Acuñado por Gartner, AIOPS, es decir, Inteligencia Artificial para Operaciones de TI, es la aplicación de capacidades de inteligencia artificial (IA), como el procesamiento de 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 crecientes volúmenes de datos generados por múltiples componentes de la infraestructura informática, demandas de aplicaciones y herramientas de supervisión del rendimiento, así como sistemas de tickets de servicio
• Cambie de forma inteligente las "señales" del "ruido" para identificar eventos y patrones significativos relacionados con el rendimiento de la aplicación y los problemas de disponibilidad.
• Diagnostique la causa principal y comuníquelas a TI y DevOps para una respuesta y corrección rápidas o, en algunos casos, resuelva automáticamente estos problemas sin intervención humana. 

Al integrar múltiples herramientas de operaciones de TI manuales y separadas en una plataforma de operaciones de TI única, inteligente y automatizada, AIOps permite que los equipos de operaciones de TI respondan más rápido, incluso de manera proactiva, a desaceleraciones e interrupciones, con visibilidad y contexto de extremo a extremo.

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

El camino hacia la AIOps es diferente en cada organización. Una vez que evalúe dónde se encuentra en su recorrido hacia AIOps, puede comenzar a incorporar herramientas que ayuden a los equipos a observar, predecir y actuar rápidamente ante los problemas operativos de TI. Al considerar herramientas para mejorar 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 supervisar, solucionar problemas y depurar la aplicación de forma más eficaz para cumplir 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 sus aplicaciones, infraestructura y red a través de la agregación y 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, recopilan y agregan datos 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 servicio implementen la reparación necesaria. Si bien los datos y las visualizaciones correspondientes de estas herramientas son valiosos, crean una dependencia en las organizaciones de TI para tomar decisiones y responder adecuadamente a los problemas técnicos. La optimización de recursos que requiere que un operador actualice manualmente los sistemas operativos puede no reportar beneficios en situaciones de demanda dinámica.

Análisis predictivo: Las soluciones 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 cada vez más complejos y garantizar el rendimiento de las aplicaciones.  Ser capaz de correlacionar y aislar problemas es un avance masivo 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 aprovecharán 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 incidentes y tickets. La optimización dinámica de los recursos puede automatizarse mediante análisis predictivos, lo que puede garantizar el rendimiento de las aplicaciones y reducir de forma segura el costo de los recursos incluso durante una alta variabilidad de la demanda.

Respuesta proactiva: Algunas soluciones AIOps responderán de manera proactiva a eventos no deseados, como desaceleraciones e interrupciones, reuniendo el rendimiento de las aplicaciones y la administración de recursos en tiempo real. Al alimentar las métricas de rendimiento de las aplicaciones en algoritmos predictivos, se pueden identificar patrones y tendencias que coinciden con diferentes problemas de TI. Con la capacidad de pronosticar los problemas de TI antes de que ocurran, las herramientas de AIOps pueden lanzar procesos relevantes y automatizados en respuesta, resolviendo los problemas rápidamente. Las organizaciones podrán ver los beneficios de la automatización inteligente, como mejorar el tiempo promedio de detección (MTTD).

Este tipo de tecnología es el futuro de la administración de operaciones de TI, ya que puede ayudar a las empresas a mejorar la experiencia tanto del empleado como del cliente. Los sistemas 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 más. 

El principal beneficio de AIOps es que permite a las operaciones de TI identificar, abordar y resolver las desaceleraciones e interrupciones más rápido de lo que podrían hacerlo examinando manualmente las alertas de múltiples herramientas de operaciones de TI. Esto da como resultado varios beneficios clave:

• Tiempo medio de resolución (MTTR) más rápido: Al eliminar el ruido de las operaciones de TI y correlacionar los datos de operaciones de múltiples entornos de TI, AIOps es capaz de identificar las causas profundas y proponer soluciones con mayor rapidez y precisión de lo que sería humanamente posible. Esto permite a las organizaciones establecer y lograr metas de MTTR previamente impensables. Por ejemplo, la infraestructura de TI de Vivy redujo el tiempo promedio de reparación (MTTR) para la aplicación de la empresa en un 66 %, de tres días a un día o menos.
• Menores costos operativos: La identificación automática de problemas operativos y los scripts de respuesta reprogramados reducirán los costos 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 conlleva a una mejora de la experiencia de los empleados. A través de la optimización, Providence ahorró más de USD $2 millones al tiempo que garantizó el rendimiento de la aplicación durante los picos de actividad.
• Mayor observabilidad y mejor colaboración: las integraciones disponibles dentro de las herramientas de supervisión de AIOps facilitan una colaboración más eficaz entre equipos en DevOps, ITOps, gobernanza y funciones de 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 trajo 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 %.

Pasa de la gestión reactiva a la proactiva y a la predictiva: con capacidades integradas de análisis predictivo, AIOps aprende continuamente a identificar y priorizar las alertas más urgentes, permitiendo que los equipos de TI aborden posibles problemas antes de que provoquen deslaceleraciones o interrupciones. Electrolux aceleró la resolución de problemas de TI de 3 semanas a una hora a través de una detección más rápida (MTTD) y ahorró más de 1.000 horas al año automatizando las tareas de reparación.

AIOps incorpora capacidades de big data, análisis avanzado y aprendizaje automático para abordar los siguientes casos de uso:

• Análisis de causa principal: Como su nombre indica, los análisis de causa raíz determinan la causa raíz de los problemas para remediar con las soluciones adecuadas. Al identificar la causa principal los equipos pueden evitar el trabajo innecesario que supone tratar los síntomas del problema en lugar del problema principal. Por ejemplo, una plataforma 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 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 filtraciones de datos. Esta capacidad permite a las empresas evitar consecuencias costosas, como relaciones públicas negativas, multas regulatorias y rechazos en la confianza del consumidor.  
• Supervisión del rendimiento: Las aplicaciones modernas suelen estar separadas por varias capas de abstracción, lo que dificulta comprender qué recursos subyacentes de servidores físicos, almacenamiento y redes son compatibles con qué aplicaciones. AIOps ayuda a cerrar esta brecha. Actúa como una herramienta de supervisión para la infraestructura en la nube, la virtualización y los sistemas de almacenamiento, informando sobre métricas 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/migración a la nube: Para la mayoría de las organizaciones, la adopción de la nube es gradual, no mayorista, lo que da como resultado un entorno híbrido multinube (nube privada, nube pública, múltiples proveedores), con múltiples interdependencias que pueden cambiar demasiado rápido y frecuentemente como para documentarlas. Al proporcionar una visibilidad clara de estas interdependencias, AIOps puede reducir drásticamente los riesgos operativos de la migración a la nube y un enfoque de nube híbrida.
• Adopción de DevOps: DevOps acelera el avance al dar a los equipos de desarrollo más poder para provisionar y reconfigurar la infraestructura, pero el departamento de TI sigue teniendo que gestionarla. AIOps proporciona la visibilidad y la automatización que TI necesita para respaldar DevOps sin mucho esfuerzo de gestión adicional.

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

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 eventos
• Transmisión de eventos de operaciones en tiempo real
• Registros y métricas del sistema
• Datos de red, incluidos los datos de paquetes
• Datos y tickets relacionados con incidentes
• Datos de demanda de aplicaciones
• Datos de infraestructura

Luego, AIOps aplica capacidades enfocadas de análisis y aprendizaje automático:

• Separe las alertas de eventos importantes del "ruido": AIOps analiza los datos de sus operaciones de TI y separa las señales (alertas de eventos anormales importantes) del ruido (todo lo demás).
• Identifique las causas principales y proponga soluciones: AIOps puede correlacionar eventos anormales con otros datos de eventos en todos los entornos para concentrarse 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, AIOps puede enviar automáticamente alertas y soluciones recomendadas a los equipos de TI adecuados, o incluso crear equipos de respuesta según 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 provisionada o reconfigurada por los equipos de DevOps.