Cztery trendy z obszaru observability, o których liderzy IT powinni pamiętać w 2023 r.

Rok 2022 przyniósł ze sporą dawkę wyzwań. W momencie, gdy świat zaczął wychodzić z bezpośrednich skutków kryzysu wywołanego przez pandemię koronawirusa, po chwili stanął w obliczu kolejnego zagrożenia. Gwałtownie rosnące koszty energii i inflacja zmusiły organizacje do stawiania efektywności i redukcji kosztów na pierwszym miejscu.

Efektywność działania danej firmy nie może być osiągana kosztem innowacji i wzrostu organizacji. W przeciwnym razie przedsiębiorstwa szybko pozostaną w tyle za swoimi rywalami na coraz bardziej konkurencyjnym rynku. Potrzeba właściwego znalezienia tej równowagi będzie dominującym czynnikiem leżącym u podstaw inicjatyw związanych z transformacją cyfrową.

Organizacje, które chcą osiągnąć sukces na rynku i wyprzedzać konkurencję, muszą kłaść coraz większy nacisk na dane, analitykę automatyzację i bezpieczeństwo. Cały obszar Data Driven Business wiąże się z przetwarzaniem ogromnych ilości bezpiecznych danych spływających w ciągłym strumieniu do silników analitycznych. Gwarantem sukcesu jest wybór narzędzi, które łączą wszystkie elementy.

Michał Bojko – Lab Lead i Dyrektor ds. badań i rozwoju w zakresie inteligentnego oprogramowania w polskim oddziale Dynatrace, dzieli się swoimi prognozami dotyczącymi kluczowych trendów w obszarze observability, które wypełnią agendy liderów IT w 2023 roku.

Trend nr 1: „Godna zaufania AI” kluczem do automatyzacji coraz bardziej złożonych cyfrowych ekosystemów.

Z uwagi na to, że  organizacje starają się robić więcej za mniej i iść do przodu w obliczu rosnących trudności makroekonomicznych, automatyzacja będzie miała kluczowe znaczenie w 2023 roku. Większa automatyzacja umożliwi organizacjom uwolnienie potencjału wykwalifikowanych specjalistów, po to, by mogli skupić się na zadaniach, które przynoszą największą wartość ich firmom. W rezultacie zespoły będą mogły przyspieszyć tempo realizacji projektów cyfrowych i innowacji, zamiast je ograniczać. Jednocześnie, barierą dla powszechnej automatyzacji operacji z obszaru biznesu, IT, rozwoju i bezpieczeństwa, będzie rosnąca świadomość potencjału stronniczości  algorytmów w sztucznej inteligencji (ang. AI bias).

Organizacje nie mogą bowiem zarządzać zautomatyzowanymi procedurami za pomocą sztucznej inteligencji, która myli symptomy zjawiska z jego pierwotną przyczyną, czy która przedkłada problemy o niższym ryzyku nad te mające prawdziwy wpływ na biznes. Nie sprawdzi się też taka AI, która proponuje i wdraża niewłaściwe rozwiązania.

Bez godnej zaufania AI, ludzie będą nadal zmuszeni do ręcznego zatwierdzania wszelkich odpowiedzi udzielanych przez rozwiązania napędzane przez sztuczną inteligencję. Zakłóci to wzrost wydajności i utrudni wysiłki zmierzające do automatyzacji procesów biznesowych, rozwojowych, z zakresu bezpieczeństwa i operacji. Wiarygodność stanie się zatem warunkiem wstępnym dla każdego rozwiązania AI, dzięki jego zdolności do dostarczania precyzyjnych i zrozumiałych odpowiedzi zamiast statystycznych domysłów.

Trend nr 2: Observability, bezpieczeństwo i analityka biznesowa zbiegną się w czasie, gdy organizacje będą starały się okiełznać niekontrolowany rozrost danych

Ciągły, niekontrolowany rozrost danych pochodzących ze środowisk multicloud i cloud-native, w połączeniu ze zwiększoną złożonością stosów technologicznych, skłoni organizacje do poszukiwania nowych, bardziej efektywnych sposobów napędzania inteligentnej automatyzacji. Nie chodzi tylko o ogromny wzrost fragmentów przesyłanych informacji, ale o wykładnicze ilości dodatkowych danych, które można wykorzystać do wzmocnienia obszaru observability, zwiększonego bezpieczeństwa i głębszych analiz biznesowych.

Jednak powszechność niezintegrowanych narzędzi monitorujących, które oferują wgląd w pojedynczy obszar infrastruktury IT lub wspierają wyizolowany sposób użycia, blokuje postęp w dostępie do tej wartości, utrudniając zachowanie kontekstu danych. Skutkuje to również silosami działowymi, ponieważ każdy zespół skupia się na swoim elemencie układanki, zamiast łączyć dane w celu zdobycia szerszego obrazu.

Aby temu zaradzić, obszary observability, bezpieczeństwa i analityki biznesowej zbiegną się w czasie, gdy organizacje połączą swoje narzędzia. Zespoły będą starały się przejść od niezliczonych odizolowanych i trudnych w zarządzaniu rozwiązań typu „zrób to sam” do wielofunkcyjnych, napędzanych sztuczną inteligencją platform analitycznych, które zapewnią teamom odpowiedzialnym za biznes, rozwój, bezpieczeństwo i operacje, wgląd i automatyzację, których potrzebują. To połączenie pomoże oswoić obszar chmury i Big Data oraz napędzić inteligentną automatyzację w wielu przypadkach – od modernizacji chmury po zgodność z przepisami i cyberbezpieczeństwem.

Trend nr 3: DevSecOps dojrzewa do SecDevBizOps, ponieważ cyber-ubezpieczenia wymagają, aby każdy innowator był odpowiedzialny za minimalizację ryzyka

Ograniczenie ryzyka cybernetycznego stanie się priorytetem dla wszystkich osób zaangażowanych w tworzenie innowacji. Rosnąca dojrzałość branży ubezpieczeniowej sprawia, że bezpieczeństwo należy traktować jako wspólną odpowiedzialność. Organizacje wykupujące polisy w zakresie cyberbezpieczeństwa będą musiały wykazać, że każda osoba odpowiadająca za innowacje w firmie potrafi zachować należytą staranność i zarządzać ryzykiem związanym ze swoimi działaniami.

Na znaczeniu zyskiwać będą rozwiązania umożliwiające zespołom rozwój ich strategii DevOps i BizDevOps do bardziej kompleksowego podejścia SecDevBizOps, łączącego praktyki bezpieczeństwa, rozwoju i IT z analityką biznesową. Doprowadzi to do zwiększenia inwestycji w platformy observability, które wspierają procesy międzydziałowe i zapewniają wszystkim odpowiedzi, których potrzebują, aby być odpowiedzialnymi za dostarczanie bezpiecznych innowacji.

Trend nr 4: Automatyzacja oparta na kontekście danych jako priorytet dla organizacji chcących rozwinąć podstawowy AIOps do bardziej precyzyjnego AISecOps

Organizacje coraz częściej zdają sobie sprawę, że platformy wykorzystywane do automatyzacji procesów dostarczania oprogramowania i wspierania AIOps mogą być skuteczne, jeśli są oparte na kontekście danych. Oznacza to, że muszą być w stanie połączyć dane i ich kontekst w jedno źródło informacji, gdzie mogą być przekształcone w precyzyjne odpowiedzi i inteligentną automatyzację. Będzie to klucz do zapewnienia, że AI napędzająca automatyzację będzie w stanie odróżnić przyczynę od skutku i podejmować mądrzejsze i bardziej terminowe decyzje.

Organizacje zmagały się z utrzymaniem tego kontekstu, ponieważ rosnąca złożoność dynamicznych architektur chmurowych spowodowała niekontrolowany rozrost danych i odmiennych narzędzi analitycznych.

W nadchodzącym roku firmy przeniosą jednak swoją uwagę z integracji narzędzi w celu zwiększania wydajności AIOps na przyjęcie platform, które wspierają bardziej zaawansowane AISecOps (AI dla bezpieczeństwa i operacji). Umożliwi to zespołom przełamanie silosów między danymi obserwacyjnymi, biznesowymi i dotyczącymi bezpieczeństwa oraz połączenie ich za pomocą mapowania topologii i zależności. W rezultacie zespoły będą mogły zachować relacje między strumieniami danych i odblokować pełny kontekst potrzebny do napędzania bardziej wydajnej i precyzyjnej automatyzacji oraz dostarczania bezproblemowych doświadczeń cyfrowych.

Intel Overclocking Masters 2022 – Drugi raz z rzędu, wygrywamy w konkursie ekstremalnego overclockingu!