En el pasado, las organizaciones con mayor madurez digital utilizaban la automatización para ejecutar scripts basados en objetivos empresariales y operativos bien definidos, con el fin de realizar cambios de configuración y aplicar ajustes a las políticas. La introducción de la IA generativa ha dejado este enfoque prácticamente obsoleto, y ahora el nuevo objetivo es lograr un sistema más autónomo.
Esa es la conclusión a la que llego tras leer recientemente el informe Estado de la optimización de la nube 2024 de Intel, según el cual «el 60 % de los encuestados considera que el carácter autónomo de las herramientas de optimización es muy o extremadamente importante».
Si te preguntas qué son las herramientas de optimización, están relacionadas con los costes y, más concretamente, con alcanzar la máxima prioridad para 2024: «reducir los costes de la nube».
FinOps, básicamente.
Pero la autonomía no consiste únicamente en reducir costes en la nube. También implica eliminar las tareas operativas tediosas y aprovechar el potencial de la IA generativa para optimizar de forma autónoma tanto la entrega como la seguridad.
Al preguntarles cuál era el principal valor que esperaban obtener de la IA generativa, la respuesta más frecuente, tanto para la seguridad de las aplicaciones como para la entrega, fue la realización de ajustes autónomos.
- Seguridad: ajustar automáticamente las políticas de seguridad y generar configuraciones de seguridad en función de las amenazas detectadas
- Entrega: ajuste automático de las políticas de aplicaciones y API en función de los objetivos de nivel de servicio (SLO) para optimizar la entrega
En otras palabras, las empresas recurren a la IA generativa para llevar sus estrategias de automatización más allá de los scripts automatizados, hacia el ajuste autónomo y la generación de políticas que permitan gestionar los objetivos de seguridad, rendimiento y control de costes.
El estado de la automatización
Unas operaciones más autónomas pueden sonar un tanto futuristas e inalcanzables, pero los niveles de automatización que existen actualmente en las empresas son, en realidad, bastante impresionantes. Y más aún si tenemos en cuenta en qué punto de su proceso de automatización se encontraban las organizaciones el año pasado.
A finales de 2022, la mayoría de las organizaciones (el 52,5 %) seguía aplicando estrategias de automatización híbridas. Utilizaban scripts para realizar cambios de configuración e implementar políticas, pero los ejecutaban manualmente. Solo alrededor de una cuarta parte (el 25,4 %) utilizaba sistemas para iniciar scripts, mientras que un sorprendente 21,9 % no utilizaba ningún tipo de automatización.
Avancemos hasta finales de 2023: la mayoría de las organizaciones han logrado avances increíbles en su proceso de automatización.
Este año, menos de una de cada diez organizaciones (el 8,2 %) ignoraba la automatización, y el porcentaje de organizaciones que habían alcanzado el que era el nivel más alto de madurez (automatizado) casi se había duplicado.
Pero observarás que mi práctico gráfico tiene un nuevo objetivo: la autonomía.
Y eso se debe a que apareció la IA generativa y puso de manifiesto que el objetivo de lograr unas operaciones totalmente autónomas no solo era posible, sino también alcanzable. Esto se debe a que la IA generativa puede alucinar cuando se le plantean preguntas abiertas, pero ofrece buenos resultados cuando se centra en generar contenido estructurado, como configuraciones y código con esquemas y especificaciones sintácticas bien definidos. Y cuanto más lo hace, mejor se vuelve. Aprende, a su manera, y puede llegar a ser igual de competente a la hora de generar las políticas y configuraciones adecuadas para ajustar la infraestructura y los servicios de las aplicaciones con el fin de cumplir los objetivos de nivel de servicio definidos.
Y, según nuestra investigación, las organizaciones quieren conseguirlo. Probablemente porque los beneficios que obtienen de sus iniciativas de automatización son mayores cuando aprovechan la automatización al máximo.
Pero toda esta automatización debe estar impulsada por algo. Algo concreto. Algo medible. Algo que permita actuar.
Ese algo son los datos. La telemetría, en concreto, generada por los sistemas y servicios que sustentan las aplicaciones y API cuyo rendimiento, disponibilidad y seguridad quieren garantizar las organizaciones.
Por eso, cuando hablamos de las seis capacidades técnicas clave que necesitan las organizaciones para acelerar la transformación digital, la automatización y la observabilidad se integran en un único ámbito. Porque la primera sin la segunda no es más que hacer conjeturas, y la segunda sin la primera no permite aprovechar la visibilidad que las organizaciones llevan décadas deseando.
Y todos esos datos, toda esa telemetría, también pueden alimentar los motores de IA predictiva que los analizarán y generarán información práctica para que la IA generativa pueda utilizarla para ajustar configuraciones y políticas de forma autónoma.
Ah, sí. Ahora todo empieza a encajar. AIOps es la próxima evolución de la automatización, y todo gracias a la IA generativa.
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.