見逃せない AIOps 実装の重要なポイントを解説するガイド

[[280530]]

[51CTO.com クイック翻訳] システムの効率性と複雑さが増すにつれて、サービスをホストするために使用する IT 環境も非常に複雑になっています。多くの企業がマイクロサービスとコンテナ化に移行するにつれて、既存のアプリケーションにさらに多くのサービス コンポーネントが追加されています。したがって、さまざまなコンポーネント間の機能と関係をどのように管理および調整するかは、明らかに私たちが直面して対処しなければならない大きな課題です。

ほとんどの企業では、IT 運用 (IT Ops) チームが上記のような複雑な状況に対処するのに苦労しており、より実用的な情報や管理リソースを入手するのが困難になっています。ここでまさに、人工知能を活用した IT 運用 (AIOps) が役に立ちます。 AIOps は、ビッグデータ、データ分析、機械学習などのテクノロジーによって提供される高度なカスタマイズされたサービスを通じて、今日の一般的なインフラストラクチャに対して包括的かつ詳細な価値あるサポートを提供できます。

AIOps の実装に関連する重要な知識ポイントを見てみましょう。

AIOps を理解する

現在、自動化ツールは数多く存在しますが、IT 運用チームは効率性の向上によるメリットを享受できていません。これらのツールはまだデータに基づいて自動的に判断することができないため、手動での操作とメンテナンスの作業負荷は依然として非常に大きいです。

AIOps は、データ分析を IT 運用に統合するより洗練された方法を提供します。組織の目標に基づいてスケーラブルなワークフローをより適切にサポートできます。

AIOps プラットフォームのさまざまな技術コンポーネント

AIOps のさまざまなユースケース

異常検出– 最も基本的な検出方法として、データに異常が検出された場合にのみ修復アクションがトリガーされます。

原因と結果の分析- 問題を迅速かつ効率的に解決するために、AIOps はオンデマンドで根本原因分析を実行できます。

予測— AIOps は、サポートされているツールを使用して将来について自動的に予測を行うことができます。たとえば、ユーザー トラフィックがいつどのように変化するかを把握し、問題を解決するために対応できます。

アラート管理- 人間の介入なしにインテリジェントな修復とクローズドループ修復を自動化します。

AIOpsとDevOpsのバランスをとる

ご存知のとおり、DevOps は多くの企業に文化的な変化をもたらしており、AIOps も同様の効果をもたらします。 AIOps は、企業が相互接続されながらも分散しているさまざまなデータから潜在的な洞察を発見できるようにすることで、企業の意思決定の自動化をより俊敏かつ正確なものにします。

企業にとって、長年続いている情報サイロ状態を解消することは非常に重要です。企業は、自社のシステムによって生成されたデータが、単一の部門や事業に限定されず、グローバルに観測可能であることを望んでいます。

さらに、AIOps を通じて、IT 運用マネージャーの従来の機能は、システム サイト信頼性エンジニア (Site Reliability Engineer) の役割に徐々に変化していきます。これにより、手元にある情報を活用し、遭遇するさまざまな問題をより効果的に解決できるようになります。

AIOps と DevOps の両方の目標は組織のサービスを改善し、全体的な生産性を高めることですが、AIOps は生産性を妨げる干渉要因を減らすことで、さまざまな DevOps プラクティスの効率を向上させることもできます。たとえば、AIOps を使用すると、さまざまなプラットフォームからの誤ったアラームや通知の数を効果的に減らすことができるため、DevOps エンジニアは限られたエネルギーを実際の障害の問題に集中しやすくなります。 AIOps は、DevOps エンジニアとその企業目標のために、少ない労力でより多くの成果を達成できると言っても過言ではありません。

AIOps と時間管理

企業開発チームの規模が大きくても小さくても、常に「時間が迫っている、緊急のタスクがある」といった共通の問題に直面します。幸いなことに、機械学習モデルの作成でもデータの処理でも、AIOps はデータを柔軟に取得し、大量の新しい情報を処理することで、限られた時間内に膨大なタスクを完了するのに役立ちます。

これまで、企業は高品質なデータの重要性を十分に認識していたものの、その複雑さに直面した際に、従来のデータ分析では解釈、検証、さらには活用することさえできないことが多々ありました。 KPMG の調査によると、CEO の 67% は、コンピューター駆動型モデルやデータ分析によって得られる洞察や判断が自分のアイデアや経験と一致しないため、選択的に無視せざるを得ない状況にあります。

現在、AIOps はトレーニング済みの機械学習アルゴリズムを活用して、高品質のデータを「リアルタイム」でキャプチャおよび維持し、既存のさまざまなユースケースにわたって高速かつ正確な処理を実現しています。たとえば、異常なサービス状態を検出するユースケースでは、エラー コードと情報を迅速に識別することが重要になることがよくあります。特に、システム セキュリティの脆弱性を防ぐシナリオでは、AIOps は、問題に対するさまざまな代替ソリューションを可能な限り最速で見つけるための自動化された正確な方法を運用チームに提供できます。

AIOpsの人気の高まり

もちろん、データを持っていることと、それを効果的に使用できることは別のことです。実際のアプリケーションでは、企業は関連する機械学習テクノロジーを使用して、ターゲットアプリケーションと対応するプラットフォームを自動的に拡張する必要があることがよくあります。

MarketsandMarkets（https://www.marketsandmarkets.com/PressReleases/aiops-platform.asp）によると、AIOpsプラットフォームの企業導入の成長率は来年34％に達し、現在のコンバージョン率の需要も増加し続けています。 AIOps により、リソースの負担を増やすことなく、企業の柔軟性が向上し、応答性が強化されます。 AIOps は、高度にデジタル化された時代に欠かせないツールになりつつあると言えます。

AIOpsの実装

業務に AIOps モデルを導入したいと考える企業が増えるにつれ、企業が直面する問題は、ビジネス ニーズに適応する方法で AIOps モデルを受け入れる方法になります。 AIOps の実装に関して、いくつかの重要なポイントをご紹介します。

• 実装チームは、関連テクノロジーをより適切に適用するために、人工知能と機械学習の基礎を理解する必要があります。
• 調査を通じて、オペレーターの日常業務の中で最も時間のかかるタスクが判明しました。特に、効果的に自動化する必要がある反復的なタスクでは、ワークロードを軽減するために AIOps の介入が必要になることがよくあります。
• 一度にあまり多くの領域をカバーしないようにしてください。優先度の高いタスクから、小さなことから始めることができます。良好なフィードバックが得られれば、タイムリーな評価を通じて、テクノロジーの使用事例を他の分野やタスクの解決に役立てることができます。
• さまざまなデータに AIOps を採用します。この移行の実装には、予想よりも時間がかかるかもしれませんが、現在のシステムについてより深い洞察が得られます。さらに、パラメータを適切に定義し、メトリックをタイムリーに評価することで、AIOps の取り組みが組織の目標と一致していることを保証できます。

アプリケーションの成熟度の観点から

ほとんどの組織、特に IT リーダーは、複雑なイベントやタスクを自動化することで、さまざまなアラートの数を減らし、サービスの中断やダウンタイムのコストを削減することに関心を持っています。 AIOps の採用と実装に関しては、組織によって目標が異なる場合があります。ただし、通常、ターゲット システムに対するより包括的な可視性と、実稼働環境に対するより効率的な運用処理機能を求めています。

下の図は 5 段階の成熟モデルを示しています。このモデルは、組織が監視および自動化プロセスのどこにいるのかを判断するのに役立ちます。

出典: ScienceLogic

実際、AIOps は長期的な目標を持ち、マイクロサービス駆動型アプリケーションに適用するユーザーに主に適しています。つまり、AIOps は、現在の運用プロセスを改善するだけでなく、組織内の情報の流れを確保して全体的なアーキテクチャとビジネスの目標を満たすことを目的としています。運用チームは、現在のアプリケーションの観点から始めて、アーキテクチャ チーム、さらにはクラウド サポート チームと連携し、スタック全体をどのように認識するかを再考する必要があります。さらに、これはマイクロサービスを使用して構築されたアプリケーションにとって特に重要です。同時に、企業はさまざまな運用機能を再設計してアプリケーション層のアーキテクチャ特性を深く理解し、適切なデータが自動的にアプリケーション開発者に流れ、さまざまな必要な洞察を提供できるようにする必要があります。

要約する

現在、多くの企業が AIOps 運用モデルを試験的に導入していますが、実際の導入においては多くの問題にも遭遇しています。上記の提案が、AIOps へのスムーズな移行を実現し、AIOps の可能性を最大限に引き出すのに役立つことを願っています。

原題: AIOps の最も重要な要素、著者: Rahul Singh

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]