Aunque pensáis que es algo nuevo, en realidad AIOps se lleva utilizando varios años en muchas plataformas de virtualización y nube, en el caso concreto de Azure, Microsoft dispone de equipos especiales de AIOps que colaboran y trabajan junto con otros equipos de investigación de Microsoft que desarrollan soluciones de IA para la gestión y operación de los servicios de la nube.
Según Gartner, una definición de AIOps es esta:
«Put simply, AIOps is the application of machine learning (ML) and data science to IT operations problems. AIOps platforms combine big data and ML functionality to enhance and partially replace all primary IT operations functions, including availability and performance monitoring, event correlation and analysis, and IT service management and automation.»
Ref: https://www.gartner.com/smarterwithgartner/how-to-get-started-with-aiops
Para verlo desde un punto de vista más global os comparto este diagrama:
Y este otro de Microsoft:
Desde un punto de vista técnico, aplicando toda la potencia de ML con la recolección de datos y métricas de los servicios de Azure, se puede por ejemplo, identificar problemas y predecir que ocurrirá en el futuro, como:
- Predicción de fallos de hardware, memoria, discos, red.
- Gestión de incidentes y resolución de problemas
- Detección y supervisión de anomalías
- Sistema de recomendaciones inteligente
- Separar alertas de eventos importantes de alertas de ruido
Video AIOps en Azure
Para ampliar en que consiste AIOps y que valor aporta a las empresas, os comparto este video de Microsoft: Enhance performance with AIOps in Azure
Azure Monitor AIOps
Un caso concreto de uso, lo observamos en el servicio de Azure Monitor AIOps con alertas y reconocimiento inteligente de patrones de métricas que podéis leer aquí: Announcing Azure Monitor AIOps Alerts with Dynamic Thresholds
Para resumirlo: Se trata de aplicar IA con ML en los servicios y recursos de Azure para mejorar las operaciones y que toda la plataforma se vuelva más eficiente.
Como siempre espero que sea de utilidad.