O Plano da NASA: Integrando Tecnologia, Cultura e Dados para Impulsionar o Sucesso do AIOps

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

Organizações interessadas em implementar AIOps têm o benefício de aprender com os conselhos de outras que já deram passos no uso de inteligência artificial em suas operações e grupos de DevOps.

Uma dessas inovadoras que compartilha conselhos é a NASA, que recentemente destacou a importância de adotar uma abordagem holística ao implementar IA para as aplicações de negócios da agência espacial, como finanças e aquisições, particularmente 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 na cultura empresarial, com pessoas aceitando a necessidade de deixar os dados ajudarem a moldar decisões.

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

"A parte onde o algoritmo é executado é muito pequena. Os dados raramente estão em uma forma onde você pode realmente usá-los. As pessoas têm suas maneiras de fazer as coisas já; há esse problema de precisar aprender uma nova ferramenta ou conjunto de ferramentas e entender como 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, segundo relatório da Government CIO Media.

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

Conselhos sobre AIOps

Shenandoah Speers, CIO associado de aplicações na NASA, disse à audiência do ATARC que a transformação digital da agência está em andamento, mas ainda amadurecendo. "Estamos vendo uma grande influxo de dados, e como digerir esses dados e tomar decisões de negócios e de missão com base neles."

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

Um palestrante do Centro Conjunto de Inteligência Artificial (JAIC) do Departamento de Defesa dos EUA também discutiu o desafio da qualidade dos dados. "Há problemas com qualidade de rótulos, qualidade de dados", disse Yevgeniya Pinelis, chefe de teste e avaliação de IA/aprendizado de máquina no JAIC. "Há problemas de infraestrutura, claro. ... Para realmente construirmos sistemas de IA confiáveis, precisamos ter esse ecossistema e toda a tubulação no lugar."

Ela acrescentou que a cultura é um fator devido à necessidade de fazer as equipes adotarem Agile e DevSecOps. "Se seu usuário e testador estão engajados realmente desde o início, é assim que você obtém esse processo Agile e evita desastres no final. Essa é uma grande mudança cultural pela qual estamos passando. Tivemos muita sorte em logística conjunta — esses tendem a ser problemas de IA bem escopados, embora a prontidão dos dados seja sempre um problema."

À medida que mais empresas ganham experiência com AIOps e observabilidade, há oportunidades crescentes para aquelas que estão apenas começando de reunir conselhos de AIOps dos pioneiros.