllare e ottimizzare i processi e le operazioni IT. Uno degli obiettivi chiave di AIOps è ridurre il Mean Time To Resolution (MTTR, tempo medio di risoluzione dei problemi), fornendo un insieme di funzioni in grado di identificare la causa principale dei problemi, suggerire possibili soluzioni e automatizzare le attività operative.
Coniato da Gartner, il termine AIOps, indica le piattaforme e i processi tecnologici che consentono ai team IT di utilizzare l’AI per prendere decisioni in modo più rapido e accurato, rispondendo subito agli incidenti di rete e di sistema.
AIOps contestualizza grandi volumi di dati di telemetria e log dell’infrastruttura IT di un’azienda, in tempo reale o quasi. Quindi, combina questi dati con quelli storici attinenti al fine di generare informazioni utili. In sostanza, AIOps si configura come un assistente che ha una profonda conoscenza dell’ambiente IT e di rete, oltre alla capacità di utilizzare tale conoscenza per fornire analisi in tempo reale ed eseguire o consigliare i passaggi successivi.
AIOps aumenta l’efficienza e le prestazioni delle singole applicazioni e servizi. Le aziende che utilizzano AIOps come parte della propria infrastruttura automatizzata e dei flussi di lavoro registrano significativi miglioramenti sotto ogni aspetto: dalla sicurezza ai tempi di risposta agli incidenti che causano interruzioni fino agli acquisti legati all’infrastruttura stessa. Le organizzazioni che si affacciano all’uso di AIOps lo considerano un investimento in analisi delle performance, rilevamento delle anomalie e correlazione degli eventi, grazie al quale è possibile prevedere eventi futuri con un impatto sulla rete.
AIOps per il monitoraggio della rete e l’elaborazione dei dati
Oggi per dare agli utenti finali un’eccellente esperienza nell’accesso alla rete non basta più semplicemente che le reti funzionino. Piuttosto, è indispensabile avere a disposizione una serie di dati, insight e analytic relativi non solo agli apparati di rete utilizzati dall’utente per usufruire dei servizi in rete, ma all’esperienza stessa che l’utente sta facendo nell’accedere a quel determinato servizio. Senza dati e insight non è possibile capire quando un problema si verifica né tantomeno risolverlo. Ma c’è di più: anche nel momento in cui viene individuata un’anomalia nell’esperienza del cliente, diventa fondamentale avere a disposizione degli strumenti e delle piattaforme cha facciano leva su meccanismi di AI o su algoritmi di machine learning in grado di identificare automaticamente quella che potrebbe essere la causa del problema e cercare di fornire un percorso per la risoluzione automatica dello stesso, puntando sempre alla migliore esperienza possibile per l’utente.
A partire da dati di qualità e sfruttando algoritmi di machine learning, l’AI applicata alle IT operation agisce attraverso un percorso continuo di monitoraggio della rete ed elaborazione dei dati (che arrivano dagli apparati e dagli utenti) al fine di trovare degli indicatori delle performance e della qualità sia del servizio che si sta fornendo all’utente sia degli apparati di rete. Queste informazioni vengono, quindi, messe a disposizione degli operatori di rete che sono così in grado di individuare immediatamente quando si verifica uno scostamento dal normale funzionamento e di intervenire prima ancora che l’utente si renda conto dell’anomalia.
AI Journey: dal dato (di qualità) all’assistente di rete virtuale per la creazione di una piattaforma AIOps
Partendo dai dati raccolti tramite sensori telemetrici e log degli apparati, una piattaforma di AI applicata alle operation consente di individuare velocemente non solo la causa del problema ma anche gli utenti che ne vengono impattati. La piattaforma fa esattamente questo, grazie anche alla sua interfaccia intelligente che può essere interrogata in linguaggio naturale. L’assistente di rete virtuale porta l’AI conversazionale nel mondo delle IT operation. Impara continuamente dalla rete e ne comprende il funzionamento grazie alla grande quantità di dati gestiti e alla capacità di contestualizzare le richieste al fine di prendere decisioni mirate e porre in essere azioni in maniera automatizzata e predittiva. L’assistente di rete virtuale continua, inoltre, a costruire la propria capacità di elaborazione del linguaggio naturale (NLP, Natural Language Processing) attraverso le funzioni di comprensione del linguaggio naturale (NLU, Natural Language Understanding) e di generazione del linguaggio naturale (NLG, Natural Language Generation) in modo che sia semplice potervi interagire come se si trattasse di un altro membro del team.
Conclusioni
La connettività e le performance della rete sono oggi di fondamentale importanza. Per garantirle in modo efficace ed efficiente è necessario semplificare la gestione della rete e ridurre i problemi di accesso e prestazioni per rendere l’esperienza dell’utente il più fluida possibile. La tecnologia è, perciò, in grado di trasformare una “semplice” SD-WAN in una WAN basata sull’intelligenza artificiale che mette l’esperienza dell’utente al centro. Grazie all’AI e al machine learning si elimina la complessità della rete e si automatizzano molte attività chiave: ad esempio, con il remote troubleshooting automatizzato i problemi sono risolti in modo proattivo prima ancora che possano essere percepiti dagli utenti. In questo modo, è possibile offrire migliori esperienze legate alla rete che trasformano il modo in cui le persone si connettono, lavorano e vivono.
