ما قابلية الملاحظة في الذكاء الاصطناعي لعمليات تقنية المعلومات (AIOps)؟

يُعد الذكاء الاصطناعي لعمليات تقنية المعلومات تطبيقًا لقدرات الذكاء الاصطناعي—مثل معالجة اللغة الطبيعية ونماذج التعلم الآلي— لأتمتة إدارة خدمات تكنولوجيا المعلومات وسير العمليات. أما قابلية الملاحظة فهي القدرة على فهم الحالة أو الوضع الداخلي لنظام معقد بالاعتماد فقط على معرفة مخرجاته الخارجية، وتحديدًا بيانات القياس عن بُعد. يوفر الجمع بين هذه الممارسات أدوات قوية للتحسين واستكشاف الأخطاء وإصلاحها والأتمتة في بيئات تكنولوجيا المعلومات المعقدة والمتعددة السحب.

تستخدم قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات تقنيات الذكاء الاصطناعي والتعلم الآلي لتحليل سجلات النظام والمقاييس والتتبعات وأداء العمليات بما في ذلك:

• الكشف عن حالات الخلل، حيث تقوم الخوارزميات بتحليل كميات كبيرة من البيانات لتحديد الأداء الأساسي وتحديد الانحرافات.
  
  
• تحليل السبب الأساسي (RCA)، الذي يتجاوز الارتباط لتحديد الرؤى القابلة للتنفيذ في مشكلات النظام.
  
  
• التحليلات التنبؤية، التي تساعد على التنبؤ بأعباء العمل المستقبلية للنظام وتوسيع نطاق الموارد لزيادة الموارد أو خفضها وفقًا لذلك.

لدمج الذكاء الاصطناعي لعمليات تقنية المعلومات وقابلية الملاحظة، تستخدم معظم المؤسسات منصات قابلية الملاحظة المزودة بميزات ذكاء اصطناعي مدمجة. وغالبًا ما تشتمل المنصات الحديثة ذات الكفاءة العالية على ميزات الذكاء الاصطناعي التوليدي، مثل الواجهات النصية التي يمكنها الإجابة عن الأسئلة المتعلقة بحالة الشبكة أو أدوات العرض المصور للبيانات في الوقت الفعلي المدمجة في لوحة معلومات المنصة. ويمكن لفرق تكنولوجيا المعلومات استخدام أدوات الذكاء الاصطناعي التوليدي هذه—جنبًا إلى جنب مع أدوات المعالجة التلقائية المدعومة بالذكاء الاصطناعي والخاصة بمنصة قابلية الملاحظة—للتنبؤ بفترات التعطل وزيادة الكفاءة التشغيلية وتحسين أداء التطبيقات.

فيما يلي مثال على كيفية استخدام حلول الذكاء الاصطناعي لعمليات تقنية المعلومات في مجال قابلية الملاحظة. لنفترض أن منصة قابلية الملاحظة تُظهر وجود ارتباط بين التدفق المفاجئ للتنبيهات حول تباطؤ التطبيق وزمن الانتقال في جهاز توجيه أساسي.

يمكن للمنصة، باستخدام خط أساس محدد لسلوك الشبكة، تحديد النشاط الشاذ الذي سبق زمن الانتقال—مثل تغيير غير مجدول في تكوين جهاز التوجيه ذلك. بعد ذلك، يمكنها إجراء تحليل آلي للسبب الأساسي لتحديد كيفية إجراء التغيير ومتى وأين تم إجراؤه. بعد ذلك، يمكن للمنصة استشارة سير العمل المعتمد مسبقًا لتطبيق إصلاح (مثل إعادة برنامج جهاز التوجيه إلى إصدار سابق). وأخيرًا، يمكن أن تقدم لفريق تكنولوجيا المعلومات تقريرًا عن الحادث، ما يساعد على منع حدوث المزيد من الاضطرابات.

إن الذكاء الاصطناعي التوليدي وعمليات السحابة الهجينة وقابلية الملاحظة مترابطون بشكل وثيق. يصف تقرير صادر عام 2025 عن شركة الأبحاث Gartner ¹ قابلية الملاحظة بأنها قدرة رئيسية في العمليات السحابية المدعومة بالذكاء الاصطناعي التوليدي. وفقًا لتقرير صادر عام 2025 عن شركة S&P Global Market Intelligence، فإن ² 71% من المؤسسات التي تستخدم حلول قابلية الملاحظة تعتمد حاليًا على ميزات الذكاء الاصطناعي الخاصة بها، بزيادة قدرها 26% عن عام 2024.

تعمل قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات من خلال جمع بيانات قابلية الملاحظة التقليدية مثل السجلات والتتبعات والمقاييس. ثم تستخدم الذكاء الاصطناعي والتعلم الآلي لأداء وظائف قابلية الملاحظة الأساسية باستخدام هذه البيانات—مثل تحليل السبب الأساسي والكشف عن حالات الخلل—وإنشاء سير عمل آلي للمساعدة في تحسين بنية تكنولوجيا المعلومات التحتية.

تعتمد قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات على الركائز الثلاث التقليدية للملاحظة: السجلات والتتبعات والمقاييس.

• السجلات عبارة عن سجلات دقيقة ومختومة زمنيًا وكاملة وغير قابلة للتغيير لأحداث التطبيق.
  
  
• يسجل التتبع الرحلة من طرف إلى طرف لكل طلب مستخدم، بدءًا من واجهة المستخدم، مرورًا بالبنية بأكملها، ووصولاً إلى المستخدم.
  
  
• المقاييس هي قياسات أساسية لسلامة التطبيق والنظام بمرور الوقت، مثل استخدام وحدة المعالجة المركزية وقياسات زمن الانتقال. 

إن استخدام الذكاء الاصطناعي القوي وقدرات التعلّم الآلي يُميّز قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات عن قابلية الملاحظة التقليدية. تنطوي قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات على استخدام هذه الأدوات لإجراء تحليلات الأسباب الأساسية واكتشاف حالات الخلل والتحليلات التنبؤية، من بين قدرات أخرى.

تحليل السبب الأساسي هو عملية إدارة الجودة التي تبحث من خلالها المؤسسة عن أساس المشكلة أو القضية أو الحادث بعد وقوعه. غالبًا ما يتم تعزيز هذا التحليل من خلال الذكاء الاصطناعي السببي، والذي يمكنه تحديد الأسباب الأساسية للمشكلات من خلال دمج بيانات قابلية الملاحظة معًا. ويمكنه بعد ذلك توضيح كيفية تحديد كيانات معينة بصفتها سببًا محتملاً لهذه المشكلة وسبب تحديدها كذلك، ما يسمح لمحترفي تكنولوجيا المعلومات بتحديدها وإصلاحها.

الكشف عن حالات الخلل هو تحديد نقاط البيانات التي تختلف عما هو معتاد أو قياسي أو متوقع، ما يجعلها غير متسقة مع بقية مجموعة البيانات. يمكن لقدرات الذكاء الاصطناعي والتعلم الآلي (ML) تحديد التغييرات غير المتوقعة في السلوك الطبيعي لمجموعة البيانات تلقائيًا باستخدام القياس عن بُعد الذي يتم جمعه بواسطة أدوات قابلية الملاحظة لتحديد الانحرافات عن خط الأساس. وتساعد هذه الانحرافات في اكتشاف المشكلات المتعلقة بأداء التطبيقات والأمن السيبراني ومنصات التجارة الإلكترونية، من بين استخدامات أخرى.

التحليلات التنبؤية هي ممارسة إجراء تنبؤات حول النتائج المستقبلية باستخدام البيانات التاريخية مع النمذجة الإحصائية وتقنيات استخراج البيانات والتعلم الآلي. في سياق قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات، يمكن لنماذج الذكاء الاصطناعي استخدام القياس عن بُعد للتنبؤ بأعباء العمل المستقبلية وتوسيع نطاق الموارد لزيادة الموارد أو خفضها وفقًا لذلك، ما يقلل من زمن الانتقال ويحسن تجربة المستخدم.

عندما يتم دمج قابلية الملاحظة مع الذكاء الاصطناعي لعمليات تقنية المعلومات والتعلم الآلي والأتمتة، يمكن لفرق تكنولوجيا المعلومات التنبؤ بالمشكلات بناءً على مخرجات النظام وحلها بأقل قدر من التدخل البشري.

يمكن لبرمجيات الذكاء الاصطناعي لعمليات تقنية المعلومات استخدام تحليل السبب الأساسي والكشف عن حالات الخلل والتحليلات التنبؤية، وغيرها من قدرات للذكاء الاصطناعي والتعلم الآلي (ML) لتسريع عملية استكشاف الأخطاء وإصلاحها. يساعد استكشاف الأخطاء وإصلاحها بشكل أسرع في منع الانقطاعات المستقبلية من خلال زيادة أداء النظام وسرعة حل الحوادث. كما يمكن أن يتيح لمهندسي عمليات التطوير التفرغ لمهام حساسة أخرى.

عند تنفيذها، تُنشئ قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات نوعًا من "الحلقة" المفيدة. يتحول سيل بيانات القياس عن بُعد الناتج عن النظام إلى موردٍ يمكن لمتخصصي تكنولوجيا المعلومات استخدامه بمساعدة قدرات الأتمتة في المنصة، وذلك لتحديد نقاط الضعف وتطوير الحلول البرمجية تلقائيًا.

على سبيل المثال، قد تلاحظ منصة قابلية الملاحظة المزودة بإمكانات الذكاء الاصطناعي لعمليات تقنية المعلومات من خلال المقاييس المترابطة أن استخدام وحدة المعالجة المركزية داخل مجموعة Kubernetes قد تجاوز الحد الذي حددته المؤسسة، ما يزيد من زمن الانتقال.

بعد تحديد أن المشكلة تنبع من خدمة مصغرة واحدة مثقلة بالعمل، قد يقترح الذكاء الاصطناعي ضرورة توسيع الشبكة أفقيًا عن طريق زيادة عدد مثيلات الخادم. ويمكنه بعد ذلك وضع قاعدة لتنفيذ هذه الإجراءات تلقائيًا كلما تم تحميل الخدمة المصغرة المعنية، والعودة إلى الوضع الطبيعي عندما تعود حركة المرور إلى طبيعتها، ما يمنع حدوث العوائق في المستقبل.

يمكن أن تؤدي قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات إلى تحسين متوسط الوقت اللازم للإصلاح (MTTR) للمؤسسة، وكفاءة سير عمل عمليات التطوير وممارساتها الأمنية.

كما يمكن لقابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات أن تقلل بشكل كبير من وقت الاسترداد والإصلاح من خلال تسريع عملية تحليل السبب الأساسي.

يمكن أن يمثل التحليل الآلي الفارق بين قضاء ساعات في تصنيف الحوادث وبين حل مشكلة وشيكة قبل وقوعها، ما يقلل من فترات التعطل ويمنح فرق عمليات التطوير تفرغًا لمهام أخرى.

يمكن لقابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات أن تجعل عمليات التطوير أكثر كفاءة من خلال تحديد فرص تبسيط المهام الإدارية وتحسينها.

على سبيل المثال، لنفترض أن منصة الذكاء الاصطناعي لعمليات تقنية المعلومات حددت من خلال تحليل السبب الأساسي أن إحدى ذاكرات التخزين المؤقت تحتاج إلى المسح قبل أن يتمكن التطبيق المتصل بها من العمل بشكل صحيح. يمكن لمهندسي موثوقية الموقع استخدام هذه المعلومات لإنشاء سير العمل الآلي الذي يكشف الحالة في الوقت الفعلي، ويمسح الذاكرة المؤقتة تلقائيًا عند وصولها إلى حجم معين. كما يمكن لمنصة الذكاء الاصطناعي لعمليات تقنية المعلومات إنتاج تصور للمناطق الأكثر عرضة لمخاطر ازدحام مشابهة على الشبكة. ويمكن أن يساعد هذا التصور فريق عمليات التطوير وغيره من الفرق على اتخاذ قرارات أكثر استنارة عند كتابة السياسات على مستوى المؤسسة.

يمكن لبعض منصات قابلية الملاحظة المزوّدة بقدرات الذكاء الاصطناعي إجراء تقييم تلقائي للمخاطر وفحص الأنظمة أو البرامج الضارة وإنشاء مسارات تدقيق وتقارير. عند وقوع الحوادث، يمكن للمنصات المدعومة بالذكاء الاصطناعي استخدام بيانات القياس عن بُعد ذات الصلة لتحديد نواقل الهجوم تلقائيًا وتقييم التأثير ومعالجة الثغرات الأمنية بشكل أسرع من الاستجابة التقليدية للحوادث.

كما يمكن للذكاء الاصطناعي لعمليات تقنية المعلومات دعم متطلبات الامتثال من خلال تجميع مسارات تدقيق تفصيلية للوصول إلى النظام وتدفقات البيانات والحفاظ عليها تلقائيًا.

ويمكن للمسؤولين استخدام بيانات القياس عن بُعد التي تم جمعها من خلال قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات لمنع التنبيهات المفرطة أو غير ذات الصلة، وتخطيط السعة التنظيمية ومنع تدهور الأداء قبل أن يبدأ.

يمكن أن يؤدي الإفراط في التنبيهات إلى إجهاد التنبيه، وهي حالة من الإرهاق الذهني والتشغيلي الناجم عن العدد الهائل من التنبيهات ذات الأولوية المنخفضة أو النتائج الإيجابية الكاذبة أو غيرها من التنبيهات غير القابلة للتنفيذ.

يمكن لمنصات قابلية الملاحظة المدعومة بالذكاء الاصطناعي تصفية كميات كبيرة من التنبيهات باستخدام الفرز القائم على التعلم الآلي. ويمكن لهذا الفرز أن يقلل بشكل كبير من معدلات العمل اليدوي والخطأ من خلال تحديد الأنماط وتقليل التكرار وربط التنبيهات ذات الصلة لتخفيف عبء العمل البشري. 

تخطيط السعة هو عملية إستراتيجية تدرس السعة الإنتاجية والموارد التي تحتاجها المؤسسة لتلبية الطلب الحالي والمستقبلي. يمكن لقابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات تحسين هذه العملية من خلال تغذية مقاييس أداء التطبيقات وبيانات القياس عن بُعد الأخرى في خوارزميات تنبؤية. كما يمكن لبعض منصات قابلية الملاحظة المدعومة بالذكاء الاصطناعي أن تحفز سير العمل لتوسيع السعة وتقليصها حسب ما تتطلبه ظروف الشبكة.

تساعد قابلية ملاحظة الذكاء الاصطناعي لعمليات تقنية المعلومات على منع تدهور الأداء، وهو الاعتلاج الطبيعي للشبكة الذي يحدث نتيجة تطبيق تصحيحات وتطبيقات وإعدادات جديدة. من خلال معالجة الكميات الكبيرة من البيانات التي تنتجها الشبكة وتحديد السلوك الأساسي، يمكنها تنبيه فرق تكنولوجيا المعلومات بشكل استباقي عندما يتسبب أي تغيير في حدوث مشكلة. إذا تم تزويدها بالدليل المناسب، فيمكنها أيضًا أن تتصرف تلقائيًا لمنع المشكلة قبل حدوثها.

تتزايد أهمية ميزات الذكاء الاصطناعي التوليدي في الذكاء الاصطناعي لعمليات تقنية المعلومات وقابلية الملاحظة، حيث تتميز العديد من الأدوات بمساعدين من روبوتات المحادثة، ويمكن لهؤلاء المساعدين أن يوفروا للمهندسين تعليقات مباشرة بلغة طبيعية، بالإضافة إلى استكشاف الأخطاء وإصلاحها.

نظرًا إلى النطاق الواسع لكل من بيانات القياس عن بُعد التي تجمعها منصات قابلية الملاحظة، وقدرات هذه المنصات المدفوعة بالذكاء الاصطناعي، تتيح واجهة الذكاء الاصطناعي التوليدي المبسطة لمهندسي موثوقية المواقع العثور بسرعة وبشكل مباشر على إجابات لأسئلة مثل: "لماذا تباطأت الخدمة المقدمة للمستخدمين في أوروبا؟".

كما تساعد ميزات الذكاء الاصطناعي التوليدي أيضًا في كتابة ملخصات مباشرة لأحداث الشبكة للمسؤولين وإنشاء عروض مصورة للبيانات حول سلامة الشبكة وارتباط الأحداث.