El dato es el centro en torno al cual giran actualmente los entornos de TI. La transformación digital está encaminada a mejorar la recogida y el análisis de la información, a través de soluciones tecnológicas que generan una cantidad ingente de datos, una cantidad que, además, crece de forma exponencial y que hay que tratar cada vez con mayor velocidad.

Sin embargo, el procesamiento de esta información plantea una serie de retos a la industria y reclama nuevas capacidades que tengan en cuenta esta velocidad y volumen, así como la variedad en cuanto al tipo de datos que se manejan. Estos sistemas deben ser capaces de automatizar e imprimir una capa de inteligencia al análisis. El objetivo es ser capaces de obtener un conocimiento constante que pueda trasladarse al negocio de forma ágil y que permita desarrollar mejoras continuas.

AIOps

AIOps es la respuesta a esta necesidad. Acuñado por Gartner, el término hace referencia a la aplicación de tecnologías como inteligencia artificial, big data y machine learning a los procesos de operaciones en el área de TI. Según esta compañía, la importancia del AIOps es tal que “los responsables de operaciones de TI deben iniciar el despliegue de AIOps para mejorar el análisis de rendimiento actual y aumentar la administración y automatización del servicio de TI en los próximos dos a cinco años”.

La aparición de este concepto, que describe una nueva forma de acercarse a la gestión de las operaciones de TI, pone de manifiesto el cambio de paradigma que está viviendo el entorno empresarial, así como la necesidad de desarrollar nuevos sistemas capaces de manejar de forma eficaz la ingente cantidad de datos e información que se genera a diario.

AIOps es el reconocimiento de que, en los entornos actuales de TI, se deben aprovechar los avances en big data y machine learning para superar las limitaciones humanas, y las derivadas del uso de herramientas tradicionales, a la hora de analizar las aplicaciones y sistemas que soportan los procesos de negocio.

La actual complejidad tecnológica del área de operaciones de TI es inabarcable para el ser humano

Eficiencia y proactividad

El reto del AIOps es afrontar ese movimiento contrapuesto: por un lado, la necesidad de las áreas de negocio a la hora de reducir costes y, por el otro, hacer frente al aumento de la complejidad de las operaciones de TI, lo que requiere unas organizaciones maduras, que posean las capacidades y herramientas necesarias, además de una calidad de datos adecuada.

Esta complejidad viene dada por una triple variable. Por un lado, nos encontramos con la transformación de la propia naturaleza de las infraestructuras de TI, que están pasando de lo físico a lo virtual. Hablar de infraestructura cada vez tiene menos sentido, ya que los entornos actuales están compuestos por sistemas de diversa índole, como pueden ser diferentes tipos de cloud, servicios de terceros, integraciones de soluciones SaaS, servicios móviles… y podríamos continuar con un largo etcétera.

En segundo lugar, debemos atender al rápido crecimiento de los volúmenes de datos generados por los sistemas de TI; a la variedad que generan tanto los sistemas como las aplicaciones (aquí podemos incluir registros, métricas, documentos, etc.); y a la velocidad a la que se originan. Además, hay que responder también con la adecuada velocidad para resolver de forma rápida los problemas de las aplicaciones, especialmente cuando afectan a la experiencia del usuario y a los procesos de negocio claves.

El siguiente paso

Todo este nuevo entorno para el área de operaciones de TI hace que los enfoques tradicionales no tengan aplicación en los entornos actuales. La gestión del escenario descrito, a través de procesos manuales, resulta literalmente imposible. La actual complejidad tecnológica del área de operaciones de TI es inabarcable para el ser humano.

AIOps constituye una nueva aproximación. Este nuevo enfoque supone alejarse de la visión tradicional —centrada en el almacenamiento de los datos en silos— para pasar a un sistema de datos agregados procedentes de diversas fuentes.

AIOps se materializa en plataformas tecnológicas de múltiples capas. En la primera de ellas se almacenan tanto los datos de comportamiento (procedentes de sistemas de supervisión o registros de trabajo sobre las aplicaciones) como la información relacionada con operaciones, que normalmente se encuentran en el registro de tickets, incidentes y eventos.

Todo ello se lleva a una plataforma de big data, a la que posteriormente se añade otra capa de analítica de datos, inteligencia artificial y machine learning, que habilita el análisis de datos en tiempo real en el punto de entrada de la información, así como un análisis histórico de los datos almacenados. De esta forma se posibilita la monitorización en tiempo real, la correlación de eventos —identificando su causalidad—, la predicción de errores y la automatización de acciones resolutorias.

El resultado es la conformación de una fuente de información útil, que se traduce a su vez en una capacidad de mejora continua que permite detectar automáticamente posibles problemas y reaccionar ante ellos. Todo ello en tiempo real e incluso con carácter proactivo a partir de predicciones.

Aplicaciones de AIOps

Actualmente, la adopción de AIOps se centra en el área de operaciones de TI, si bien es cierto que algunas empresas más maduras ya lo aplican como fuente de información para sus directivos en cuestiones relativas a la satisfacción del cliente, los procesos relacionados con pedidos, etc.

Fuera del área de operaciones de TI, AIOps cubre las necesidades de información cualificada que reclama la parte de desarrollo del negocio. Mientras las herramientas de monitorización actuales se quedan cortas en el análisis de variedad de datos, AIOps aporta información en torno a todo tipo de métricas, desde datos procedentes de los sistemas de TI a información relacionada con el sentimiento de los clientes, datos de las transacciones comerciales o incluso la telemetría de sensores para obtener información adicional.

Las aplicaciones de estas herramientas, además, irán evolucionando a medida que la tecnología vaya madurando, lo que permitirá a los usuarios aprovechar el conocimiento que aporta la plataforma para activar acciones propias del negocio.

Si bien es cierto que AIOps puede mejorar procesos y tareas de operaciones de TI (reducción de ruido ante falsas alarmas, detección de anomalías o simplificación de la resolución de errores, entre otros), el reto principal es superar esta frontera. No se debe considerar solo como una tecnología de mejora para operaciones: es necesario generalizar su función como fuente de información cualificada sobre el negocio y dirigida a la capa directiva empresarial.