AIOpsを始める前に知っておくべきこと

AIOps は、その優れたパフォーマンスにより、業界で幅広い注目と支持を集めています。AIOps が、AI のサポートにより、インフラストラクチャ運用の分野におけるさまざまな一般的な問題を効率的に発見して対処するための新たな扉を開く可能性があることを証明する十分な理由があります。

[[389526]]

AIOps (人工知能と運用) とは、IT 運用に AI アルゴリズムを導入して、ネットワーク内のデータの増加と複雑さの問題を解決し、厳しい IT 予算による長期的なプレッシャーを軽減することを指します。 AIOps ソリューションは、Google マップや Uber の乗車料金予測モデルと同じ機械学習と高度な分析テクノロジーを使用して、ユーザーが問題を感じたり認識したりする前に、IT 部門がインフラストラクチャの問題を積極的に予測して修復できるようにします。

このような AI 自己修復ネットワークでは、ユーザーは安定したパフォーマンスを体験でき、企業は「安定性を維持する」ために貴重な IT リソースを大量に投資する必要がなくなります。 AIOps は、ワイヤレス ネットワーク操作の速度と信頼性を確保するのに特に効果的です。今日、Wi-Fi は、水道、電気、照明などの基本的なセキュリティ システムとともに、私たちの日常生活に欠かせないものになっています。モバイル性が高まり、アプリケーション主導となったこの時代において、企業はワイヤレス ネットワークに基づいて消費者や社内従業員向けのサービス ポートフォリオを設計および構築し始めています。その結果、ワイヤレス ネットワーク接続は、これまで以上に予測可能、定量化可能、管理可能でなければなりません。

言い換えれば、企業は、ワイヤレス ネットワークを流れる PB レベルのデータに対する可視性を高め、得られた洞察に基づいてインフラストラクチャをリアルタイム、プロアクティブ、または自動的に調整し、ユーザー エクスペリエンスに影響を与える障害やパフォーマンス最適化の問題を回避する必要があります。企業は、この新しい自己運用ネットワークを実装するための基盤として AIOps をどのように活用できるでしょうか。ここでは、始めるための 5 つの優先事項を紹介します。

まず、真の AI ソリューションを選択します。

自動運転車や医療診断における AI システムと同様に、IT 運用における真の AI は、時間の経過とともにより多くのデータを分析し、よりスマートになり、ネットワークの問題を自動的に監視して修正する能力を継続的に向上させる必要があります。

現在市場に出回っている多くの AI ソリューションは、本質的には単なる高度なデータ収集や数値計算を行う製品です。統計データを効率的に収集・分析できるものの、実際に使われている基盤となるAI技術は自動運転車のそれとは異なります。したがって、企業は、選択した AIOps プラットフォームを慎重に検討し、次の要素が含まれていることを確認する必要があります。1. データ パイプライン: 複数のデータ ソースからデータを取得するためのサポート。2. AI プリミティブ: データにドメイン固有の専門知識を追加する機能。3. データ サイエンス アルゴリズム ライブラリ: ツールボックスにディープ ラーニング オプションを提供。4. 使いやすいユーザー インターフェイス: ビジネス従業員がすぐに使用できるソリューションだけが、データ サイエンスを普及させるための実行可能なキャリアです。5. CIO にとって、さまざまなプラットフォームの違いを理解し、AIOps をネットワーク自動化操作に組み込む戦略を策定することが非常に重要です。

2番目は、データの調整です。

高品質の AI モデルは、クリーンかつ統合されたデータから切り離すことはできません。 AI システムはデータを分析し、そこからさまざまな特徴を学習する必要があります。ただし、企業全体の WLAN、WAN、ルーター、ファイアウォールなどの要素間でデータを共有および関連付けることができなければ、正確で信頼性の高いモデル ソリューションは得られません。したがって、企業は IT スタック全体のすべてのデータ サイロを排除し、複数の異なるシステムを統一されたデータ共有エンティティに統合する必要があります。

3番目に、適切なスキルセットを構築します。

AIOps は、IT 担当者にとって大きな変化を意味します。構成ボックスのコマンド ライン インターフェイスから、データから洞察を得るための API プログラミング モデルまで、社内従業員のこれまでの作業習慣に疑問を投げかけます。従来、ほとんどのネットワーク管理者に対するトレーニングの大部分は、ハードウェアの構成に重点を置いていました。しかし、AIOps の場合、これでは十分ではありません。労働者は、さまざまなデバイスからデータを取得し、それを AI システムで使用できる共通の相互運用可能な形式に変換するために、より幅広いスキルセットを必要とします。

CIO やその他の企業幹部は、その違いを理解し、採用、任命、再訓練において適切な調整を行う必要があります。つまり、基盤となる強力な開発スキルがなければ、AIOps は本来の役割を果たすことができません。

4 番目に、AIOps と分散ソフトウェア クラウド アーキテクチャの密接な関係を理解し​​ます。

一般的によく知られているクラウドホスト型エンドポイント テクノロジーの第 1 世代は、基本的に、組み込みソフトウェア アーキテクチャを備えたローカル コントローラーで構成されています。この構造により、ワイヤレス ネットワークの展開と管理が容易になりますが、将来の自律ネットワークでは、いつでも新しい AI モデルを追加できるように、分散クラウド ソフトウェア アーキテクチャのサポートが必要になります。

この観点から、AIOps の導入を検討している企業は、ネットワークのすべてのレベルで新しいアルゴリズムを適用し、部門間の可視性を実現し、修復や新機能を迅速に実装できる分散型マイクロサービス アーキテクチャを推進する必要があります。

5番目に、クラウド コンピューティングを採用します。

企業は営業、人事、財務などの業務領域でクラウド要素を積極的に導入し始めていますが、ネットワークレベルでのクラウドアップグレードの速度は比較的遅いです。 CIO は、クラウドが AIOps にとって最適なパートナーであることを認識する必要があります。クラウド コンピューティングは、ワイヤレス ネットワーク データから実用的な洞察を抽出して推論するための、高度にスケーラブルなインフラストラクチャを提供します。

これら 5 つの基本的なステップを通じて、企業は AIOps の力を最大限に活用し、操作が簡単でユーザーフレンドリーな自律ネットワーク システムを構築できるようになります。