Conselho da NASA:tecnologia, cultura e dados se unem para impulsionar AIOps

Organizações como a NASA estão compartilhando suas experiências com IA e AIOps com aqueles que estão começando.

As organizações interessadas em implementar AIOps têm o benefício de aprender com os conselhos de outras pessoas que adotaram medidas para o uso de inteligência artificial em suas operações e grupos de DevOps.

Um desses conselhos inovadores de compartilhamento é a NASA, que recentemente destacou a importância de adotar uma abordagem holística para implantar a IA para os aplicativos de negócios da agência espacial, como finanças e compras, principalmente em um ambiente de AIOps.

Em uma apresentação ao grupo de operações de IA ATARC, os líderes do grupo de ciência de dados da NASA identificaram os três elementos-chave que uma iniciativa de AIOps precisa. A tecnologia pode ser a mais óbvia, mas as organizações também devem preparar seus dados para garantir que estejam prontos para a IA, e igualmente importante é uma mudança de cultura corporativa, com as pessoas aceitando a necessidade de permitir que os dados ajudem a moldar as decisões.

Por que ouvir a NASA? Talvez porque são eles que podem dizer honestamente:“Sim, somos cientistas de foguetes”.

“O bit em que o algoritmo é executado é uma parte muito pequena. Os dados raramente estão em uma forma em que você possa realmente usá-los. As pessoas já têm suas maneiras de fazer as coisas; existe esse problema de precisar aprender uma nova ferramenta ou conjunto de ferramentas e entender como ela realmente funciona. As pessoas têm diferentes concepções do que a IA pode fazer por elas”, disse Nikunj Oza, líder do grupo de ciências de dados da NASA, de acordo com um relatório da Government CIO Media.

Ele acrescentou:“Os dados não estão [automaticamente] prontos para uso da IA, então você pode iniciar um projeto de AIOps e ele para porque as outras partes do seu sistema não estão prontas para isso”.

Conselho de AIOps

Shenandoah Speers, CIO associado de aplicativos da NASA, disse ao ATARCaudience que a transformação digital da agência está em andamento, mas ainda está amadurecendo. “Estamos vendo muito influxo de dados e como digerir esses dados e tomar decisões de negócios e decisões de missão sobre esses dados.”

Oza também discutiu alguns dos equívocos que cercam a IA e o aprendizado de máquina, incluindo o medo interno de que a IA roube empregos de humanos.

Um palestrante do webinar do Centro Conjunto de Inteligência Artificial (JAIC) do Departamento de Defesa dos EUA também discutiu o desafio da qualidade de dados. “Há problemas com a qualidade do rótulo, qualidade dos dados”, disse Yevgeniya Pinelis, chefe de teste e avaliação de IA/aprendizagem de máquina da JAIC. “Há problemas de infraestrutura, é claro. … Para que possamos realmente construir sistemas de IA confiáveis, precisamos ter esse ecossistema e todas as tubulações no lugar.”

Ela acrescentou que a cultura é um fator devido à necessidade de fazer com que as equipes adotem o Agile e o DevSecOps. “Se o usuário e o testador estiverem envolvidos desde o início, é assim que você obtém esse processo Agile e evita desastres no final. Essa é uma grande mudança de cultura pela qual estamos passando. Tivemos muita sorte na logística conjunta – esses tendem a ser problemas de IA que têm um escopo bem definido, embora a disponibilidade de dados seja sempre um problema.”

À medida que mais empresas ganham experiência com AIOps e observabilidade, há oportunidades crescentes para aqueles que estão começando a obter conselhos de AIOps dos pioneiros.