Creado por Gartner, la AIOps (es decir, inteligencia artificial para operaciones de TI) es la aplicación de capacidades de inteligencia artificial (IA), como el procesamiento del lenguaje natural y los modelos de aprendizaje automático, para automatizar y agilizar los flujos de trabajo operativos.

En concreto, AIOps utiliza capacidades de big data, análisis y aprendizaje automático para hacer lo siguiente:

• Recopilar y agregar los enormes y cada vez mayores volúmenes de datos generados por múltiples componentes de la infraestructura de TI, demandas de aplicaciones, herramientas de monitorización del rendimiento y sistemas de tíquets de servicios
• Separar de forma inteligente las "señales" del "ruido" para identificar sucesos y patrones significativos relacionados con el rendimiento de las aplicaciones y los problemas de disponibilidad.
• Diagnosticar las causas y comunicárselas a los departamentos de TI y DevOps para una respuesta y corrección rápidas o, en algunos casos, resolver automáticamente estos problemas sin intervención humana. 

Al integrar varias herramientas de operaciones de TI manuales e independientes en una única plataforma de operaciones de TI inteligente y automatizada, AIOps permite a los equipos de operaciones de TI responder con mayor rapidez, incluso de forma proactiva, a las ralentizaciones y las interrupciones, con visibilidad y contexto de punta a punta.

Abarca la brecha entre un entorno de TI cada vez más diverso, dinámico y difícil de monitorizar y equipos aislados, por un lado, y las expectativas de los usuarios de poca o ninguna interrupción en el rendimiento y la disponibilidad de las aplicaciones. La mayoría de los expertos consideran que la AIOps es el futuro de la gestión de operaciones de TI y la demanda solo está aumentando con el mayor enfoque empresarial en iniciativas de transformación digital.

El trayecto hacia la AIOps es diferente en cada organización. Una vez que evalúe en qué punto se encuentra de su trayecto hacia la AIOps, puede empezar a incorporar herramientas que ayuden a los equipos a observar, pronosticar y actuar rápidamente ante los problemas operativos de TI. A medida que considere herramientas para mejorar la AIOps dentro de su organización, querrá asegurarse de que tengan las siguientes características:

Observabilidad: la observabilidad se refiere a las herramientas y prácticas de software para ingerir, agregar y analizar un flujo constante de datos de rendimiento de una aplicación distribuida y el hardware en el que se ejecuta, con el fin de monitorizar, solucionar problemas y depurar la aplicación de manera más eficaz para cumplir con las expectativas de experiencia del cliente, los acuerdos de nivel de servicio (SLA) y otros requisitos empresariales. Estas soluciones pueden ofrecer una visión holística de las aplicaciones, la infraestructura y la red mediante la agregación y la consolidación de datos, pero no toman medidas correctivas para abordar los problemas de TI. Aunque no toman medidas correctivas para abordar los problemas de TI, sí recopilan y agregan datos de TI de una variedad de fuentes de datos en todos los dominios de TI para alertar a los usuarios finales sobre posibles problemas, esperando que los equipos de servicios de TI implementen las soluciones necesarias. Si bien los datos y las visualizaciones correspondientes de estas herramientas son valiosos, crean una dependencia de las organizaciones de TI para tomar decisiones y responder adecuadamente a los problemas técnicos. La optimización de recursos que requiere que un operario actualice manualmente los sistemas operativos puede no reportar beneficios en situaciones de demanda dinámica.

Analítica predictiva: las soluciones de AIOps pueden analizar y correlacionar datos para obtener mejores conocimientos y acciones automatizadas, lo que permite a los equipos de TI mantener el control sobre los entornos de TI cada vez más complejos y garantizar el rendimiento de las aplicaciones.  Poder correlacionar y aislar problemas es un gran paso adelante para cualquier equipo de operaciones de TI. Reduce el tiempo necesario para detectar problemas que de otro modo no se habrían detectado en la organización. Las organizaciones cosecharán los beneficios de la detección automática de anomalías, alertas y recomendaciones de soluciones, lo que a su vez reduce el tiempo de inactividad general, así como el número de incidencias y tíquets. La optimización dinámica de recursos se puede automatizar mediante la analítica predictiva, lo que puede garantizar el rendimiento de las aplicaciones, a la vez que reduce de forma segura el coste de los recursos incluso durante una alta variabilidad de la demanda.

Respuesta proactiva: algunas soluciones de AIOps responderán de forma proactiva a sucesos no deseados, como ralentizaciones e interrupciones, uniendo el rendimiento de las aplicaciones y la gestión de recursos en tiempo real. Al incorporar medidas de rendimiento de aplicaciones a algoritmos predictivos, pueden identificar patrones y tendencias que coincidan con diferentes problemas de TI. Con la capacidad de pronosticar problemas de TI antes de que ocurran, las herramientas de AIOps pueden lanzar procesos relevantes y automatizados en respuesta, rectificando los problemas rápidamente. Las organizaciones podrán ver los beneficios de la automatización inteligente, como mejorar el tiempo medio de detección (MTTD).

Este tipo de tecnología es el futuro de la gestión de operaciones de TI, ya que puede ayudar a la empresa a mejorar tanto la experiencia del empleado como la del cliente. Los sistemas de AIOps no solo garantizan que los problemas de servicio de TI se resuelvan de manera oportuna, sino que también proporcionan una red de seguridad para los equipos de operaciones de TI, abordando problemas que pueden pasar desapercibidos debido a la supervisión humana, como silos organizacionales, equipos con pocos recursos y mucho más. 

La principal ventaja de AIOps es que permite a las operaciones de TI identificar, abordar y resolver las ralentizaciones e interrupciones más rápidamente de lo que podrían hacerlo examinando manualmente las alertas de varias herramientas de operaciones de TI. Esto se traduce en varios beneficios clave:

• Tiempo medio de reparación más rápido (MTTR): al reducir el ruido de las operaciones de TI y correlacionar los datos de operaciones de varios entornos de TI, la AIOps puede identificar causas raíz y proponer soluciones de forma más rápida y precisa que humanamente posible. Esto permite a las organizaciones establecer y alcanzar objetivos de MTTR antes impensables. Por ejemplo, la infraestructura de TI de Vivy redujo el tiempo medio de reparación (MTTR) para la aplicación de la empresa en un 66%, de tres días a un día o menos.
• Menores costes operativos: la identificación automática de problemas operativos y los scripts de respuesta reprogramados reducirán los costes operativos, lo que permitirá una mejor asignación de recursos. Esto también libera recursos de personal para trabajar en tareas más innovadoras y complejas, lo que se traduce en una mejora de la experiencia de los empleados. A través de la optimización, Providence ahorró más de 2 millones de dólares a la vez que garantizó el rendimiento de las aplicaciones durante horas punta.
• Más observabilidad y mejor colaboración: las integraciones disponibles en las herramientas de supervisión de AIOps facilitan una colaboración entre equipos más eficaz en todas las funciones de DevOps, ITOps, gobierno y seguridad. Una mejor visibilidad, comunicación y transparencia permite a estos equipos mejorar la toma de decisiones y responder a los problemas más rápidamente. Por ejemplo, Dealerware aportó más observabilidad a su arquitectura basada en contenedores, lo que mejoró el rendimiento de las aplicaciones durante la pandemia y redujo la latencia de entrega en un 98%.

Pase de la gestión reactiva a la proactiva y a la predictiva: con capacidades de analítica predictiva integradas, la AIOps aprende continuamente a identificar y priorizar las alertas más urgentes, lo que permite a los equipos de TI abordar problemas potenciales antes de que provoquen ralentizaciones o interrupciones. Electrolux aceleró la resolución de problemas de TI de 3 semanas a una hora mediante un tiempo medio de detección (MTTD) más rápido y ahorró más de 1000 horas al año al automatizar las tareas de reparación.

La AIOps incorpora capacidades de big data, análisis avanzados y aprendizaje automático para abordar los siguientes casos prácticos:

• Análisis de causa raíz: como sugiere el nombre, los análisis de causa raíz determinan la causa raíz de los problemas para solucionarlos con las soluciones adecuadas. Al identificar las causas raíz, los equipos pueden evitar el trabajo innecesario involucrado en el tratamiento de los síntomas del problema frente al problema principal. Por ejemplo, una plataforma de AIOps puede rastrear el origen de una interrupción de la red para resolverla de inmediato y establecer medidas de seguridad para evitar problemas similares en el futuro.
• Detección de anomalías: las herramientas de AIOps pueden analizar grandes cantidades de datos históricos y descubrir puntos de datos atípicos dentro de un conjunto de datos. Estos valores atípicos actúan como "señales" que identifican y predicen eventos problemáticos, como las vulneraciones de datos. Esta capacidad permite a las empresas evitar consecuencias costosas, como relaciones públicas negativas, multas reglamentarias y rechazos en la confianza del consumidor.  
• Monitorización del rendimiento: las aplicaciones modernas suelen estar separadas por varias capas de abstracción, lo que dificulta comprender qué recursos subyacentes de servidor físico, almacenamiento y red son compatibles con qué aplicaciones. La AIOps ayuda a cerrar esta brecha. Actúa como una herramienta de monitorización para la infraestructura en la nube, la virtualización y los sistemas de almacenamiento, informando sobre medidas como el uso, la disponibilidad y los tiempos de respuesta. Además, aprovecha las capacidades de correlación de eventos para consolidar y agregar información, lo que permite un mejor consumo de información para los usuarios finales.  
• Adopción de/migración a la nube: para la mayoría de las organizaciones, la adopción de la nube es gradual, no total, lo que da lugar a un entorno multinube híbrido (nube privada, nube pública, varios proveedores), con varias interdependencias que pueden cambiar demasiado rápido y frecuentemente como para documentarlas. Al proporcionar una visibilidad clara de estas interdependencias, la AIOps puede reducir drásticamente los riesgos operativos de la migración a la nube y un método de nube híbrida.
• Adopción de DevOps: DevOps acelera el desarrollo al dar a los equipos de desarrollo más poder para suministrar y reconfigurar la infraestructura, pero el departamento de TI aún tiene que gestionar esa infraestructura. La AIOps proporciona la visibilidad y la automatización que el departamento de TI necesita para dar soporte a DevOps sin mucho esfuerzo de gestión adicional.

La forma más fácil de entender cómo funciona la AIOps es revisar el papel que desempeña cada tecnología de componentes de la AIOps (big data, aprendizaje automático y automatización) en el proceso.

La AIOps utiliza una plataforma de big data para agregar datos, equipos y herramientas de operaciones de TI aislados en un solo lugar. Estos datos pueden incluir lo siguiente:

• Datos históricos de rendimiento y sucesos
• Streaming de sucesos de operaciones en tiempo real
• Registros y medidas del sistema
• Datos de red, incluidos datos de paquetes
• Datos relacionados con incidencias y emisión de tíquets
• Datos de demanda de aplicaciones
• Datos de infraestructura

La AIOps aplica entonces funciones de análisis y aprendizaje automático concretas:

• Separe las alertas de sucesos significativos del "ruido": la AIOps analiza los datos de sus operaciones de TI y separa las señales (alertas de sucesos significativos anormales) del ruido (todo lo demás).
• Identifique las causas fundamentales y proponga soluciones: la AIOps pueden correlacionar los sucesos anormales con otros datos de sucesos en todos los entornos para centrarse en la causa de una interrupción o un problema de rendimiento y sugerir soluciones.
• Automatice las respuestas, incluida la resolución proactiva en tiempo real: como mínimo, la AIOps puede enrutar automáticamente las alertas y las soluciones recomendadas a los equipos de TI adecuados, o incluso crear equipos de respuesta basados en la naturaleza del problema y la solución. En muchos casos, puede procesar los resultados del aprendizaje automático para activar respuestas automáticas del sistema que abordan los problemas en tiempo real, antes de que los usuarios se den cuenta de que ocurrieron.
• Aprenda continuamente, para mejorar el manejo de futuros problemas: los modelos de IA también pueden ayudar al sistema a aprender y adaptarse a los cambios en el entorno, como la nueva infraestructura suministrada o reconfigurada por los equipos de DevOps.