Che cos’è l’AIOps? Un’iniezione di intelligenza nelle IT operation

Le piattaforme cloud, i vendor di servizi gestiti e le imprese che intraprendono trasformazioni digitali stanno iniziando a raccogliere i benefici di una tendenza emergente nel settore IT: l’uso di tecnologie operative alimentate dall’intelligenza artificiale per monitorare e gestire automaticamente il portafoglio tecnologico.

Questa pratica emergente, nota come AIOps, sta aiutando le aziende a prevenire potenziali interruzioni e problemi di performance prima che abbiano un impatto negativo sulle operation, sui clienti e sui profitti. Ma le implementazioni più avanzate stanno iniziando a utilizzare i sistemi di intelligenza artificiale non solo per identificare i problemi o prevederli prima che si verifichino, ma anche per reagire agli eventi con una mitigazione intelligente e automatizzata.

Ma che cos’è esattamente l’AIOps e come la stanno utilizzando oggi le aziende? Qui di seguito diamo uno sguardo approfondito alle tecnologie, alle strategie e alle sfide delle IT operation assistite dall’intelligenza artificiale.

Che cos’è l’AIOps?

L’AIOps è una pratica emergente dell’IT che applica l’intelligenza artificiale alle IT operation per aiutare le aziende a gestire in modo intelligente l’infrastruttura, le reti e le applicazioni in termini di prestazioni, resilienza, capacità, tempi di attività e, in alcuni casi, sicurezza. Spostando gli avvisi tradizionali e i processi manuali verso sistemi che sfruttano l’intelligenza artificiale e l’apprendimento automatico, l’AIOps consente alle aziende di monitorare meglio le risorse IT e di anticipare gli incidenti e gli impatti negativi prima che si verifichino.

John Hill, CIO del produttore di abbigliamento da lavoro Carhartt, la utilizza in tre aree principali: gestione dei servizi, controllo delle performance e dell’automazione IT. Grazie al monitoraggio intelligente, Carthartt è ora in grado di individuare i problemi prima che abbiano un impatto sugli utenti.

“Riguarda l’intero processo di monitoraggio dell’ambiente e della comprensione di ciò che sta accadendo, e consente di intraprendere azioni basate su tali indicatori”, spiega Carthartt. “In precedenza, ci si affidava ai segnali che avvertivano il malfunzionamento di qualcosa” per sapere quando era necessario un intervento di riparazione, con la probabilità che gli eventi avessero già degradato la customer experience prima che ce ne accorgessimo.

Gli strumenti AIOps

Molte piattaforme AIOps sono state costruite su sistemi di monitoraggio che vantano una lunga storia. Altre sono nate nei laboratori di intelligenza artificiale e sono cresciute verso l’esterno. I migliori strumenti AIOps generano ipotesi previsionali sul carico delle macchine e poi osservano se qualcosa si discosta da queste stime. Le anomalie possono essere trasformate in avvisi che generano e-mail, post su Slack o, se la deviazione è sufficientemente grande, messaggi cercapersone. Gli strumenti AIOps più sofisticati offrono anche la “root cause analysis”, che crea diagrammi di flusso per tracciare il modo in cui i problemi possono diffondersi attraverso le varie macchine di una moderna applicazione aziendale. Chiunque stia pensando di adottare una piattaforma AIOps dovrà valutare la capacità di ciascuna offerta di integrarsi con i propri database e i propri servizi. I seguenti strumenti AIOps sono tra i migliori oggi disponibili:

• AppDynamics
• BigPanda
• Datadog
• Dynatrace
• GitHub Copilot
• IBM Watson Cloud Pak for AIOps
• LogicMonitor
• Moogsoft
• New Relic One
• Splunk
• Per un approfondimento su questi strumenti, si veda “Le 10 migliori piattaforme AIOps [in inglese]”.

I casi d’uso di AIOps

AIOps potrebbe essere già all’opera nel vostro portafoglio IT senza che ve ne rendiate conto. I sistemi CRM o ERP avanzati hanno spesso una gestione intelligente incorporata. Anche la maggior parte delle principali piattaforme cloud fa uso di strumenti di monitoraggio e gestione basati sul machine learning.

Ma affidarsi alle funzionalità integrate nelle soluzioni gestionali ha i suoi lati negativi. Il 65% delle strutture IT che hanno partecipato a un sondaggio di AIOps Exchange [in inglese] ha dichiarato di affidarsi ancora ad approcci di monitoraggio – intelligenti o meno – basati su regole o che non coprono le esigenze dell’intero ambiente informatico. Inoltre, secondo una recente indagine di BigPanda [in inglese], il 42% delle divisioni IT utilizza più di 10 strumenti di monitoraggio diversi per i propri ambienti.

È così che Carhartt ha iniziato con AIOps. “In precedenza, per le diverse aree applicative avevamo monitoraggi indipendenti”, spiega Hill. Per gestire questa complessità, il manager ha scelto di combinarlo su due piattaforme, scegliendo prima AppDynamics per le performance delle applicazioni e poi aggiungendo Turbonomic per tenere sotto controllo l’infrastruttura.

I problemi prestazionali del sito web dell’azienda durante il Black Friday e il Cyber Monday hanno reso necessario un cambiamento. Ma quando l’azienda si è accorta delle disfunzioni, i clienti avevano già avvertito il degrado del servizio, spiega Hill.

Dal momento in cui Carhartt ha implementato AppDynamics, nell’autunno del 2017, i picchi durante il Black Friday e il Cyber Monday sono stati affrontati con zero tempi di inattività.

“Abbiamo registrato una crescita record”, sottolinea Hill. “Siamo cresciuti il doppio rispetto al settore nel suo complesso, senza le interruzioni o il degrado delle prestazioni che avevamo sperimentato in precedenza”.

All’inizio del 2019, l’azienda ha aggiunto Turbonomic per la gestione delle risorse degli ambienti on-premise e cloud. Con il nuovo sistema, l’utilizzo è aumentato dal 70 al 92%. “Probabilmente ci ha fatto risparmiare il 25% dei costi di infrastruttura”.

L’incremento delle esigenze di utilizzo viene elaborato automaticamente, senza l’intervento umano, mentre le riduzioni di capacità lo richiedono ancora.

“Il sistema vede che c’è un problema di capacità e inoltra una richiesta di modifica a ServiceNow”, spiega Hill. “Quando si raggiungono livelli eccessivi, crea un ticket e qualcuno effettua un primo esame. È una revisione rapida, basta un clic. Per ora non ho bisogno di automatizzarlo”.

Il prossimo passo dell’azienda sarà l’automazione delle attività commerciali, come l’elaborazione degli ordini dei clienti grazie al riconoscimento del testo e all’elaborazione del linguaggio naturale.

L’adozione di AIOps

Secondo Gartner [in inglese], entro il 2023, il 40% delle aziende utilizzerà l’AIOps per il monitoraggio di applicazioni e infrastrutture. Ma, a detta di tutti, la sua diffusione è ancora agli inizi. Secondo un’indagine del 2019 sponsorizzata da Loom Systems [in inglese], finora, solo il 5% delle imprese ha implementato l’AIOps. Un aspetto che ostacola l’adozione è la massiccia presenza di vendor sul mercato, spiega Akash Bhatia, managing director e partner di Boston Consulting Group. “Quasi troppi”.

Con il 59% delle aziende che si trova in una fase esplorativa, secondo il rapporto di Loom Systems, è ancora difficile per i clienti capire esattamente cosa offrono. Inoltre, a detta di Bhatia, molti fornitori operano in un solo segmento dell’AIOps, come il monitoraggio delle performance delle applicazioni, la gestione dell’infrastruttura o il monitoraggio e la diagnostica delle prestazioni della rete. Ma il mercato sta mostrando segni di consolidamento man mano che la tecnologia matura, aggiunge.

IDC prevede che il mercato dell’AIOps, che rientra in ciò che viene definito IT operations analytics, crescerà dai 2,9 miliardi di dollari del 2018 ai 4,5 miliardi di dollari del 2023, con la maggior parte dell’incremento derivante dall’AIOps as a service. Mentre quest’ultimo è spesso abbinato alle piattaforme software aziendali o ai servizi cloud, le grandi aziende stanno iniziando a investire nell’AIOps come voce di bilancio a sé stante, dice Stephen Elliot, analista e program vice president per l’AIOps presso IDC.

“Si stanno rendendo conto di essere in un mondo multicloud”, osserva. “Hanno in corso una trasformazione agile, hanno team DevOps e stanno acquisendo la consapevolezza della necessità di doversi muovere più velocemente, e che la complessità sta aumentando”.

La value proposition dell’AIOps

Le aziende che sfruttano l’AIOps iniziano a capire l’importanza di passare da sistemi che eseguono analisi e previsioni a soluzioni che prendono le decisioni in modo autonomo. E qui entra in gioco l’automazione

“Hanno bisogno di strumenti in grado di raccogliere enormi quantità di informazioni, effettuare analisi, e accelerare l’identificazione e la risoluzione dei problemi”, dichiara Elliot.

L’automazione richiede anche una maggiore integrazione AIOps. Un problema di performance delle applicazioni può essere dovuto a un malfunzionamento del software, della rete o dell’hardware. In un ambiente multicloud, la causa principale può trovarsi in un cloud o essere il risultato di una combinazione di più fattori. Se l’infrastruttura AIOps è frammentata, trovare e risolvere le cause dei problemi può rivelarsi complicato.

“Si torna al combattimento corpo a corpo, dove ogni gruppo ha i propri strumenti”, spiega David Link, CEO di ScienceLogic, un AIOps vendor. “Se si dispone di uno strumento unico per ogni soluzione applicativa, non sarà possibile scalare”.

Nel frattempo, le imprese che hanno implementato AIOps, come Carhartt, stanno scoprendo che i loro investimenti cominciano a dare i loro frutti. Secondo un’indagine di Enterprise Management Associates [in inglese], l’81% delle aziende che utilizzano AIOps ha registrato un ritorno positivo sull’investimento. In effetti, il 42% ha dichiarato che il valore supera abbondantemente i costi.

Secondo l’EMA, i sei casi d’uso più comuni per l’AIOps sono l’infrastruttura e le performance delle applicazioni cross-domain, la gestione della capacità e l’ottimizzazione dell’infrastruttura, DevOps e l’agilità, la gestione della customer experience, l’allineamento del business, la gestione dei costi e dei cambiamenti.

L’AIOps come generatore di ricavi

La filiale CBTS di Cincinatti Bell fornisce servizi di comunicazione ai clienti aziendali. Una volta, CBTS era l’acronimo di “Cincinnati Bell Technology Solutions”, ma con l’espansione dell’azienda in altre aree geografiche, ora è l’acronimo di “Consult Build Transform Support”, spiega Joe Putnick, chief innovation officer dell’azienda.

Il passaggio ad AIOps è stato fondamentale per contribuire a migliorare i tempi di reazione, afferma Putnick, ma ora è una fonte di nuove opportunità commerciali. Per esempio, prima che l’azienda passasse ad AIOps, ci volevano ore, giorni o “mai” per inserire le apparecchiature dei clienti nei sistemi di monitoraggio, gestione e fatturazione di CBTS, dice Putnick.

“Ora il provisioning è passato da cinque ore a due minuti”, dice Putnick. E quando dico provisioning, intendo l’attività che riguarda tutti i sistemi di gestione dei servizi IT e degli eventi”. So che queste statistiche sono piuttosto convincenti”.

L’azienda utilizza AIOps anche per analizzare i modelli di utilizzo e automatizzare le risposte. “Stiamo applicando AIOps per prevedere dove deve concentrarsi la capacità in modo da poter mantenere il massimo uptime e la massima soddisfazione dei clienti”, precisa.

AIOps ha aiutato CBTS a passare da meno di 40 a più di 500 installazioni medie al mese, rivela Putnick, con quasi lo stesso numero di persone.

L’azienda utilizza una combinazione di strumenti integrati in AWS, applicazioni personalizzate all’interno di ServiceNow, algoritmi di apprendimento automatico e adattivi personalizzati, e soluzioni AIOps di ScienceLogic. Il prossimo passo sarà rappresentato dai servizi a valore aggiunto per i clienti. Per esempio, i chatbot della customer care possono essere resi più intelligenti e reattivi utilizzando i dati, le analisi e le previsioni che emergono dai suoi sistemi AIOps.

L’AIOps e i vendor di servizi gestiti

Ma per vedere il pieno potenziale dell’AIOps, bisogna guardare all’interno del settore dei vendor di servizi gestiti (MSP).

“È probabilmente la parte più grande del mercato in questo momento”, dichiara Justin Richie, data science director di Nerdery, una società di consulenza per i servizi digitali. “Stanno sicuramente cercando di investire nel supporto algoritmico. Sanno che, al di fuori dell’hardware, la loro spesa maggiore è il capitale umano”.

Per gli MSP, AIOps significa maggiore efficienza, costi più bassi e tempi di risoluzione più rapidi, tutti fattori di differenziazione competitiva significativi in questo settore.

“È una metà della nostra proposta di valore per AIOps”, afferma Raghu Kamath, vice president senior per la strategia e le operazioni di NetEnrich, MSP con sede a San Jose, che ha implementato AIOps su oltre 1.000 clienti. “Abbiamo iniziato ad adottarlo per alcuni, per poi estenderlo gradualmente a tutta la nostra customer base negli ultimi dodici mesi. Ora, oltre il 50% dei nostri clienti è sulla piattaforma AIOps”.

Uno dei vantaggi più evidenti e immediati per NetEnrich è stata la riduzione dei falsi allarmi, che creano lavoro inutile per i dipendenti e rallentano i tempi di risposta per i clienti.

“Il nostro tempo di risposta per rilevare e intervenire è diminuito: mediamente del 30% dopo l’implementazione di AIOps”, tiene a precisare Kamath. “E continuerà a migliorare via via che diventerà più maturo e porterà più modelli di inferenza”.

Poiché NetEnrich utilizza AIOps in molti ambienti diversi, Kamath ha una prospettiva unica sulla tecnologia. Innanzitutto, ha scoperto che più l’ambiente è omogeneo, più è facile implementarlo.

“Diventa molto più complesso quando si inizia a integrare tutti questi ambienti differenti”, sottolinea.

Inoltre, i clienti che utilizzano infrastrutture cloud pubbliche hanno un vantaggio perché gli ambienti sono più coerenti. Tuttavia, ci sono ostacoli occasionali nel convincere i vendor di cloud ad aprire i loro sistemi.

“Ma i fornitori di cloud pubblico stanno cambiando la loro posizione”, spiega. “Se si considera la quantità di dati a cui si aveva accesso due anni fa, ora la situazione è molto migliorata”.

Sfruttare l’AIOps per le applicazioni e l’hardware legacy è difficile, dice Kamath. “Se non si dispone di un numero sufficiente di registri, diventa piuttosto complicato dedurre qualcosa. Ecco perché incoraggiamo i nostri clienti ad accelerare la trasformazione digitale e a modernizzare le applicazioni”.

Per saperne di più sull’IA e sull’apprendimento automatico:

• Guida pratica all’apprendimento automatico in azienda [in inglese]
• Riqualificare l’IT per l’era dell’IA [in inglese]
• 9 progetti IT pronti per l’apprendimento automatico [in inglese]
• Il futuro dell’ERP è l’intelligenza artificiale [in inglese]
• 5 tendenze dell’intelligenza artificiale che domineranno nel 2018 [in inglese]
• 6 segreti per strategie di successo sui chatbot [in inglese]
• Come l’IA sta rivoluzionando la produttività aziendale [in inglese]
• Storie di successo dell’apprendimento automatico: uno sguardo dall’interno [in inglese]
• 9 miti sull’apprendimento automatico [in inglese]
• 10 segnali che siete pronti per l’IA – ma potreste non avere successo [in inglese]