Author(s): Sathyan Sethumadhavan
Awalnya diterbitkan di Towards AI the World’s Leading AI and Technology News and Media Company. Jika Anda membuat produk atau layanan terkait AI, kami mengundang Anda untuk mempertimbangkan menjadi sponsor AI. Di Towards AI, kami membantu menskalakan AI dan startup teknologi. Biarkan kami membantu Anda melepaskan teknologi Anda kepada massa.
Operasi AI untuk Praktik TI Baru [Image by Freepik>
AIOps is an emerging IT practice of applying analytics and machine learning to IT operations that enables reduced MTTR [Mean Time To Respond], analisis prediktif, pemantauan kinerja proaktif, dan memberikan wawasan yang dapat ditindaklanjuti untuk pengambilan keputusan yang lebih cepat. Selain meningkatkan efisiensi operasional TI, solusi AIOps dapat memberikan manfaat transformatif bagi TI dan bisnis karena didefinisikan sebagai pusat kendali dan komando misi generasi berikutnya dengan kecerdasan prediktif untuk banyak operasi TI dan bisnis. Selain itu, organisasi atau perusahaan rintisan yang memprioritaskan kelincahan sebagai intinya akan memerlukan tingkat kesementaraan yang tinggi dalam operasi TI mereka. Implementasi AIOps memungkinkan platform modern untuk menangkap aliran data multidimensi seperti operasi aplikasi, DevOps, operasi keamanan, operasi infrastruktur, dan manajemen layanan. Dengan demikian, bisnis dapat beroperasi lebih efisien dan efektif, yang merupakan kunci bagi banyak organisasi saat ini.
Pengadopsi awal
Menurut penelitian dari IDC, perusahaan berukuran sedang dengan 250–1000 karyawan adalah yang paling agresif dalam mengadopsi AI. Selain itu, diperkirakan juga bahwa 75% organisasi TI global akan mengadopsi operasi otomatis untuk mendukung operasi just-in-time, dan proliferasi data pada skala yang belum pernah terjadi sebelumnya. Selain itu, pandemi menggarisbawahi pentingnya penerapan AIOps untuk setiap industri, terutama sampai batas tertentu. Layanan keuangan, ritel, media, dan perawatan kesehatan mendorong permintaan adopsi AIOps karena data sekarang harus tersedia di semua platform pengalaman pelanggan.
Wilayah APAC, khususnya, adalah pemimpin dalam banyak industri, seperti pusat kontak, manufaktur, layanan pelanggan, dan layanan keuangan. Agar tetap menjadi pemimpin di sektor ini, data yang aman harus tersedia di mana saja, dan otomatisasi harus diperlakukan sebagai disiplin kelas satu. Operasi adopsi membantu menciptakan efisiensi dan menyatukan platform dengan bakat. Kasus penggunaan AIOps juga akan menjangkau semua industri di masa mendatang karena fase selanjutnya beralih dari cloud ke edge computing. Kasus penggunaan awal AIOps meliputi analisis prediktif, deteksi anomali, peringatan cerdas, pemrosesan bahasa alami [NLP]dan analisis korelasi/kelompok, yang memberikan manfaat instan dan metrik kuantitatif dalam bentuk KPI pengalaman pelanggan.
Mitos dan Kesalahpahaman
Di dunia saat ini, sementara banyak pemimpin TI sedang mempertimbangkan penerapan AIOps untuk mengaktifkan pendekatan proaktif terhadap kinerja, mereka juga harus mempertimbangkan tantangan yang datang dengan penerapan AIOps — Seperti merangkul proses bisnis baru, menguasai keterampilan baru, dan mengintegrasikan platform yang lebih baru ke dalam sistem perusahaan . Namun, ini adalah beberapa mitos umum tentang AIOps:
Dengan menerapkan AIOps, keputusan otonom dibuat oleh mesin.
Ini memungkinkan manusia untuk menginterpretasikan data lebih cepat dengan mendeteksi anomali, menyoroti pola/tren, dan kemungkinan menemukan akar penyebabnya. Masih jauh bagi mesin untuk membuat keputusan otonom karena memerlukan kemajuan dalam kemampuan observasi, remediasi otomatis, dan otomatisasi alur kerja.
Di AIOps, manusia digantikan oleh robot untuk menyelesaikan proses bisnis
Hanya melalui penghapusan tugas-tugas biasa, berulang-ulang, dan penanganan tugas-tugas rutin reguler, robot membuat dampak — dirancang untuk meningkatkan manusia dan memungkinkan mereka mengalihkan perhatian mereka ke tugas-tugas bernilai lebih tinggi dengan efisiensi dan kreativitas yang lebih baik.
AIOps digunakan untuk operasi skala besar
Solusi AIOps membantu membangun lini produk yang mendukung AI dari awal hingga akhir menggunakan sistem dan kerangka kerja yang terdefinisi dengan baik. Terlepas dari ukurannya, ini memungkinkan ketangkasan bisnis, waktu ke pasar, dan layanan bersama untuk semua fungsi, mulai dari ide produk hingga produksi aplikasi.
Manfaat AIOps
Dengan menerapkan AIOps, kita dapat secara proaktif mencegah kegagalan dan menyelesaikan masalah sebelum terjadi. Data, orang, proses, produk, dan platform semuanya harus menjadi bagian dari strategi AIOps organisasi agar dapat bermanfaat sepenuhnya. Strategi tersebut juga harus mencakup tiga bidang utama:
Kemampuan organisasi untuk skala dan tata kelola AI Kompetensi operasional untuk manajemen siklus hidup Modernisasi platform analitik untuk kemajuan teknologi
Karena AIOps digerakkan oleh data, data di seluruh organisasi harus diserap ke dalam platform data lake pusat. Misalnya, untuk menganalisis gangguan, data dari aplikasi, jaringan, komputasi, dan keamanan harus disertakan untuk menciptakan ketertelusuran. Selain itu, di seluruh organisasi, pemangku kepentingan perlu diberi tahu tentang proses transformasi, pola pikir berbasis data, AIOps sebagai pendukung, dan peta jalan untuk peningkatan keterampilan, sehingga simfoni antara berbagai departemen dan individu dapat dipahami dengan jelas. Strategi implementasi harus dimulai dengan mengidentifikasi pernyataan masalah yang bernilai tinggi, tidak terlalu rumit, dan mudah diusahakan bersama dengan peta jalan untuk peningkatan berkelanjutan.
Berikutnya untuk AIOps
Menurut The Insight Partner, pasar AIOps diperkirakan tumbuh pada CAGR 32,2% dari tahun 2021 hingga 2028. Di dunia saat ini, AIOps sebagian besar berfokus pada deteksi, analisis akar masalah, dan rekomendasi. Solusi AIOps masa depan akan berfokus pada struktur data, seperti data dengan otomatisasi, garis keturunan, keamanan, tata kelola, dan akses, serta kemampuan observasi, komputasi tepi, dan otomatisasi hiper.
Ini akan membuka jalan menuju wawasan AI yang dapat ditindaklanjuti, memitigasi risiko dengan penjelasan, dan menskalakan operasi untuk mendukung kelincahan bisnis.
AIOPS awalnya diterbitkan di Towards AI on Medium, di mana orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.
Diterbitkan melalui Menuju AI
