"Y ahora, por favor, aparque marcha atrás". Los conductores sudorosos agradecerán este invento: los asistentes automáticos de aparcamiento maniobran el vehículo para aparcarlo y, si es necesario, para sacarlo de la plaza. Los coches completamente autónomos han sido durante mucho tiempo una visión del futuro, pero ahora pronto podrán circular. A finales de 2021 Mercedes-Benz como primer fabricante de vehículos en recibir la denominada "homologación del sistema" para la conducción altamente automatizada (Nivel 3). Esto significa que el conductor ya no tiene que vigilar permanentemente el vehículo. Desde hace algún tiempo, funciones como el asistente de carril, el control de distancia y el aparcamiento automático ayudan a los conductores en su vida cotidiana. De este modo, nos estamos beneficiando significativamente de AIOps - Inteligencia Artificial para Operaciones de TI.

¿En qué ámbitos se utilizan especialmente, cómo pueden beneficiarse las empresas y cómo funcionan realmente las AIOps?

1. ¿qué es AIOps?

El término AIOps procede de 2014 y fue acuñado por la empresa estadounidense de investigación de mercados Gartner. Describen las AIOps como herramientas en las que la inteligencia artificial, el aprendizaje automático y el big data contribuyen a la optimización de los procesos de TI.

Inteligencias artificiales evalúan datos de sistemas integrados, por ejemplo la cámara de un coche, y deducen acciones a partir de ellos. Además, aprenden constantemente y reducen así la necesidad de personal informático. Los procesos internos pueden así reducirse considerablemente, lo que puede contribuir a aliviar las estructuras internas. Por tanto, las AIOps pueden utilizarse para trabajar con grandes cantidades de datos ahorrando recursos.

No hay que confundir las AIOps con las MLOps. Aunque los términos suenan bastante parecidos, hay grandes diferencias entre ambas disciplinas. MLOps -a diferencia de AIOps- no es una funcionalidad de aprendizaje automático per se, en la que los datos son procesados por algoritmos. Es más bien una forma de gestionar y optimizar el desarrollo, despliegue y mantenimiento de estos algoritmos.

2. ¿cómo funcionan las AIOP?

Aprendizaje automático es un aspecto subyacente a la inteligencia artificial, que le permite reconocer patrones a partir de los datos sin necesidad de programación específica. Las AIOps permiten aplicar Big Data y machine learning a los sistemas informáticos a gran escala. Posible Ámbitos de aplicación son:

• Automatizaciones
• Supervisión
• Servicio de atención al cliente

Es importante distinguir entre dos tipos diferentes de algoritmos en uso:

• Algoritmos supervisados trabajan con datos brutos que se clasifican mediante ejemplos. El resultado son predicciones y cálculos para el futuro. Por ejemplo, los algoritmos pueden reconocer personas si han recibido otras imágenes de la persona en cuestión. Otro ejemplo sería el reconocimiento de candidatos adecuados para un puesto de trabajo anunciado.
• Algoritmos no supervisados trabajan exclusivamente con datos brutos, que la IA puede agrupar. El algoritmo reconoce diferentes patrones, que luego clasifica y asigna. Al principio, el algoritmo no recibe ejemplos ni etiquetas. Los algoritmos no supervisados toman decisiones que posteriormente no pueden ser entendidas o explicadas por los humanos. Esto es un gran problema porque las decisiones tienen que explicarse a los clientes o a las empresas para mantener la transparencia y el control. Esto plantea la cuestión de la responsabilidad y las consecuencias jurídicas.

3 ¿Por qué necesitan las empresas AIOps?

Debido a las crecientes complejidades internas, el mundo informático, cada vez más diverso, necesita enfoques globales como las AIOP, que ofrecen soluciones eficaces. Son esenciales para funciones autónomas y reactivas basadas en grandes cantidades de datos proporcionados. Filtran información o problemas importantes a partir de grandes cantidades de datos y los resuelven de forma autónoma mediante la automatización. De este modo, los AIOP, por un lado, alivian a los departamentos de TI y, al mismo tiempo, garantizan que la gran avalancha de datos no provoque una parálisis de los sistemas existentes.

Las AIOP apoyan a las áreas de TI sin aumentar el esfuerzo y facilitan la integración de datos entre nubes. Para ello, las AIOP proceden del siguiente modo:

• Entorno de escaneado: Se recopilan grandes cantidades de datos en sistemas y estructuras. Estos datos pueden adoptar diversas formas, en función de los sistemas a los que tenga acceso la IA. Un buen ejemplo son los datos visuales, como las secuencias de vídeo.
• Detección de anomalías: Los datos se filtran de forma inteligente y se detectan problemas o incidencias especiales. Así, la IA detecta anomalías en las secuencias de vídeo basándose en cambios de color, velocidad o movimiento.
• Análisis y reacción independientes: Se produce un análisis de los posibles errores y sus causas, así como una reacción o conclusión adecuada. Las agrupaciones resultantes dan lugar a hipótesis que generan una respuesta para la acción.
• Corrección de anomalías y errores: Si se detecta una anomalía, el AIOp pasa a remediar de forma independiente los problemas y su causa. Estas funciones se basan en algoritmos de inteligencia artificial que reconocen patrones independientes y actúan así sin necesidad de un administrador. Para ello, se evalúan los datos y se sacan las conclusiones correspondientes. Si se producen problemas, la inteligencia artificial es capaz de iniciar los procesos de solución adecuados. Si los errores persisten, se envían mensajes de advertencia y alarmas, a los que hay que responder manualmente.

¿En qué áreas pueden beneficiarse más las empresas que utilizan AIOps en su gestión de TI? Los beneficios son múltiples:

• Respuesta y resolución de problemas en tiempo real: El uso de la inteligencia artificial permite detectar problemas y anomalías en una fase temprana y sin intervención humana. Puede tratarse, por ejemplo, de errores de producción.
• Reducción de trabajo para el departamento de informática: Dado que las AIOps se ocupan de grandes cantidades de datos, la carga de trabajo del departamento de TI correspondiente se reduce considerablemente. El esfuerzo manual que se elimina en este punto puede emplearse provechosamente en otros lugares.
• Reducción de costes: El alivio del departamento informático y la evitación de errores se traducen en una reducción de los gastos financieros.
• Optimización independiente: Con el uso de AIOps, las empresas están bien preparadas para futuros problemas, ya que el aprendizaje automático y la IA evolucionan con sus datos y aprenden sobre la marcha.
• Visión general: Las AIOps aglutinan datos de todo tipo y facilitan así la gestión de entornos informáticos complicados.

6. ejemplos prácticos de aplicación

Las AIOps pueden encontrarse ocultas en nuestra vida cotidiana. Un ejemplo destacado y cercano a las personas son las últimas tecnologías de la industria automovilística. Hoy en día, los coches están equipados con multitud de sensores y cámaras que recogen información constantemente y trabajan de borde a nube. Solo mediante el uso de AIOps es posible convertir estos datos en herramientas técnicas útiles. De este modo, un coche puede mantener automáticamente su carril, medir distancias, iniciar una función de frenado o vigilar el ángulo muerto.

Estas funciones se basan en las AIOps. Para garantizar la seguridad en carretera, deben escanear, evaluar y reaccionar a la situación de forma fiable y en tiempo real. De este modo, pueden evitarse los errores humanos y fomentarse una mayor seguridad vial. Pero las AIOps también se utilizan en otros sectores, como la ingeniería mecánica: En el contexto de las fábricas inteligentes, las máquinas, robots y demás se supervisan y controlan automáticamente. Las AIOps también pueden utilizarse en este contexto para complementar las funciones de los sistemas SAP.

7. echamos un vistazo al futuro

La Guía de Mercado de Gartner para Plataformas AIOps 2021 dice: "No hay futuro de las operaciones de TI que no incluya AIOps." El motivo es el ya mencionado rápido crecimiento de los volúmenes de datos y el ritmo del cambio. Para tratar estos datos con eficacia, en el futuro se utilizarán cada vez más AIOps, porque en un mundo basado en la nube son un catalizador integral. Mediante el filtrado y el análisis de datos, las IA son una parte importante de las soluciones futuras. Gartner también concluye que el rápido crecimiento de los volúmenes de datos significa que las empresas ya no pueden esperar a que los humanos obtengan información de los datos.

En el futuro, será crucial que las empresas construyan una buena infraestructura que proporcione información optimizada a las IA para crecer con ellas. Especialmente en áreas como la infraestructura o las tecnologías de monitorización, las AIOps pueden ayudar a tratar grandes cantidades de datos ahorrando recursos. Por tanto, cabe suponer que las inteligencias artificiales inteligentes seguirán demostrando su valor añadido en el futuro y sustituirán a las AIOps a largo plazo.