El avance en inteligencia artificial (IA) está favoreciendo su proliferación en todo tipo de ámbitos empresariales, proporcionando a las empresas que saben hacer buen uso de ella una ventaja competitiva. Es más, aquellas que no sepan engancharse a esta nueva era no serán capaces de aguantar la competencia.

Un ejemplo lo encontramos en el concepto de observabilidad automática e inteligente, que, a través del uso de modelos avanzados de IA, está revolucionando la manera en la que se gestionan las aplicaciones y los sistemas. En esencia, se trata de monitorizar el rendimiento, anticipar problemas y hacer ajustes en tiempo real, pero traduciendo todos esos esfuerzos en términos entendibles para el negocio —como la resolución de problemas, la reducción de los tiempos de inactividad o la mejora de la experiencia de los usuarios—, que es lo que al final interesa.

El objetivo es conseguir que una aplicación o sistema funcione de manera eficiente y fiable, algo especialmente importante en entornos donde el tiempo de inactividad tiene un impacto significativo en la productividad y en los ingresos. También mejora la seguridad de los sistemas porque facilita la identificación de posibles vulnerabilidades y amenazas antes de que se conviertan en un problema.

La observabilidad automática e inteligente asegura la salud de las operaciones y, por tanto, del negocio

Si tenemos en cuenta la complejidad de los sistemas modernos, constituidos por una amplia variedad de componentes externos y cuya interconexión y dependencia de los servicios en línea y en la nube es cada vez mayor, no nos extrañará la creciente dificultad para identificar la fuente de incidencias y problemas.

Monitorización

La observabilidad implica la capacidad de recoger, analizar y entender los datos recopilados desde las aplicaciones y los sistemas, así como la de actuar a partir de ellos. En términos más técnicos, necesita datos de registro, métricas de rendimiento, información de trazas y eventos…

La mayoría de las herramientas tradicionales de monitorización se centran en recopilar y agregar tres tipos de datos principales: las métricas, los seguimientos y los registros. Son los llamados tres pilares de la monitorización. Pero cuando se trata de actuar en entornos modernos, estas soluciones heredadas tienen limitaciones relacionadas con la escalabilidad y la capacidad de conocer lo desconocido.

La observabilidad automática e inteligente se basa en la recopilación y análisis de tres tipos de datos —registros, métricas y trazas— que provienen de las aplicaciones y los sistemas:

Los registros son útiles para identificar problemas en aplicaciones y sistemas. Son datos que se insertan en un archivo o base de datos y que pueden incluir información sobre errores, excepciones y mensajes de depuración.

Las métricas ayudan a identificar cuellos de botella y áreas donde se pueden introducir mejoras. Se trata de información numérica que se utiliza para medir el rendimiento de aplicaciones y sistemas. Por ejemplo, pueden incluir datos sobre la cantidad de solicitudes por segundo, el tiempo de respuesta y el grado de la utilización del procesador.

Por su parte, las trazas son las que permiten identificar problemas de rendimiento y también comprender cómo se procesa una solicitud a través de una aplicación o sistema. Estos datos, que se recopilan cuando una solicitud se procesa a través de una aplicación o sistema, incluyen información sobre las solicitudes entrantes y salientes, así como sobre los tiempos de respuesta.

Entender y actuar

A partir de esa información, mediante tecnologías de IA y aprendizaje automático, es posible proporcionar a los usuarios una visión completa, detallada y en tiempo real del rendimiento de los sistemas. Además, también es posible identificar y solucionar problemas de manera desatendida a partir del análisis automático de los datos.

La plataforma de automatización inteligente de DXC Platform X ayuda a detectar, prevenir y resolver problemas.

De hecho, estas herramientas facilitan la toma de decisiones informadas y la resolución de problemas e incidencias de manera rápida y eficiente. Esto es posible gracias a los factores diferenciadores que proporcionan tres capacidades tecnológicas únicas:

• La automatización, para garantizar la necesaria escalabilidad y la integridad a través del descubrimiento y la instrumentación —de forma continua y automática— sin necesidad de configuración manual.
• El mapeo de topología en tiempo real para el contexto en toda la pila. Esto incluye el autodescubrimiento de las novedades en entornos híbridos, así como la creación, actualización y mantenimiento continuos de un mapa de entidad completo y en tiempo real, capaz de incorporar millones y miles de millones de dependencias.
• El uso de inteligencia artificial en el código. Basada en la causalidad, permite obtener respuestas precisas y contextuales, que pueden ser procesadas a eventos para identificar problemas a través de un análisis de causa raíz en tiempo real.

DXC Platform X y Dynatrace

Recientemente, la tecnología de Dynatrace se ha incorporado a DXC Platform X para ofrecer una visibilidad completa y en tiempo real tanto de los servicios IT como de las aplicaciones empresariales.

DXC Platform X es una plataforma de automatización inteligente que ayuda a detectar, prevenir y resolver problemas, con el objetivo de conseguir infraestructuras TI resistentes, seguras y autorreparables. A través de la tecnología de Dynatrace se le han proporcionado a esta herramienta características de observabilidad mejorada que convierten esa información en KPI de negocio cuya evolución puede ser observada y optimizada.

Además, es importante desatacar la gran cantidad de integraciones que ofrece Dynatrace con otras herramientas y tecnologías, que extienden la capacidad de captura de datos para proporcionar una visión aún más completa del rendimiento de sistemas y aplicaciones.

Hay que tener en cuenta que la mayoría de los enfoques requieren que se incluyan en el código funciones para facilitar la traza y la monitorización. Esta es aproximación muy ineficiente, porque depende de la instrumentación de las aplicaciones con patrones y criterios que habitualmente son dispares. En entornos con miles de servidores y microservicios, que escalan dinámicamente a través de una infraestructura global, este es un esfuerzo exponencial e inútil.

Nuestra aproximación toma un camino diferente:

• Descubrimiento automático. Tras la instalación, detectamos automáticamente todas las aplicaciones, contenedores, servicios, procesos e infraestructura en tiempo real sin configuración manual.
• Autoinstrumentación. Los componentes del sistema se instrumentan automáticamente sin configuración o cambio de código; y no solo recopilan métricas, registros y seguimientos, sino también la experiencia del usuario.
• Línea base automática. La línea base inteligente aprende automáticamente los comportamientos de rendimiento normales y se adapta dinámicamente, en tiempo real, a medida que cambia el entorno.

A medida que crece la dependencia de los servicios digitales, es cada vez más necesario disponer de herramientas capaces de entender y gestionar estos entornos dinámicos. La observabilidad automática e inteligente permite administrar estos vastos y complejos entornos tecnológicos, asegurando la salud de las operaciones y, por tanto, del negocio.