Osservabilità: come l’IA migliorerà il mondo del monitoraggio e della gestione
Più l’azienda passa da una semplice organizzazione digitale a una completamente intelligente, più i dirigenti dei dati si renderanno conto che il monitoraggio e la gestione tradizionali di sistemi e processi complessi non sono sufficienti.
Ciò che serve è una nuova forma più ampia di supervisione, che ultimamente è diventata nota come ” osservabilità dei dati “.
Il cosa e il perché dell’osservabilità
La distinzione tra osservabilità e monitoraggio è sottile ma significativa. Come ha spiegato lo scrittore di VentureBeat John Paul Titlow in un articolo recente, il monitoraggio consente ai tecnici di visualizzare gli ambienti di dati passati e attuali in base a metriche o registri predefiniti. L’osservabilità , d’altra parte, fornisce informazioni sul motivo per cui i sistemi cambiano nel tempo e può rilevare condizioni che non sono state considerate in precedenza. In breve, il monitoraggio ti dice cosa sta succedendo, mentre l’osservabilità ti dice perché sta succedendo.
Per abbracciare pienamente l’osservabilità, l’impresa deve coinvolgerla in tre modi diversi. In primo luogo, l’IA deve permeare completamente le operazioni IT, poiché questo è l’unico modo per rilevare in modo rapido e affidabile i modelli e identificare le cause profonde delle prestazioni ridotte. In secondo luogo, i dati devono essere standardizzati in tutto l’ecosistema per evitare discrepanze, duplicazioni e altri fattori che possono alterare i risultati. Infine, l’osservabilità deve spostarsi nel cloud, poiché è lì che sta passando anche gran parte dell’ambiente dei dati aziendali.
L’osservabilità si basa sulla teoria del controllo, secondo Richard Whitehead, il capo evangelista dello sviluppatore di piattaforme di osservabilità, Moogsoft . L’idea è che con dati di qualità sufficienti a loro disposizione, i tecnici dotati di intelligenza artificiale possono osservare come un sistema reagisce a un altro, o almeno, dedurre lo stato di un sistema in base ai suoi input e output.
Il problema è che l’osservabilità è vista in contesti diversi, ad esempio, tra DevOps e IT. Sebbene l’IT abbia funzionato abbastanza bene collegando il monitoraggio delle prestazioni delle applicazioni (APM) con il monitoraggio delle prestazioni dell’infrastruttura (IPM), i modelli DevOps emergenti, con i loro rapidi tassi di cambiamento, stanno soffrendo a causa della lentezza dell’acquisizione dei dati. Sfruttando l’IA su feed di dati granulari, tuttavia, sia l’IT che il DevOps saranno in grado di discernere rapidamente i modelli nascosti che caratterizzano gli ambienti di dati in rapida evoluzione.
Ciò significa che l’ osservabilità è una delle funzioni centrali nelle piattaforme AIOps e MLOps emergenti che promettono di spingere i sistemi di dati e la gestione delle applicazioni in hyperdrive. New Relic ha recentemente aggiornato la sua applicazione di osservabilità New Relic One per incorporare gli strumenti MLOps per abilitare l’auto-riqualificazione non appena vengono ricevuti gli avvisi. Ciò dovrebbe essere particolarmente utile per l’allenamento ML e AI, poiché questi modelli tendono a deteriorarsi nel tempo. L’osservabilità dei dati aiuta a tenere conto delle mutevoli condizioni del mondo reale che influiscono su parametri critici come l’asimmetria, l’obsolescenza dei dati, nonché la precisione e le prestazioni complessive del modello, indipendentemente dal fatto che queste modifiche avvengano in pochi secondi o in giorni, settimane o anni.
Automazione con steroidi
Secondo Douglas Toombs, vicepresidente della ricerca di Gartner, nei prossimi anni è ragionevole aspettarsi che l’intelligenza artificiale e l’osservabilità inaugureranno una nuova era di “iperautomazione” . In un’intervista con RT Insights, ha notato che un ambiente AIOps pienamente realizzato è la chiave per la “Just-in-Time Infrastructure” di Gartner da tempo prevista, in cui datacenter, colocation, edge e altre risorse possono essere compilati in risposta alle esigenze aziendali all’interno un ecosistema di dati coeso ma ampiamente distribuito.
In un certo senso, l’osservabilità è l’intelligenza artificiale che trasforma i parametri di monitoraggio e gestione nello stesso modo in cui cambia altri aspetti dell’impresa digitale, rendendola più inclusiva, più intuitiva e più auto-operativa. Che il compito sia tracciare le tendenze dei consumatori, prevedere il tempo o supervisionare il flusso di dati, il compito dell’IA è fornire informazioni dettagliate su sistemi complessi e tracciare percorsi d’azione basati su tali analisi, alcune delle quali può essere implementata da sola e altre che deve essere approvato da un amministratore.
L’osservabilità, quindi, è un altro modo in cui l’IA si assumerà i compiti banali che gli esseri umani svolgono oggi, creando non solo un ambiente dati più veloce e reattivo, ma molto più in sintonia con gli ambienti reali che sta tentando di interpretare digitalmente .
