W dzisiejszym szybko zmieniającym się cyfrowym krajobrazie organizacje coraz częściej korzystają ze środowisk wielochmurowych i architektury natywne dla chmury aby napędzać innowacje i zapewniać płynne doświadczenia klientów. Jednak raport 2024 State of Observability opracowany przez Dynatrace ujawnia, że eksplozja danych generowanych przez te złożone ekosystemy przesuwa tradycyjne podejścia do monitorowania i analizy do granic możliwości.

Badanie, w którym wzięło udział 1300 dyrektorów ds. informatyki i liderów technologicznych z dużych organizacji na całym świecie, podkreśla pilną potrzebę dojrzałej strategii sztucznej inteligencji, analityki i automatyzacji, aby sprostać wyzwaniom stawianym przez nowoczesne środowiska chmurowe. Jak Andi GrabnerDynatrace DevOps Activist, trafnie to ujął: “Środowiska wielochmurowe” i “architektury natywne dla chmury” to nie tylko modne hasła; to rzeczywistość dzisiejszego złożonego i dynamicznego krajobrazu IT. Umożliwiają one programistom, inżynierom i architektom wprowadzanie innowacji, ale stawiają też przed nimi nowe wyzwania”.

Rosnąca złożoność

Jednym z najbardziej uderzających wniosków z raportu jest to, że 88% organizacji zaobserwowało wzrost złożoności swojego stosu technologicznego w ciągu ostatnich 12 miesięcy, a 51% spodziewa się kontynuacji tego trendu. Przeciętne środowisko wielochmurowe obejmuje obecnie 12 różnych platform i usług, co sprawia, że zespołom coraz trudniej jest skutecznie monitorować i zabezpieczać aplikacje. W rzeczywistości 87% liderów technologicznych uważa, że złożoność wielu chmur utrudnia im dostarczanie wyjątkowych doświadczeń klientom, a 84% twierdzi, że sprawia, że aplikacje są trudniejsze do ochrony.

Utonięcie w danych

Sama ilość danych generowanych przez natywne dla chmury stosy technologiczne jest również głównym punktem bólu, a 86% liderów technologicznych twierdzi, że zarządzanie nimi przekracza ludzkie możliwości. Organizacje używają obecnie średnio 10 różnych narzędzi do monitorowania i obserwowania aplikacji, infrastruktury i doświadczeń użytkowników. Jednak 85% respondentów twierdzi, że liczba narzędzi, platform, pulpitów nawigacyjnych i aplikacji, na których polegają, tylko zwiększa złożoność zarządzania środowiskiem wielochmurowym.

Ograniczenia tradycyjnego podejścia

Ręczne podejście do zarządzania logami i analityki nie jest już wystarczające, a 81% liderów technologicznych przyznaje, że nie jest w stanie nadążyć za tempem zmian w ich stosie technologicznym i ilością danych, które generuje. Co więcej, 81% respondentów twierdzi, że czas poświęcany przez ich zespoły na utrzymywanie narzędzi monitorujących i przygotowywanie danych do analizy odciąga ich od wysiłków na rzecz innowacji.

Aby sprostać tym wyzwaniom, 72% organizacji przyjęło AIOps, próbując zmniejszyć złożoność zarządzania środowiskiem wielochmurowym. Jednak 97% liderów technologicznych uważa, że tradycyjne modele AIOps, które opierają się na probabilistycznym podejściu do uczenia maszynowego, mają ograniczoną wartość ze względu na ręczny wysiłek wymagany do uzyskania wiarygodnych informacji.

The Path Forward: Zaawansowana sztuczna inteligencja, analityka i automatyzacja

Jak podkreśla Grabner, “aby odnieść sukces, zespoły te muszą zapewnić, że ich aplikacje są spójnie dostępne i funkcjonalne na wszystkich platformach i usługach; wydajność operacyjna i efektywność są najważniejsze; a bezpieczeństwo nie podlega negocjacjom, biorąc pod uwagę zwiększoną złożoność tych środowisk”. Podkreśla on również, że programiści, inżynierowie i architekci muszą pilnie wyjść poza tradycyjne AIOps i przyjąć zaawansowanej sztucznej inteligencji, analityka i rozwiązania automatyzacji które zapewniają pełną obserwowalność i kontrolę nad ich ekosystemami chmurowymi.

Kluczowe wnioski dla dyrektorów ds. technologii są jasne:

1. Proszę wykorzystać zaawansowaną sztuczną inteligencję i analitykę: Organizacje muszą przyjąć rozwiązania oparte na sztucznej inteligencji obserwowalność rozwiązania, które mogą ujednolicić różnorodne dane, zachować kontekst oraz zasilać analitykę i automatyzację za pomocą hipermodalnych technik sztucznej inteligencji, w tym przyczynowej, predykcyjnej i generatywnej sztucznej inteligencji. Takie podejście umożliwia zespołom odblokowanie cennych spostrzeżeń z danych, podejmowanie mądrzejszych decyzji i wdrażanie inteligentnej automatyzacji.
2. Proszę nadać priorytet automatyzacji: Aby nadążyć za złożonością nowoczesnych środowisk chmurowych, organizacje muszą nadać priorytet automatyzacji. Wykorzystując wiedzę opartą na sztucznej inteligencji, zespoły mogą zautomatyzować rutynowe zadania, szybko identyfikować i rozwiązywać problemy oraz optymalizować wydajność i bezpieczeństwo aplikacji.
3. Wspieranie współpracy i innowacji: Eksplozja danych i złożoność środowisk wielochmurowych może utrudniać innowacje, jeśli nie są one skutecznie zarządzane. Przyjmując dojrzałą strategię sztucznej inteligencji, analityki i automatyzacji, organizacje mogą uwolnić swoje zespoły, aby skupić się na zadaniach o wysokiej wartości i skuteczniej współpracować, ostatecznie napędzając innowacje i rozwój biznesu.

Wnioski

W miarę ewolucji cyfrowego krajobrazu, dyrektorzy ds. technologii muszą inwestować w zaawansowane rozwiązania obserwowalności, które mogą pomóc im w poruszaniu się po złożoności środowisk wielochmurowych. Wykorzystując oparte na sztucznej inteligencji analizy, automatyzację i współpracę, organizacje mogą uwolnić pełny potencjał swoich ekosystemów chmurowych i zapewnić wyjątkowe doświadczenia klientów, zapewniając jednocześnie bezpieczeństwo i odporność swoich aplikacji.