Que la Inteligencia Artificial ha monopolizado el discurso tecnológico en el último año es un hecho, pero que su ascendencia está siendo crucial desde hace ya bastante tiempo es más que real, y, muchas veces, en los casos de uso más cercanos, frente a usos como los de la IA generativa que han saltado a la audiencia general.
Comenzamos optimizando nuestras operaciones con la automatización, cambiando completamente el modo de operar nuestra TI; introdujimos observabilidad, de modo que pudimos conocer con detalle todo lo que sucede en el estado de nuestro negocio y, en caso de existir algún problema, localizar de manera rápida y efectiva su causa.
Decidimos juntar ambas cosas y comenzamos a hablar de “autorremediación”; esto es, que en cada evento que recibíamos de nuestra observabilidad, asociábamos una automatización que pudiese solucionar el problema que existía sin necesitar de la apertura de un ticket o una intervención manual de los operadores, pudiendo estos dedicarse a tareas de mucho más valor.
¿Y ahora? Si nuestro propósito siempre ha sido la disminución del tiempo entre la detección de un fallo y que este se resuelve, ¿podríamos mejorar la operación, habiendo llegado ya a “autorremediar” los fallos? Sí, mediante la introducción de la IA. Si podemos adelantarnos al propio fallo, predecirlo o, en el caso de no poder prevenir que ocurra, al menos minimizar su resolución de manera inteligente, podremos eliminar muchas de las alertas ocurridas o solventarlas con mayor rapidez.
La IA, a través de paradigmas basados en “Machine Learning” o “Deep Learning”, nos permite realizar predicciones basadas en series temporales, detectar anomalías, optimizar configuraciones, correlar eventos, realizar evaluaciones de riesgo automáticas o verificar cambios en configuraciones. Y, si esto lo combinamos con la automatización, pasamos a realizar una operación no solo automática sino también inteligente de nuestra infraestructura.
Para todo esto hay un aspecto crucial que nos permitirá implementar este paradigma: los datos. Datos históricos, bien formados, relevantes a la operación y en cantidad suficiente, para poder extraer patrones y características que nos permitan entrenar modelos para adelantarnos de manera inteligente a problemas en nuestra infraestructura.
Ha llegado un nuevo paso en la operación de nuestra infraestructura y este es, sin duda, el uso de la IA, para llevar a cabo su gestión de manera inteligente y adaptándose automáticamente a todo lo que ocurre en ella.
Hewlett Packard Enterprise
Hybrid Cloud Solution Architect
