[レポート] AIOps採用のトップトレンド:企業がAIOpsをどのように使用しているかを説明する4つの調査結果

「AIOpsはIT管理の次の大きなものになるために準備を進めています... AIの力が運用に適用されると、インフラストラクチャの管理方法が再定義されます。」

-フォーブス、 AIOpsがエンタープライズIT運用に影響を与える5つの方法

IT運用のための人工知能(AIOps)は、まだ揺籃期にある画期的なテクノロジーです。クラウドネイティブサービスとハイブリッドインフラストラクチャは新しいレベルの複雑さを示すため、AIOpsは今日のIT運用チームにとって重要な要素になっています。 AIOpsの可能性は、マシンデータ分析から、より高速で効率的なITサービス管理まで、途方もないものです。

AIOpsでデータ主導の未来を受け入れる

はい、AIと機械学習については多くの誇大宣伝があります。しかし、デジタル運用チームは実際にAIOpsをどのように活用しているのでしょうか。本日、OpsRampは AIOps採用のトップトレンド 報告。 500人以上の従業員を抱える企業の120人のITエグゼクティブを調査して、運用上の課題をよりよく理解し、次のようなAIOpsツールをどのように使用しているかを確認しました。

  • 最新のIT環境はどの程度管理しやすいですか?
  • 企業は人工知能と機械学習をどのように実験していますか?
  • 彼らはどのようなAIOps機能を探していますか?
  • どのAIOpsの約束が最も説得力がありますか?
  • 組織でAIOpsを採用する際の障壁は何ですか?

以下は、企業がITサービスのパフォーマンスを向上させるために問題の特定、パターンの発見、および予測分析をどのように使用しているかについての内部調査を提供するAIOps採用レポートからの4つの洞察です。

#1-AIOpsはもはや科学プロジェクトではありません

AIOpsの採用は勢いを増しており、企業はハイブリッドインフラストラクチャ管理に機械学習とデータサイエンスを実験または積極的に使用しています。 IT意思決定者の68%は、ビジネスクリティカルなITサービスの可用性とパフォーマンスをより適切に管理するためにAIOpsを試験運用しています。

Bottomline. 高度な分析の使用法とIT管​​理の自動化 ユースケースはまだ始まったばかりです。ガートナーが 2022年までにAIOpsの採用が8倍に増加、制御 インシデント管理の混乱 AIOpsプラットフォームで平均から回復までを加速します。

AIOps-Tools-Usage-Stats

#2 - データインサイトと根本原因分析がAIOpsの使用を促進

最新のITサービスは、レガシーデータセンターとマルチクラウド環境を多数の商用およびオープンソースの監視製品と組み合わせています サービスの状態とパフォーマンスを追跡するため。 AIOpsツールは、監視データを取り込んで保存および分析し、ITサービスの可視性の問題を修正するためのインテリジェントな洞察を提供します。   

ほぼ4分の3がAIOps機能を使用してより多くを獲得しています意味のある洞察 (73%) システム生成および監視関連のアラートから。回答者の3分の2は、AIOpsを適用してノイズをカットし、根本原因(68%) パフォーマンスの問題の。

結論。 全体的に、回答者ははっきりと同意しました:AIOpsはとの戦いにおける主要な解決策ですデータスモッグ。実際、AIOpsを使用してノイズから信号を抽出することは、主要な使用例の1つです。

AIOps-Tools-Use-Cases

#3-戦術的な作業を避け、AIOpsでより多くを発明する

IT自動化 反応的で反復的なタスクから解放され、戦略的で画期的なイニシアチブに集中するのに役立ちます。 AIOpsの2つの大きな利点は、 日常業務の自動化 (74%) コストのかかるサービスの中断を回避しますより速い回復 (67%)。 AIOpsはまたよりよく運転することができます 異常検出 (58%)、動的な実稼働環境全体でのシステム動作の変化を予測することによって。

結論。AIOpsツールが高度化するにつれて、時間を節約し、 実用的なイベントコンテキストとデータ主導の推奨事項を備えたお金。 AIOpsを使用すると、日常的な運用タスクにすべての時間を費やすのではなく、視認性の高いプロジェクトに集中できます。

AIOps-Tools-Main-Benefits

#4-AIOps採用に関するデータ品質とタレントクランチの最大の懸念事項

AIOpsの採用が勢いを増している一方で、幅広い採用を妨げる可能性のあるいくつかの懸念があります。の精度予測モデル (54%)、大規模なデータセットの品質(52%) 機械学習モデルと ITタレント (48%) 機械学習アルゴリズムの構築に必要なのは、AIOpsをスケーリングするためのすべての重要な制約です。 

結論。精度、データ品質、透明性は、AIOpsの最大の障害です。 ITリーダーは、新たなAIOpsの課題を特定し、テクノロジーベンダーと提携して、適切なソリューションに優先順位を付ける必要があります。

AIOps-Tools-Top-Concerns

ダウンロード 17ページのAIOpsレポート AIOpsの採用曲線を先取りする。 

次のステップ:

[Report] Top Trends In AIOps Adoption


Recommended posts