AIOps の基本ガイド

AIOps は、大規模なデータ セットに分析と機械学習を適用して、IT 運用を自動化および強化するプロセスです。これらの新しい学習アルゴリズムは、膨大な量のネットワーク データとマシン データを調べて、人間のオペレーターが必ずしも認識できないパターンを特定できます。これらのパターンにより、現在の問題の根本原因を特定し、将来の結果を予測できます。AIOps の最終的な目的は、定期的な手順を自動化して問題検出の精度と速度を向上させ、IT 担当者が増大する需要に効率的に対応できるようにすることです。

歴史と起源

AIOps という用語は、2016 年に Gartner によって初めて作成されました。Gartner は、AIOps プラットフォームのマーケット ガイドで、AIOps プラットフォームを「ビッグ データと人工知能 (AI) または機械学習機能を組み合わせて、可用性とパフォーマンスの監視、イベントの相関と分析、IT サービスの管理と自動化など、幅広い IT 運用プロセスとタスクを強化し、部分的に置き換えるソフトウェア システム」と定義しています。

AIOps ナウ

運用チームには、これまで以上に多くのことが期待されています。古いツールや手法は決して廃れることはないようですが、これは時々滑稽に思えるほどよくあることです。しかし、同じ運用チームは、雇用レベルが横ばいまたは低下する中で、増え続ける新しいプロジェクトやテクノロジーを処理するというプレッシャーに常にさらされています。さらに、変更頻度の増加とシステム スループットの増加により、これらの監視ツールによって生成されるデータがほとんど理解不能になることがよくあります。

これらの障害を克服するために、AIOps は次のことを行います。

• さまざまなソースからの情報を統合: 従来の IT 運用テクニック、ツール、ソリューションは、データの整合性を脅かす単純な方法でデータを集約および平均化します (例として、「平均の平均」と呼ばれる集約アプローチを参照)。これらは、今日の複雑で相互接続された IT インフラストラクチャによって作成されるデータの量、多様性、速度を考慮して構築されていません。AIOps プラットフォームのコア コンポーネントは、徹底的な分析のためにデータの整合性を維持しながら、大量のデータ セットを収集する機能です。集約された結論が導き出されるソース データに常に到達できる必要があります。
• データ分析を簡素化: AIOps システムがこれらの巨大で異種なデータ セットを相関させる能力は、重要な差別化要因です。最高のデータがすべて揃っている場合にのみ、最高の分析が可能になります。次に、プラットフォームは、このデータに対して自動分析を使用して、多数のソースからの一見無関係なストリーム間の交差を調査することにより、現在の問題の根本原因を発見し、将来の問題を予測します。
• 自動応答: 問題を特定して予測することは重要ですが、AIOps システムは、適切な担当者に警告し、検出された問題を自動的に修復し、理想的には問題の発生を防ぐための指示を実行するときに最も効果を発揮します。コンポーネントの再起動やディスク全体のデフラグなどの一般的な解決策は自動的に処理されるため、標準的な方法が尽きた場合にのみ担当者が介入できます。

AIOps の主な組織的メリット

AIOps は、IT 運用プロセスを自動化してシステム パフォーマンスを最適化および向上させることで、企業に大きな商業的メリットをもたらす可能性があります。例:

• ダウンタイムを回避することで、顧客満足度とスタッフの信頼が向上します。

• 以前は分離されていたデータ ソースを統合することで、より包括的な分析と洞察が可能になります。

• 根本原因の分析と修正を迅速化することで、時間、費用、資産を節約できます。

• インシデント対応を加速および標準化することで、サービスの提供が改善されます。

• 複雑な問題をより迅速に発見して解決することで、IT の拡張をサポートする能力が向上します。

• 問題を積極的に特定して軽減することで、IT プロフェッショナルはより価値の高い分析と最適化に集中できるようになります。

• プロアクティブな対応により、システムとアプリケーションの成長予測が強化され、将来の需要に対応できるようになります。

• 単純作業を行うことで過負荷のシステムに「余裕」を加え、人々がより高次の問題に集中できるようにすることで、生産性の向上と士気の向上につながります。