¿Qué es la IA generativa y es el camino hacia AIOps?

Uno de los desafíos en materia de infraestructura es configurar la gran cantidad de dispositivos, servicios y sistemas necesarios para entregar y proteger incluso una sola aplicação. Las organizaciones dependen de un promedio de 23 servicios de aplicaciones diferentes, si se excluyen las ofertas "como servicio". 

Ahora bien, no hace falta que os diga que configurar un servicio de protección de API y de aplicaciones web es diferente a configurar un servicio de equilibrio de carga tradicional. Lo que eso significa es que las personas responsables de configurar y operar los servicios de aplicaciones pueden necesitar ser expertos en una docena de "lenguajes" diferentes. 

La industria ha estado intentando abordar este problema durante años. Cuando las API se convirtieron en el medio principal para configurar todo, los servicios de seguridad y entrega de aplicaciones no fueron la excepción. Todo el mundo empezó con API imperativas, que simplemente cambiaron la forma de emitir comandos. En lugar de escribir comandos en una CLI, enviaste comandos API a través de HTTP. 

Muy pronto se hizo evidente que el impuesto API que se generaba al confiar en API imperativas era demasiado alto y la industria pasó a API declarativas. Pero, lamentablemente, la mayor parte de la industria decidió que declarativo significaba “configuración como JSON”. Entonces, en lugar de la intención (esa palabra es importante, recuérdela) detrás de la declaración, que es "dime lo que quieres hacer y lo haré por ti", terminamos con "aquí está la configuración que quiero, ve y haz el trabajo duro de hacerla". 

No es exactamente lo mismo y todavía requiere el mismo nivel de experiencia con el modelo operativo peculiar de una solución determinada. No estoy seguro de que la industria haya llegado alguna vez a un acuerdo sobre si los balanceadores de carga usaban “pools” o “granjas”, y mucho menos sobre los detalles más complejos de cómo los servidores virtuales interactúan con los servidores reales y las instancias de aplicação . Entonces, todo lo que hizo la industria con el lenguaje declarativo fue transferir el trabajo de nivel de comando de los operadores al sistema.

Ahora bien, lo que aporta la IA generativa es una forma de código bajo/sin código. Estos son más confiables que algunos resultados porque se basan en especificaciones bien formadas que guían la generación de resultados. Al fin y al cabo, solo hay un número limitado de formas de escribir “hola mundo”, aunque hay millones de formas de responder una pregunta.

Esto significa que debería poder decirle a un modelo entrenado: "Hola, quiero configurar mi balanceador de carga para escalar la aplicación A" y el sistema debería poder generar una configuración. Pero más que eso, debería poder decirle: "Dame un script para hacer X en el sistema Y usando Z" y ¡BAM! No sólo debe generar la configuración, sino también la automatización necesaria para implementarla en el sistema correcto. 

Oh, mira. Ya lo hace.

Pero esto es lo fácil. Debería poder decirle además: “Ah, por cierto, impleméntalo”. Y debería hacerlo mientras disfruto de mi café de la mañana. Y quizás cántame una cancioncita también. 

Pero espera, ¡hay más! ¿Qué sucede si más tarde también puedo decirle a un sistema de IA generativa: "Oye, los usuarios en Green Bay inician sesión mucho y el rendimiento es bajo, clona la aplicación A y muévela a nuestro sitio en Milwaukee"? 

Y lo hace. Porque debajo del capó, todo esto es simplemente una red de API, configuraciones y comandos que hoy en día pueden automatizarse (y a menudo se automatizan) mediante scripts. Estos scripts suelen estar parametrizados, lo que se correlaciona vagamente con los parámetros de mi mensaje de IA: Green Bay, Milwaukee, App A. Entonces, lo que cambia es el generador y la velocidad con la que se puede generar. 

A menudo digo que la IA y la automatización son multiplicadores de fuerza. Porque la tecnología no sabe lo que tiene que hacer, nosotros sí. Pero la IA y la automatización pueden hacerlo mucho más rápido y eficientemente, amplificando efectivamente la productividad, incrementando el tiempo para obtener valor y liberando tiempo de los expertos para que se concentren en decisiones y proyectos estratégicos. Y con el tiempo, la IA puede aprender de nosotros, multiplicando aún más nuestra capacidad y exponiendo nuevas posibilidades. 

Esto ya no es ciencia ficción sino una realidad informática.