Tüm dünyada ve ülkemizde özel kuruluşlardan kamu kuruluşlarına kadar büyük bir dijital dönüşüm yaşanıyor. Ancak bu dijital dönüşüm BT operasyonlarını daha karmaşık ve izlenmesi zor bir hale getiriyor. Diğer taraftan toplanan verilerin miktarı da her geçen gün artıyor ve devasa bir boyuta geliyor.

Yapay zekanın BT operayonlarındaki önemine dikkat çeken Micro Focus Türkiye ve Yunanistan Genel Müdürü Deniz Kırca, “Yapay zeka, milyonlarca veri kümesini herhangi bir insan müdahalesi olmadan inceleyebilme kapasitene sahip. Dolayısıyla, gelişmiş analitik teknikler ve algoritmalar kullanan AIOps, çok daha büyük ve karmaşık veri kümeleriyle çalışılabilmesine ve insan gözüyle görülmesi neredeyse imkansız olan kalıpların görülebilmesine olanak tanıyor. Bu kadar büyük verilerin işlenmesi ve karmaşıklaşan BT operasyonlarının daha iyi bir şekilde yönetilebilmesinde AIOps büyük önem taşıyor ve BT süreçlerinde otomasyonun geleceği olarak görülüyor“ diyor.

Yapılan araştırmalar da AIOps’un giderek popülerlik kazanan bir teknoloji olduğunu gösteriyor. Örneğin geçtiğimiz aylarda düzenlenen ve AIOps’un derinlemesine ele alındığı AIOps Exchange’de yapılan bir araştırmada foruma katılan üst düzey BT yöneticilerinin yüzde 68’lik bir bölümü devam eden AIOps projeleri olduğunu belirtiyor. Araştırmanın bir diğer sonucu ise kuruluşların sahip oldukları portföyü izlemede sıkıntı yaşadıkları. Silolar halindeki farklı araçlar, tüm BT ortamının kapsanamaması ve kurallara dayalı çözümlere aşırı güvenilmesi BT yöneticilerinin en çok karşılaştıkları sorunlar arasında yer alıyor. Diğer yandan araştırmaya katılan BT yöneticilerinin yarısından fazlası müşteri deneyimini iyileştirmek için zaten AIOps kullandıklarını belirtiyor.

AIOps araçları ve platformları, birden fazla araçtan gelen uyarıların bir arada kullanılabilmesi için operasyonel BT verilerine makine öğrenimi uyguluyor. Böylece ilgili ekiplerinin meydana gelen olayın asıl sebebini belirleyebilmelerine yardımcı olurken geçmişteki bilgileri kullanarak ne yapmaları gerektiği doğrultusunda önerilerde bulunuyor.

Bilişim teknolojileri alanında otomasyon uzun zamandır kullanılıyor, ancak günümüz yapay zeka teknolojisi, bu otomasyon düzeyini çok daha öteye götürüyor. Uygulamaya hazır yapay zeka araçları kullanan BT departmanları, görev kritik sistemlerde beklenmeyen hizmet dışı kalma sürelerinde önemli düşüşler elde ediyor. Yapay zekaya dayalı araçlar, BT operasyonlarında sorunların saatler yerine dakikalar içinde çözülebilmesine olanak tanıyor ve müşteri deneyiminin hem işletme hem de müşteriler için en üst düzeye çıkmasını sağlıyor.

AIOps, 2020 ve sonrasında ne gibi bir değişime uğrayacak?

AIOps, CIO'lar ve BT yöneticileri için nispeten yeni bir konsept olmaya devam ediyor. Ancak bu yöneticiler, farklı araçlardan ve sistemlerden çok fazla operasyonel veri geldiğini, BT operasyonlarındaki sorunların tespit edilebilmesi ve en verimli şekilde çözülebilmesi için bu verilerin çok iyi anlaşılması gerektiğini biliyorlar. Bu, yüksek erişilebilirlik ve performans gerektiren uygulamaların kullanıldığı büyük ölçekli hibrit bulutları yöneten CIO'lar için çok daha zor.

2020 yılı ve ötesinde AIOps, daha farklı görünen ve farklı amaçlara hizmet eden yeni platformlarla birlikte daha çok teknoloji sağlayan bir kategoriye dönüşecek. Bazı uygulamalar, uygulama performans alanına odaklanırken bazıları güvenlik, bulut, DevOps ve servis yönetimi gibi alanlara odaklanacak.

Her ne kadar platformların ne doğrultuda gelişeceği hakkında net bir şey söylemek zor olsa da AIOps'un her geçen gün daha da karmaşıklaşan birçok alanda sorunların çözülmesine yardımcı olacağı kesin.

AIOps hangi alanlarda daha çok öne çıkacak?

AIOps, özellikle büyük miktarda veri içindeki anomalilerin arandığı durumlarda ön plana çıkıyor. AIOps ile ilgili çözüm geliştiren şirketler bunun için farklı yaklaşımlar izleyecekler. Bazıları, mikro hizmetlere ve konteynerlara odaklanırken bazıları ise buluta odaklanacak. Bazıları ise diğer çözümlerin desteklemediği ana bilgisayarlar gibi platformlara yönelecek.

AIOps Exchange araştırmasında çıkan belirli kullanım senaryoları arasında organizasyon silolarının ayrıştırılması, proaktif ve öngörücü reaktif senaryoların ele alınabilmesi için araç setlerinin moderinzasyonu, MTTD (sorunlarının tespiti) süresini azaltmak, sorunların asıl nedenlerini bulmak ve yönetmek yer alıyor.

Aslında kuruluşların büyük bölümü hemen hemen aynı şeyi istiyor: Yatırımların hızlı bir şekilde geri dönüştürülebilmesini sağlayan, kolayca kullanıma alınabilen, fazla masraf gerektirmeyen ve birden fazla izleme aracına entegre olabilen bir araç. AIOps makine öğrenimi, kapsamlı veri toplama ve birden fazla amaca hizmet eden bir teknoloji olarak öne çıkıyor. Özellikle önümüzdeki dönemde otomasyon açısından en kilit teknolojilerden biri haline gelecek. 2020 yılında birçok şirket BT operasyonlarına ve diğer süreçlerine AIOps'u entegre edecek.

Etkili bir kombinasyon: AIOps ve DevOps

AIOps'un odaklandığı bir diğer önemli alan ise DevOps. AIOps, uygulamaların durumu ve performansı hakkında net bir bilgi isteyen DevOps ekiplerinin istediğini veriyor. Yapılan bu araştırmaya göre, satın almalarda DevOps'un etkisi çok büyük. Katılımcıların yüzde 28'i AIOps'un uygulanmaya alınmasında DevOps'un büyük etkisi olduğunu belirtiyor. Diğer taraftan AIOps’un uygulamalardaki hataların çok erken bir şekilde bulunabilmesine olanak tanıması, DevOps geliştiricileri açısından da yeni bir kavram ve buna uyum sağlamaları gerekiyor. Ancak bu aşılması zor bir konu olmadığı gibi ve DevOps geliştiricilerine büyük imkanlar sunduğu açıkça ortada. Kısacası 2020 yılından itibaren AIOps platformlarını değerlendirmeye alan ve pilot uygulamaya geçen birçok kuruluş ve BT yöneticisi olacak.