Il passaggio al cloud e le altre evoluzioni tecnologiche collegate, da un lato hanno reso la gestione IT più semplice, dall’altro ne hanno però aumentato la complessità in modi anche imprevisti.
Si usano sempre più servizi cloud, il che rende più difficile mantenerli tutti sotto controllo, e l’avvento delle applicazioni “spezzettate” in microservizi fa sì che reagire velocemente ad eventuali loro problemi non sia affatto banale.
Serve evidentemente un maggiore livello di automazione nella gestione dell’IT, il che non è nemmeno un concetto particolarmente nuovo. Ma le piattaforme che sono arrivate sul mercato non sempre sono in grado di adattarsi alle nuove complessità.
Ora Gartner delinea un approccio diverso alla gestione, che definisce di Algorithmic IT Operations – in breve AIOps – e in cui l’IT management si affida a una sinergia tra automazione e machine learning.
Una piattaforma AIOps è descritta come come la combinazione di vari componenti che si occupano di raccolta dati e delle fasi successive di memorizzazione, analytics e visualizzazione.
Idealmente sono agnostiche rispetto ai sistemi IT in cui si collocano, dialogando via API sia con le applicazioni sia con gli strumenti tradizionali di IT management. L’obiettivo è che possano ricavare informazioni utili alla gestione da qualsiasi ambiente, indipendentemente dal formato nativo.
È una descrizione che si può adattare a vari ambiti di data analytics, Gartner sottolinea però che le piattaforme AIOps hanno una focalizzazione molto precisa sulla gestione quotidiana delle infrastrutture IT e quindi hanno caratteristiche ad hoc per questo.
In particolare si segnalano la capacità di elaborare stream di eventi che arrivano dai tool di monitoraggio, l’interazione bidirezionale con sistemi di IT service management e l’integrazione con specifici elementi di automazione dell’IT che mettano in pratica le indicazioni tratte dall’analisi dei dati.
Cosa spinge e cosa frena
Gartner stima che le piattaforme AIOps si diffonderanno velocemente. Le previsioni indicano che entro il 2019 un quarto delle global enterprise ne avrà adottata una per gestire almeno due funzioni chiave nella gestione dell’IT.
Il motivo di questo successo sta nel fatto che le soluzioni AIOps arrivano sulla scia di altri tool che hanno avuto un approccio meno trasversale ma che hanno comunque dimostrato la validità dell’analisi dei dati provenienti dai sistemi di monitoraggio dell’IT. Il passo verso AIOps è quello che abbiamo visto in altri settori: dall’analisi descrittiva a quella predittiva/prescrittiva.
L’unico freno previsto alla diffusione dei sistemi AIOps è legato alla comprensione delle tematiche collegate al machine learning. Le nuove piattaforme AIOps non possono essere “plug and play” perché richiedono un periodo di addestramento: serve a capire le caratteristiche del sistema da gestire e soprattutto le procedure che il sistema dovrà seguire autonomamente al verificarsi di determinate condizioni. Tutto questo richiede tempo.
