Las soluciones AIOps requieren tanto IA tradicional como IA generativa.
La IA generativa ha dado nueva vida a AIOps , pero es una mala idea creer que es el único tipo de IA necesario para mantenerla viva en el futuro.
En 2022, AIOps parecía ser una tecnología en soporte vital. Casi todas las denominadas soluciones AIOps eran poco más que una monitorización tradicional con esteroides. Los casos de uso para los cuales AIOps estaba destinado en ese momento eran mundanos y hacían muy poco en términos de avanzar hacia una visión de aplicações adaptativas . Es decir, aportar inteligencia y capacidad de ejecutar cambios en tiempo real a las operaciones.
Pero entonces la IA generativa entró en escena y, de repente, AIOps tuvo una segunda oportunidad. Excepto que no lo fue. No precisamente.
Para entender por qué, necesitamos definir AIOps en términos de las capacidades que pretende ofrecer.
¿Qué es AIOps?
AIOps es un término amplio que generalmente se utiliza para referirse al uso de inteligencia artificial para operaciones de TI. Las soluciones AIOps, generalmente llamadas plataformas, suelen ofrecer cuatro capacidades distintas:
- Observar : Cubre la ingestión de telemetría y la detección de anomalías.
- Analizar : Utiliza IA para descubrir patrones, correlacionar eventos en contexto, identificar causas fundamentales y generar conocimientos.
- Comprometer : Permitir a los usuarios visualizar e interactuar con datos y conocimientos.
- Acto : Convierte los conocimientos en acciones a través de la automatización.
En gran medida, lo que hemos visto hasta ahora es la integración de la IA generativa con la capacidad de participación . En concreto, la IA generativa ha avanzado las funciones de interacción de esta capacidad al intercambiar GUI (interfaz gráfica de usuario) y API por NLI (interfaces de lenguaje natural). Esto lleva a AIOps en gran medida al caso de uso más citado para AIOps, según un informe de ZK Research :
- 64% de eficiencia/productividad operativa de TI
- 54% de mejora en el rendimiento de la red o de la aplicación
- 54% mejoró la seguridad o el cumplimiento
Hay algunos indicios de que la IA generativa se está utilizando para actuar generando políticas y configuraciones para mitigar riesgos y abordar incidentes, pero por el momento son tenues y se limitan en gran medida a un único ecosistema objetivo, es decir, la cartera de un proveedor.
La IA generativa ha hecho muy poco para avanzar en la capacidad de analizar los datos recopilados por la capacidad de observación . Esto no es una marca en su contra, sino más bien un reconocimiento de que no fue diseñado para hacer eso. Para ello necesitamos confiar en la buena y tradicional IA.
¿Qué es la IA tradicional?
Desde la introducción de la IA generativa, lo que siempre hemos llamado IA ha necesitado un nombre propio. El mercado ha optado por la IA tradicional para describir “toda IA excepto la generativa”.
La IA tradicional utiliza muchas de las mismas técnicas de entrenamiento y principios subyacentes que la IA generativa, pero su objetivo es analizar e incluso predecir resultados identificando patrones y relaciones en un corpus de datos en gran medida estructurados. La IA tradicional es excelente en clasificación y reconocimiento.
La IA tradicional se ha utilizado durante décadas para:
- Identificar bots para prevenir abusos y fraudes, como la apropiación de cuentas (ATO)
- Detectar ataques basados en patrones de comportamiento en el tráfico de red (DDoS) y de aplicação (L7)
- Hacer recomendaciones de productos y/o servicios en función de los patrones de consumo
- Reconocimiento de escritura a mano e imágenes
El papel de la IA en AIOps
La capacidad de la IA tradicional no solo de realizar predicciones de patrones y relaciones existentes, sino también de descubrir otros nuevos, casi en tiempo real, es lo que hace que la tecnología sea invaluable para una verdadera solución AIOps. Es necesario un modelo que pueda analizar nuevos datos e inferir la presencia de un ataque o predecir un problema que interferirá con la disponibilidad o degradará el rendimiento. La IA tradicional es particularmente experta en ambas cosas: dotar a la capacidad de observación de la capacidad de detectar anomalías y proporcionar el descubrimiento de patrones y relaciones para la capacidad de análisis .
La IA generativa puede generar código, configuraciones y contenido. Replica patrones existentes y los aplica para generar nuevo contenido. No crea nada, sino que se basa en relaciones entre objetos que se fortalecen o debilitan según la retroalimentación.
De hecho, pedirle a la IA generativa que analice nuevos datos conlleva riesgos. Puede que te dé una respuesta correcta, pero también puede alucinar y darte una respuesta incorrecta. Esto se debe a que, en última instancia, la IA generativa es un juego de números y, si las relaciones o los patrones no son fuertes o no existen lo suficiente entre los puntos de datos, simplemente completará los espacios en blanco, sean correctos o incorrectos.
Lo que nos ofrece la IA generativa es accesibilidad a los datos (porque no necesitamos ser expertos en un lenguaje de consulta ni depender de desarrolladores que nos construyan una interfaz) y la capacidad de generar automáticamente código o configuraciones que se puedan ejecutar para resolver un problema. Eso también es accesibilidad, ya que alivia la necesidad de ser un experto en escribir código o aprovechar múltiples API.
Pero sin una IA tradicional para analizar datos de telemetría en tiempo real, un sistema de este tipo solo aborda parcialmente dos de las tres capacidades necesarias para una solución AIOps completamente funcional. Por lo tanto, necesitamos utilizar tanto la IA tradicional como la generativa:
- Observar : IA tradicional para la detección de anomalías.
- Analizar: IA tradicional para descubrir patrones y relaciones.
- Engage : IA generativa que permite a los usuarios visualizar e interactuar con datos y conocimientos.
- Act : IA generativa para convertir los conocimientos en acciones.
Si bien soy optimista respecto de la IA generativa y su capacidad para simplificar e incluso acelerar las operaciones , también soy consciente de que para aprovechar todo el potencial de la IA en AIOps, será necesaria tanto la IA tradicional como la generativa.