La visibilidad tradicional, también conocida como Monitorización 1.0, gira en torno a la información. Las sondas, los agentes, los registros y las trazas proporcionan una gran cantidad de datos sobre la salud digital. Estos proceden de los sistemas, la infraestructura, la red y las plataformas. Se generan en tiempo real y durante el posprocesamiento. Se producen en grandes cantidades, que hoy ya no se miden en KB, sino en GB.
Sinceramente, tenemos datos de sobra.
Lo que no tenemos es el resultado de esos datos; no siempre contamos con la información necesaria para tomar medidas correctivas eficaces.
Con demasiada frecuencia, solo disponemos de indicadores de estado binarios. El rojo indica que algo va mal. El verde, que todo va bien. E incluso cuando sabemos que hay un problema, no contamos con información suficiente para determinar dónde se originó. Sí, la aplicación A tiene un rendimiento deficiente y los usuarios se quejan. Pero ¿por qué? ¿Es la red? ¿Su dispositivo? ¿La plataforma? ¿El entorno de orquestación?
Incluso suponiendo que averigüemos rápidamente que el problema está en la red, no se nos ofrece ninguna información sobre por qué está tan congestionada. ¿Hay demasiados usuarios? ¿Alguien ha lanzado una oferta hoy? ¿Es algo estacional? ¿Se debe a una actualización reciente?
Las variables son numerosas y hay mucho en juego. No abordar el problema de una mala experiencia de usuario puede provocar una disminución de los ingresos, el abandono de aplicaciones y la pérdida de reputación. Cuando un negocio es digital, su rendimiento se ve afectado por las condiciones del entorno digital.
Esta es la realidad que nos impulsa hacia la observabilidad y, más allá, hacia AIOps. La observabilidad, también conocida como Monitorización 2.0, supone un importante avance en este recorrido tecnológico para los operadores y las empresas digitales, que buscan comprender y estabilizar la relación entre la experiencia del usuario y los resultados empresariales. Pero esto es solo la mitad de la batalla; la otra mitad implica análisis y automatización.
Observabilidad, analítica y automatización
La observabilidad es mucho más que una «mejor visibilidad». Es la capacidad de ofrecer una imagen de lo que ocurre en el sistema en su conjunto. No se trata simplemente de un panel repleto de gráficos coloridos sobre el rendimiento de la red, la infraestructura y las aplicaciones. Es un esfuerzo coordinado por correlacionar todos los datos disponibles sobre la salud digital para ofrecer una visión integral de cómo está funcionando la experiencia del usuario en este preciso momento. Es el motor que impulsa las plataformas de datos operativos y una parte considerable de la actividad del mercado, ya que los proveedores se posicionan para hacerse con el codiciado título de «plataforma de datos operativos» en todas las empresas.
Pero incluso lograrlo nos obliga a seguir lidiando con los problemas que inevitablemente surgen. Si conocer la experiencia del usuario es la mitad de la batalla, la otra mitad consiste en averiguar por qué y actuar en consecuencia.
El problema, por supuesto, es la incómoda realidad de que casi ninguna organización dispone de la información que necesita para ofrecer una experiencia digital extraordinaria. Los análisis tradicionales se basan en consultas predefinidas que no pueden identificar relaciones ni reconocer patrones en los datos capaces de revelar esa información que falta. El aprendizaje automático ofrece una solución, ya que permite procesar enormes volúmenes de datos y descubrir la información necesaria para abordar la causa raíz de la degradación del rendimiento o detectar un ataque antes de que sature los servicios o consiga acceder a ellos.
Tampoco basta con disponer de esa información. También es importante poder actuar rápidamente a partir de ella para mejorar el rendimiento o detener un ataque. Introducir revisiones y aprobaciones manuales para realizar cambios en las políticas obstaculiza la agilidad de la organización a la hora de afrontar problemas o ataques.
Debemos confiar en la capacidad de procesamiento para reaccionar a tiempo a la información obtenida mediante la telemetría. Responder cinco minutos después de que comience un ataque podría ser demasiado tarde. Dos minutos después de una degradación del rendimiento es sin duda demasiado tarde, dada la impaciencia de los consumidores habituales. Hemos diseñado los sistemas informáticos para que sean sumamente eficientes al procesar datos. Tengamos en cuenta que «tanto en lo que respecta a los impulsos como a la transmisión sináptica, el cerebro puede realizar como máximo unas mil operaciones básicas por segundo, es decir, es 10 millones de veces más lento que un ordenador». (Fuente: Nautilus) Debemos aprovechar esa capacidad para contrarrestar la ralentización que introducen los pasos manuales en un proceso que, por lo demás, está automatizado.
Si compitieras en las 500 Millas de Daytona, no te detendrías en la última curva para empujar el coche durante el resto de la vuelta, ¿verdad? Al no adoptar un sistema totalmente autónomo, eso es precisamente lo que estamos haciendo con las experiencias digitales.
Hace tiempo que confiamos en los sistemas para escalar automáticamente los servicios y, en el futuro, aprenderemos a confiar en ellos para que adopten medidas correctivas que protejan los servicios y los datos y garanticen una experiencia digital extraordinaria a los consumidores. Más de la mitad (52 %) de los responsables de la toma de decisiones de TI coinciden en que esta capacidad, conocida habitualmente como AIOps, tendrá un impacto estratégico en su organización.
Este es un plan de acción plenamente operativo para la experiencia digital: un enfoque operativo automatizado y de circuito cerrado, impulsado por los datos recopilados en cada capa de la pila tecnológica.
Hay retos. No nos engañemos: no se trata de una solución sencilla ni de algo que pueda adquirirse listo para usar e implementarse sin más. La observabilidad de toda la pila —la capacidad de recopilar telemetría de todos los componentes, desde la red hasta la infraestructura y desde las tecnologías de seguridad y entrega hasta la aplicación— no es tan sencilla como los proveedores de monitorización tradicionales quisieran hacer creer. Los enfoques convencionales basados en agentes y sondas no son eficientes ni rentables en una arquitectura en la que la nube distribuida será la norma. Las capacidades nativas de generación de telemetría —como las que se consiguen mediante la adopción de Open Telemetry— serán la mejor forma de lograr la observabilidad de toda la pila que necesitan los análisis basados en aprendizaje automático para generar de forma rápida y precisa información práctica que se ajuste a los resultados empresariales deseados.
La automatización también tiene aún un largo camino por recorrer. Dado que actualmente poco más de la mitad (52 %) de las organizaciones tratan la infraestructura como código, está claro que muchas empresas todavía no han apostado plenamente por la automatización. Sin embargo, esta capacidad se encuentra en la ruta crítica. Sin ella, el bucle cerrado puede funcionar, pero ¿a qué precio? La resistencia que introducen las operaciones manuales en este bucle de retroalimentación provocará retrasos que podrían costarle a la empresa clientes, reputación o datos valiosos.
Transformación digital y arquitectura empresarial
Actualmente, la mayoría de las organizaciones se encuentran en la segunda y tercera fases de la transformación digital. Impulsadas por la necesidad de avanzar más rápido debido a la pandemia mundial, muchas han tomado decisiones tácticas que ahora deben integrarse en un enfoque estratégico que las prepare para seguir avanzando en su proceso de transformación digital.
Un enfoque estratégico es aquel que persigue el objetivo de crear un ciclo cerrado que abarque desde la observabilidad hasta la obtención de información y la automatización. Forma parte de un enfoque que denominamos «aplicaciones adaptativas»; un enfoque que ofrece a los directores de TI un modelo arquitectónico para modernizar la arquitectura empresarial, de modo que el departamento de TI pueda cerrar el ciclo y permitir que la empresa opere como un negocio totalmente digital.
Sobre el autor
Lori MacVittie es ingeniera distinguida y evangelista jefe en la Oficina del CTO de F5, y cuenta con una amplia experiencia en entrega de aplicaciones, estrategia de automatización e infraestructura. Es conocida por convertir la complejidad en claridad, ya sea definiendo mecanismos de protección para agentes de IA, analizando arquitecturas multinube frágiles o explorando los límites de los sistemas escalables. Aporta más de treinta años de experiencia en el sector en desarrollo de aplicaciones, arquitectura de TI y operaciones de redes y sistemas. Antes de incorporarse a F5, fue una galardonada editora de tecnología. MacVittie posee un máster en Informática y es una autora prolífica cuyas publicaciones abarcan la seguridad, la nube y la arquitectura empresarial. También es una apasionada de los juegos de mesa y los videojuegos, y expresa sin complejos sus firmes opiniones sobre el queso.
Más artículos de Lori Mac VittieArtículos relacionados del blog
Proteger los endpoints de las API dificulta la seguridad de las API
Descubre las complejidades de la seguridad de las API, los retos a los que se enfrentan las organizaciones, la evolución de los ataques contra endpoints de API y la necesidad de políticas de seguridad adaptadas.
¿Qué es el sesgo de la IA y por qué es importante para TI?
Descubre los fundamentos del aprendizaje de la IA. Aprende cómo pueden surgir sesgos en la IA y qué riesgos plantean para las TI y la transformación digital.
Redefiniendo la ciberseguridad en el extremo de la nube distribuida con IA y telemetría en tiempo real
La transformación digital y la adopción de tecnologías en la nube están provocando cambios en las arquitecturas de las aplicaciones. Estos cambios introducen nuevas superficies de ataque, que son el objetivo de métodos de ataque avanzados, altamente organizados y con motivaciones económicas. Mediante el uso del framework Morpheus de NVIDIA, F5 está investigando técnicas para detectar estas amenazas avanzadas con telemetría en tiempo real y análisis basados en IA.
El papel de la nube en las aplicaciones nativas del edge
No debería sorprender que, al igual que la aparición de la nube dio lugar a las aplicaciones nativas de la nube, el edge esté impulsando un conjunto de aplicaciones nativas del edge. Sin embargo, estas aplicaciones no residirán únicamente en el edge. Al mismo tiempo, están surgiendo nuevos patrones arquitectónicos que aprovechan las aplicaciones alojadas en la nube y en el centro de datos.
La creciente diversidad de ubicaciones y usuarios está impulsando a las empresas hacia el edge
En el contexto del ámbito de las aplicaciones, el término «usuario» siempre se ha referido a la entidad que interactúa con una aplicación. Del mismo modo que los cambios en las arquitecturas de las aplicaciones impulsan cambios en las tecnologías que permiten ofrecerlas y protegerlas, los cambios en la definición de usuario han provocado cambios en los lugares donde se despliegan las aplicaciones.
El edge está impulsando un renacimiento de las infraestructuras
A medida que las organizaciones aumentan la generación de datos y tratan de extraer valor empresarial de ellos, sin duda recurrirán a la analítica y la automatización basadas en la IA y el aprendizaje automático. Precisamente este tipo de cargas de trabajo son las que más se beneficiarían de una infraestructura optimizada y, sin embargo, hoy en día son las que menos probabilidades tienen de poder aprovecharla.