Инструменты искусственного интеллекта все чаще играют ключевую роль в упрощении и автоматизации повседневных ИТ-задач. Отладка ПО, предиктивное обслуживание и фильтрация инцидентов низшего уровня — три реальных примера применения ИИ, о которых на портале Enterprisers Project рассказывает Детлеф Наук, руководитель отдела исследований в области ИИ и науки о данных BT Global.

Если кого-нибудь спросить, почему он выбрал карьеру в сфере ИТ, вряд ли он ответит: «Мне нравится вводить данные», «Я мог бы отлаживать код целыми днями» или «Работа с тикетами — это так весело, я бы делал это, даже если бы мне за это не платили». Определенно, ручные и однообразные задачи не нравится никому.

Ниже приводятся три основных способа, которыми ИИ может помочь автоматизировать ручные ИТ-задачи, тем самым высвобождая драгоценные ресурсы и принося пользу командам, предприятиям и клиентам.

1. Отладка ПО

Грейс Мюррей Хоппер была контр-адмиралом ВМС США и пионером компьютерного программирования, в 1940-х она работала в Гарварде над компьютером Mark II. 9 сентября 1947 г. она отследила в его работе ошибку, причиной которого стало насекомое (bug), замкнувшее один из контактов реле. Его даже вклеили в системный журнал с записью о первом случае «отладки». Хотя Хоппер и ее команда не были первыми, кто использовал термин «баг» для описания системного сбоя, они, безусловно, способствовали его популяризации.

Конечно, ошибки в ПО доставляют неудобства. Чтобы найти проблемы в коде, ИТ-отделам и инженерам-программистам порой нужно «перелопатить» миллионы строк кода.

ИИ еще не достиг того уровня мышления и творчества, каким обладают человеческие инженеры. Однако ИИ уже может быть чрезвычайно эффективен в обнаружении исключений и аномалий. Вы обучаете его нормальному использованию, а он определяет, когда что-то не так. Еще одно преимущество ИИ перед человеком — обнаружение закономерностей. Допустим, система каждую неделю в одно и то же время выходит из строя после того, как загрузка памяти достигает определенного уровня.

Инструмент ИИ может легко соединить цепочку информации, связав поведение разработчиков с шаблонами проверяемого в репозитории кода, с ошибками. Его можно использовать для уведомления разработчиков о том, что они сделали что-то, что может привести к поломке, и попросить их проверить код еще раз. Если бы в вашем доме завелись тараканы вы, конечно, могли бы уничтожать их одного за другим. Но не проще ли обнаружить, где они прячутся, и расставить ловушки?

2. Прогнозирование будущих проблем

Поговорка «Один грамм предусмотрительности стоит столько же, сколько килограмм лечения» верна не только для медицины, но и для ИТ. Мониторинг операций и принятие упреждающих мер вместо того, чтобы просто реагировать на возникающие проблемы, может предотвратить неожиданные простои и дорогостоящие сбои. CIO и ИТ-специалисты в той или иной степени знакомы с ценностью регулярного профилактического обслуживания, будь то установка обновлений ПО или создание резервных копий. Это разумная практика для компании.

Предиктивное обслуживание, с другой стороны, носит индивидуальный характер. Оно следит за оборудованием и окружающей его средой, проводит тесты и получает обратную связь от оборудования для создания индивидуальных прогнозов. Это как если бы анализ крови показал, что у вас преддиабетное состояние, и в ответ на это вы выбрали диету с низким содержанием сахара. Людям может быть неприятна мысль о том, что машины будут следить за ними весь день. Но при предиктивном обслуживании с ИИ-поддержкой вы наблюдаете за машинами с помощью других машин.

3. Фильтрация инцидентов низшего уровня

Работа с ИТ-тикетами может напоминать игру «Ударь крота», но без веселой карнавальной музыки и призов, и вызывать усталость. Как известно, одни инциденты требуют внимания, а другие — нет. И без надлежащего способа сортировки инцидентов ИТ-отделы становятся перегруженными. На помощь приходят интеллектуальные фильтры. Они уже давно существуют в поисковых системах и э-ящиках, отличая хорошее от плохого, важное от неважного. Для ИТ-отделов они могут отличать реальные инциденты от шума. Использование методов ИИ, таких как рассуждения на основе прецедентов (Case-based reasoning, CBR), поможет определить, какое решение следует изучить в первую очередь или какую дополнительную информацию запросить у клиента, чтобы быстро и точно поставить диагноз.

Системы CBR учатся на успехах и неудачах, применяют сложные вероятностные рассуждения для определения перспективных решений и создают ценную базу знаний. Благодаря интеллектуальным фильтрам и CBR ИТ-менеджеры могут более эффективно выделять ресурсы для инцидентов, требующих вмешательства человека.

Хотя существует множество ИИ-приложений, которые помогают ИТ-отделам, и многие другие еще предстоит открыть, отладка, предиктивное обслуживание и интеллектуальная фильтрация — это три вида применения ИИ, которые сегодня необходимы для любого современного ИТ-отдела. Поскольку ИИ все больше интегрируется в нашу работу, любая организация, которая не изучает возможности автоматизации своих ручных ИТ-задач, тратит ценный финансовый и человеческий капитал впустую и в конечном итоге может оказаться позади конкурентов