Impulsione Performance de TI: Alavancando AIOps e Observabilidade para Reduzir Downtime e Aumentar Satisfação do Usuário

Observabilidade AIOps ajuda TI a reduzir downtime, melhorar performance de aplicação e manter clientes felizes.

Em 2016, Gartner cunhou acrônimo AIOps (Inteligência Artificial para Operações de TI), mas anos antes, profissionais de TI já ouviam e experimentavam elementos de computação autônoma. Tal tecnologia de automação permitia mainframes e servidores tomarem decisões automáticas e adaptativas e ajustes para responder ao que sensores embutidos em suas operações informavam sobre performance.

Introduzindo observabilidade AIOps

Seja AIOps ou computação autônoma, objetivo sempre foi auxiliar TI em monitorar e tunar performance para tirar máximo de ativos computadorizados e entregar tecnologia otimizada ao negócio. TI é otimista em AIOps, evidenciado pela taxa de crescimento anual composta de 21,05% prevista para soluções AIOps entre agora e 2026.

Então, o que torna AIOps proposta de valor tão convincente?

Para programadores de sistemas sobrecarregados, administradores de rede e desenvolvedores de software, AIOps pode surface problemas mais urgentes de um palheiro de alertas diários e issues de performance potenciais que podem ou não requerer atenção e resolução imediata. Esses alertas vêm de todo lugar, graças ao número de sistemas isolados que departamentos de TI corporativos devem gerenciar. Há momentos que esses alertas criam ruído distraente mais que ajuda.

Onde AIOps ajuda é como ele reduz essa cacofonia de alertas às condições críticas verdadeiramente relevantes a um incidente ou outage. Faz isso porque usa inteligência artificial e machine learning enquanto rastreia elementos e dinâmicas da infraestrutura de TI de uma organização, e aprende o que é normal e o que apresenta problema. Equipado com esse conhecimento, AIOps identifica e emite alertas como abordagens de sistemas anteriores faziam. No entanto, o que torna AIOps de hoje único é que IA incluída com monitoramento operacional agora leva AIOps ao reino de observabilidade de infraestrutura.

Observabilidade é diferencial para TI porque é capaz de combinar informação contextual coletada de infraestrutura de TI com inteligência artificial e automação em vez de apenas emitir alertas standalone de componentes individuais de sistema que TI deve avaliar e troubleshoot separadamente. Com abordagem mais holística de avaliação de infraestrutura de TI que inclui conhecimento de infraestrutura bem como detecção de problema, observabilidade AIOps usa métricas, logs e traces de TI e emite recomendações diagnósticas para correções que TI pode usar para acelerar tempo para resolução de problema.

Entendendo observabilidade

Na prática, plataforma de observabilidade AIOps pode integrar diversos sistemas, dados e redes que uma aplicação flui através. Em ambiente de computação híbrida, isso pode significar traversar workflows de aplicação que passam por cloud bem como recursos on-premises. Qualquer um — ou todos — desses recursos poderia emitir alerta se performance degrada. Sem observabilidade AIOps, TI pode se encontrar avaliando numerosos alertas entrantes de muitos módulos e elementos de sistema, sem meio eficiente de separar "ruído" de alerta da causa raiz de problema. Essa caça ao ganso alonga downtime de sistema e issues de performance. Cria usuários e clientes infelizes e pode custar à empresa média de $5.600 por minuto.

Como observabilidade AIOps remedia downtime e problemas de performance

Por exemplo, se software AIOps entende dinâmicas e contexto operacional de sua infraestrutura de TI, pode rapidamente detectar atividade anômala de filial de serviço de campo na Costa Leste que tipicamente fecha nos fins de semana, mas de repente registra surge de atividade num sábado.

AIOps pode detectar se servidor ou roteador em sua rede está em ou perto de capacidade, e se utilização de capacidade excessiva é normal para situação particular, como horário de processamento mais movimentado do dia ou pico de atividade devido a promoção de e-commerce.

Na área de teste de aplicação, onde múltiplos sistemas virtuais são criados para teste mas podem ser esquecidos após trabalho completar, observabilidade pode identificar esses ativos ociosos para que sejam desalocados.

Em ambiente híbrido on-prem-cloud, observabilidade AIOps pode informar desenvolvedor de aplicação em tempo real se há gargalo em algum lugar no workflow de aplicação ponta-a-ponta que está desacelerando performance.

Resultado: TI roda melhor, aplicações são entregues ao negócio mais cedo, e downtime é reduzido.

Estado da observabilidade

Dito isso, observabilidade AIOps ainda está em estágios iniciais de implantação em muitas organizações.

Um desafio é que nem todos departamentos de TI entendem exatamente o que observabilidade — palavra um tanto nebulosa — significa. Se, em vez disso, observabilidade fosse entendida como "observação informada" facilitada por IA e machine learning, adoção da tecnologia poderia mover mais rápido, e seu valor desbloqueado.

Tendo servido como CIO por mais de 20 anos, sei duas coisas:

Primeiro, CIOs e TI odeiam downtime, ir em caças ao ganso selvagens e ter que acalmar emoções de usuários, clientes e gestão enquanto TI descobre o que deu errado em aplicação complexa que toca muitos sistemas.

Segundo, se pudermos pôr fim a essas reuniões maratona de "war room" que continuam ocorrendo em 2021 assim como em 1981, apontar dedos seria menos e moral da equipe seria maior. Observabilidade AIOps equiparia melhor todos envolvidos, do DBA ao desenvolvedor de aplicação ao programador de sistemas com versão única e acionável da verdade.