A IA generativa deu um novo fôlego ao AIOps, mas é um erro acreditar que ela seja o único tipo de IA necessário para mantê-lo vivo no futuro.
Em 2022, a AIOps parecia ser uma tecnologia mantida por aparelhos. Quase todas as chamadas soluções de AIOps não passavam de um monitoramento tradicional turbinado. Os casos de uso aos quais a AIOps se destinava naquele momento eram banais e pouco contribuíam para avançar rumo a uma visão de aplicações adaptativas. Ou seja, incorporar inteligência e a capacidade de implementar mudanças em tempo real às operações.
Mas então a IA generativa entrou em cena e, de repente, o AIOps ganhou uma segunda chance. Só que não ganhou. Não de verdade.
Para entender o motivo, precisamos definir AIOps com base nos recursos que essa abordagem pretende oferecer.
O que é AIOps?
AIOps é um termo amplo geralmente usado para se referir ao uso de inteligência artificial em operações de TI. As soluções de AIOps — normalmente chamadas de plataformas — costumam oferecer quatro recursos distintos:
- Observar: Abrange a ingestão de telemetria e a detecção de anomalias.
- Analisar: usa IA para descobrir padrões, correlacionar eventos em seu contexto, identificar causas-raiz e gerar insights.
- Interagir: permite que os usuários visualizem e interajam com dados e insights.
- Agir: transforma insights em ações por meio da automação.
Largely, what we’ve seen thus far is the integration of generative AI with the engage capability. Specifically, generative AI has advanced the interaction functions of this capability by exchanging GUIs (Graphic User Interface) and APIs for NLIs (Natural Language Interfaces). This largely moves AIOps toward the most often cited use case for AIOps, according to a ZK Research report:
- 64% de eficiência operacional/produtividade de TI
- 54% de melhoria no desempenho da rede ou dos aplicativos
- 54% melhoraram a segurança ou a conformidade
Há alguns indícios de que a IA generativa está sendo usada para agir por meio da geração de políticas e configurações para mitigar riscos e lidar com incidentes, mas, no momento, esses indícios ainda são tênues e estão amplamente restritos a um único ecossistema-alvo, ou seja, ao portfólio de um único fornecedor ou provedor.
A IA generativa fez muito pouco para aprimorar a capacidade de analisar os dados coletados pelo recurso de observação. Isso não é um demérito, mas sim o reconhecimento de que ela não foi projetada para fazer isso. Para tanto, precisamos recorrer à boa e velha IA tradicional.
O que é IA tradicional?
Desde o surgimento da IA generativa, aquilo que sempre chamamos de IA passou a precisar de uma denominação própria. O mercado adotou IA tradicional para descrever “toda IA que não seja generativa”.
A IA tradicional usa muitas das mesmas técnicas de treinamento e dos mesmos princípios fundamentais da IA generativa, mas seu objetivo é analisar e até mesmo prever resultados por meio da identificação de padrões e relações em um conjunto de dados predominantemente estruturados. A IA tradicional é excelente em tarefas de classificação e reconhecimento.
A IA tradicional tem sido usada há décadas para:
- Identificar bots para prevenir abusos e fraudes como invasões de contas (ATO)
- Detecte ataques com base em padrões de comportamento no tráfego de rede (DDoS) e no tráfego de aplicações (L7)
- Fazer recomendações de produtos e/ou serviços com base nos padrões de consumo
- Reconhecimento de escrita à mão e de imagens
O papel da IA em AIOps
A capacidade da IA tradicional de não apenas fazer previsões com base em padrões e relações existentes, mas também descobrir novos padrões e relações quase em tempo real, é o que torna essa tecnologia inestimável para uma verdadeira solução de AIOps. É necessário um modelo capaz de analisar novos dados e inferir a presença de um ataque ou prever um problema que afetará a disponibilidade ou prejudicará o desempenho. A IA tradicional é particularmente eficaz em ambos os casos, conferindo à capacidade de observação a habilidade de detectar anomalias e permitindo que a capacidade de análise descubra padrões e relações.
A IA generativa pode gerar código, configurações e conteúdo. Ela replica padrões existentes e os aplica para gerar novos conteúdos. Ela não cria nada, mas se baseia em relações entre objetos que são fortalecidas ou enfraquecidas de acordo com o feedback.
De fato, pedir à IA generativa que analise novos dados envolve muitos riscos. Ela pode fornecer uma resposta correta, mas também pode alucinar e dar uma resposta errada. Isso acontece porque, em última análise, a IA generativa é um jogo de números e, se as relações ou os padrões entre os pontos de dados não forem fortes ou frequentes o suficiente, ela simplesmente preencherá as lacunas — de forma correta ou não.
O que a IA generativa nos oferece é acessibilidade aos dados — pois não precisamos ser especialistas em uma linguagem de consulta nem depender de desenvolvedores para criar uma interface para nós — e a capacidade de gerar automaticamente códigos ou configurações que possam ser executados para resolver um problema. Isso também é acessibilidade, pois reduz a necessidade de dominar a escrita de código ou o uso de várias APIs.
Mas, sem a IA tradicional para analisar dados de telemetria em tempo real, esse sistema atende apenas parcialmente a duas das três capacidades necessárias para uma solução de AIOps totalmente funcional. Portanto, precisamos usar tanto a IA tradicional quanto a generativa:
- Observar: IA tradicional para detecção de anomalias.
- Analisar: IA tradicional para descobrir padrões e relações.
- Interagir: IA generativa para permitir que os usuários visualizem e interajam com dados e insights.
- Agir: IA generativa para transformar insights em ações.
Portanto, embora eu esteja otimista em relação à IA generativa e à sua capacidade de simplificar e até mesmo acelerar as operações, também estou ciente de que, para aproveitar todo o potencial da IA em AIOps, será necessário combinar a IA tradicional com a generativa.
Sobre o autor
Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.
Mais publicações de Lori Mac VittiePublicações relacionadas no blog
O estado da maturidade digital empresarial: a transformação digital ainda não terminou
Explore como a IA impacta as empresas, as aplicações da IA generativa, as estratégias para modernizar as operações de TI e os benefícios da maturidade digital com a F5.
Como a IA generativa acelera a transformação digital
Veja como a IA generativa impulsiona a transformação digital nas empresas, acelerando tendências como a integração de APIs, os desafios dos modelos operacionais de TI híbrida e a adoção de AIOps.
Seis capacidades técnicas para acelerar a transformação digital
As arquiteturas empresariais atuais carecem dos fatores necessários de agilidade, escalabilidade, segurança e observabilidade, essenciais para impulsionar a mudança tecnológica. No entanto, estas seis capacidades fundamentais ajudarão as empresas a gerenciar riscos e desafios ao longo de sua transformação digital.
Inverter a API é a transformação digital de que as empresas precisam para participar e competir em uma economia de APIs
As organizações detêm um valor latente — na forma de APIs internas — que precisam explorar para competir em uma economia de APIs. Embora os desafios técnicos e de segurança possam desestimular algumas delas, as empresas precisam reconhecer que inverter suas APIs permitirá liberar o valor da organização como plataforma.
A modernização da TI começa pela infraestrutura
O hardware e o software evoluíram rapidamente desde os primórdios da internet, mas, para aproveitar ao máximo os benefícios resultantes dessa evolução, as organizações precisam avaliar e modernizar sua infraestrutura e a entrega de aplicativos. Acelere os esforços de modernização com a nova F5 rSeries.