AIOps の歴史、用途、そして将来

[[413083]]

今日のテクノロジー システムの管理と運用は人間だけでは管理するには複雑すぎるため、AIOps の導入は必須です。

AIOps を理解するには、人間が構築したテクノロジー システムは複雑になりすぎて、人間だけでは管理できなくなっているという考え方に移行すると役立ちます。

具体的には、企業の IT 運用の複雑さが飛躍的に増大し、人間を非常に混乱した状況に陥らせています。これは人間の知性の大きな皮肉です。人間は非常に高度な IT システムを構築したため、それを管理するのが人間の能力を超えています。

クラウド コンピューティング時代が到来する前は、企業が自社のデータ センターを監視するのは比較的簡単でした。いくつかの主要なデータ フィードにより、マシンのパフォーマンス (または非パフォーマンス) の概要が提供されます。 IT プロフェッショナルのチームが単独で管理しており、実際に何を行っているのか、何を気にしているのかを知っている人はほとんどいません。

しかしその後、クラウド コンピューティングが登場し、プライベート クラウド、パブリック クラウド、ハイブリッド クラウド、マルチ クラウドが誕生しました。これらはすべてクラウド ネイティブに移行しており、企業のコンテナーは仮想マシンと並行して実行できます。

企業は、マイクロサービスをサポートする Platform as a Service ハイブリッド クラウド プラットフォームである OpenShift を使用できます。これは、仮想化プラットフォーム上のコンテナ管理システムである企業の Tanzu 展開と相互運用される可能性があります。

同時に、データ分析は、人間が処理するには速すぎるため、分析にアルゴリズムが必要となるリアルタイムのストリーミング データに置き換えられつつあります。さらに、エッジ コンピューティング、IoT デバイス、膨大な数のスマートフォン (現在、世界中で約 35 億台、2023 年までに 43 億台に達すると予想されています) から発生する大量のデータもあります。

同社の IT システムはハッカーからの攻撃に常にさらされているため、人工知能技術の助けが必要です。

AIOpsとは

人間は素晴らしい創造力を持っていますが、人々を圧倒するITシステムも発明してきました。しかし、人間は元の IT システムの管理を支援する補助システムを作成できます。

採用された補助システムの名称は、人工知能とIT運用を組み合わせたAIOpsです。 AIOps という用語は、2017 年に調査会社 Gartner によって初めて作られました。

AIOps は「AI Operations」の略語と考える人もいるかもしれません。しかし、そうではありません。 Gartner は AIOps を「IT 運用のための AI」と定義していますが、この用語自体には IT について言及されていません。

いずれにせよ、ガートナーがこの用語を造っていなかったとしても、この技術に対する需要が非常に高かったため、IT 市場自体がこの用語を開発していたでしょう。つまり、AIOps は、今日の IT 運用システムとそれを管理しようとする人間を圧倒するほど急増しているデータ量に対処するのに役立ちます。

「ITOps でできる最善のことは、データ ポイントのサンプリングです」と、Sageable の創設者で Splunk の元チーフ テクノロジー アドボケートである Andi Mann 氏は説明します。問題は、人間が重要な情報を見逃したり、後で確認するために要約だけをまとめたりする可能性があることです。最悪の場合、システムが複雑になると、問題を発見するのが遅すぎて災害を防げなくなるリスクが生じる可能性があります。

マン氏は、対照的に、マシンにはこうした制限がなく、AIOps の原則と技術 (イベント相関、アルゴリズム処理、機械学習、予測分析など) を採用することで、マシンはあらゆるデータ ソースのすべてのバイトを読み取ることができ、サンプリングや集約なしにデータ ストリームから直接リアルタイムの情報を取得できると指摘しました。

AIOps は人工知能を活用して、企業に切望されているデジタル変革を推進します。 AIOps は、最も効果的な場合、手動ワークフローを人間と機械のデジタル プロセスに変換するのに役立ちます。少なくとも、それが希望です。

AIOps の用途

IT システムの管理と運用を改善するには、現在の問題にフラグを立てるだけでなく、将来の問題を先取りして予測することが必要であり、これが新興の AIOps テクノロジーの中核的な目標です。

「AIOps は、組織が問題解決へのアプローチをリアクティブから予測的、そして最終的にはプロアクティブに変革するのに役立ちます」と、BMC の最高製品責任者である Ali Siddiqui 氏は述べています。

BMC が委託した調査によると、AIOps 戦略を採用している企業における主なユースケースは次のとおりです。「AIOps は第 2 の目を提供し、AI ベースのパターン追跡は将来の予測に役立ちます。」

「AIOps は、サードパーティのソリューションを含む IT 環境全体で取り込まれたデータをフィルタリングして相関させることで、潜在的な問題がエンドユーザーに影響を与える実際の問題になる前に、積極的にフラグを立てることができます」と Siddiqui 氏は述べています。

AIOps は、その短い存続期間にもかかわらず、資金力のある多くの顧客を魅了してきました。 Splunk、BMC、NewRelic、IBM、BigPanda などのベンダーは激しい競争を繰り広げていますが、それには十分な理由があります。AIOps の世界市場は 2021 年には約 150 億ドルの価値があり、2026 年までに 400 億ドルに達すると予想されています。

AIOps の 2 つの将来的変革

AIOps はまだ導入の初期段階にあるため、将来的には大きな変化が予想されます。 AIOps に期待される 2 つの重要な変化のうち、1 つは非常に明白で予想されたものであり、もう 1 つはテクノロジーの理解方法の根本的な変化を表しています。

（１）変革１：AIアプリケーションが飛躍的に成長する

最初の変化は明らかです。単純な自動化と実際の AI の境界線は曖昧であり、多くの IT プロセスは自動化できます。たとえば、手動のスプレッドシートを使用するのではなく、事前に設定されたスケジュールに従ってシステムのアップグレードを自動化できます。

しかし、この自動化は真の人工知能ではありません。それは工場のロボットに相当するソフトウェアです。対照的に、AI ベースのシステムは独自に適応して応答します。ここで AI が重要な役割を果たします。 AI システムの自己学習は、人間がアルゴリズムをプログラムすれば、単純な自動化をはるかに超える大きな飛躍をもたらします。

そのため、AIOps は今後ますます多くの AI テクノロジーを採用し、IT システムに対するサポートを飛躍的に拡大していくことが期待されています。適切に調整された AIOps システムがあれば、大きな競争上の優位性が得られます。 AIOps を導入しない企業は、長期的には競争できなくなる可能性があります。

（２）変革２：AIOpsの意味が変わる

もちろん、「AIOps」という用語は時代遅れになるでしょう。すべての IT 運用に AI が組み込まれている必要があります。そうしないと、運用は存続できません。したがって、「Ops」の前の「AI」は不要になります。たとえば、現在、一部の自動車は「電気自動車」と呼ばれていますが、すべての自動車が電気自動車になると、自然に「電気」という言葉は省略されるでしょう。

しかし、AIOps における変化は用語の変化よりもはるかに大きくなります。ガートナー社がこの用語を作り出したとき、同社は AIOps を「IT 運用のための人工知能」の略として考えました。注目すべき点は、企業が IT 運用の実行専用の別個の AI システムを持つようになることを示唆しているということです。

時間が経つにつれて、この概念は古風なものに思えてくるでしょう。企業の IT システムが人事から販売、調達に至るまでの業務全体に統合されていることを考えると、AI 対応システムの IT 業務での使用が妨げられる可能性は低いでしょう。

AIOps という用語は、最終的に、当初から意味されるべきだった意味、つまり「IT 運用のための人工知能」ではなく「AI 運用」を意味するようになります。また、包括的な AI システムは、IT 運用の監視、ビジネス支出の予測、従業員の定着率の予測、マーケティング キャンペーンの分析に役立ちます。

Progress Software の CEO である Yogesh Gupta 氏は最近、人工知能に関するこのビジョンを概説しました。 「私にとって、AIOps はより広い意味を持つ言葉です」とグプタ氏は述べ、AI 運用は IT 運用だけではなく、「ビジネスのあらゆる側面に AI をどのように取り入れるか」に関するものであると指摘しました。これには、コアビジネス アプリケーションのセキュリティや、データ サイエンティストが使用する手法も含まれます。

このより広範な定義の出現は、長期的には、AIOps を使用する企業が複数のレベルで拡張できる AIOps システムを選択する必要があることを意味します。これにより、ネットワークやサーバーのパフォーマンスに関するデータをはるかに超えて、さまざまなビジネス プラクティスを促進できます。 2021 年になっても、AIOps とロボティック プロセス オートメーション (RPA) の融合が話題になっています。したがって、単一のシステムで企業の反復的なオフィス タスクを処理し、仮想マシンの健全性を監視することができます。

AIOps ベンダーがツールセットの進化に投資を増やしていることを考えると、このような変化は今後も増え続けることは間違いありません。では、AIOps がほぼすべてのビジネスおよび技術タスクをサポートするシステムとして認識されるまでには、どれくらいの時間がかかるのでしょうか?