Автономность или автоматизация?
8 января 2020
2
По прогнозу Forrester, автоматизация «окажется на острие цифровой трансформации, затрагивая буквально все - от инфраструктуры до обслуживания клиентов и появления новых бизнес-моделей». Как ожидается, в течение ближайшего года автоматизация устранит до 20% обращений в службы поддержки благодаря успешному сочетанию когнитивных систем, технологий RPA и чат-ботов. Сегодня отрасль выходит за рамки простой автоматизации, но еще не достигла уровня автономности, который позволил бы ИТ-системам функционировать полностью самостоятельно, без участия человека.
Автоматизация и автономность: в чем разница?
Автономность нередко путают с автоматизацией. Оба направления нацелены на избавление человека от рутинной работы. Между тем от автоматизации до автономности – путь неблизкий. Автоматизация обычно означает «процесс, выполняемый без помощи человека» по заданным правилам, в то время как автономия подразумевает «способность функционирования системы в неопределенных заранее условиях и устранять сбои без внешнего вмешательства».
Автоматизированные системы обычно работают в пределах четко определенного набора параметров и правил, они ограничены в своих действиях. Они созданы для многократного и эффективного выполнения определенной функции, могут предпринимать определенные действия для устранения проблемы, но это не означает, что они автономны.
Тем временем автономные ИТ-системы уже научились прогнозировать сбои, управлять операциями и адаптироваться к работе пользователя. И наверняка эти системы в конечном итоге станут еще более независимыми. Они способны определять, какое решение или действие будет наиболее правильным в недетерминированной среде, но все еще требуют участия человека для программирования набора правил или обучения моделей в системах машинного обучения. Им еще предстоит научиться сопоставлять события, выявлять закономерности, предсказывать сбои и предпринимать действия независимо от людей, адаптироваться к изменяющимся условиям и целям.
Что эффективнее?
Автономная система обучается и адаптируется к динамически меняющимся средам, способна извлекать уроки из накапливаемых наборов данных. Однако, если нужна система с высокой предсказуемостью и многократно выполняющая одну и ту же функцию, то оптимальный вариант - автоматизированная система, поскольку она проще, требует меньше ресурсов, ее легче обслуживать.
Автономные системы демонстрируют свои лучшие качества в средах, где неизвестны заранее все условия, и нужна адаптация/обучение по мере изменения среды и входных данных. Однако из-за высокой стоимости и сложности их применение считается избыточным для решения задач, с которыми справляются средства автоматизации.
В целом мониторинг и автоматизация достаточны для устранения относительно простых проблем в ИТ-системах, а для решения более сложных, комплексных проблем может потребоваться применение ИИ.
Автономность в ИТ
Примером автономной системы является система обнаружений вторжений путем поиска аномалий в сетевом трафике. Автономные системы наиболее эффективны в постоянно меняющемся ландшафте угроз, например, когда появляются новые векторы атаки, но им необходим доступ к наборам данных, на которых можно обучаться. Они используют машинное обучение (ML), чтобы блокировать попытки атак, способны находить эксплойты нулевого дня.
Для работы в постоянно меняющейся среде с растущим числом векторов атак без какой-либо формы встроенного интеллекта не обойтись. Когда злоумышленники меняют методы атаки, эти системы учатся идентифицировать их, используя дополнительные данные, улучшенные алгоритмы или более продвинутые методы обучения.
Между тем машинное обучение может применяться как в автоматизированных, так и в автономных системах. Его можно использовать для повышения "уровня интеллекта", чтобы свести к минимуму количество ложных срабатываний, а также предвидеть потенциальные отказы и сбои.
Новые автономные технологии - самоуправляемые базы данных и другие высокоавтоматизированные сервисы облачных платформ - используют алгоритмы машинного обучения для непрерывного самоисправления, самонастройки, резервного копирования и самобновления без вмешательства человека, прямо во время работы системы.
Например, как утверждают разработчики, облачная автономная база данных Oracle Autonomous Database берет на себя такие ранее выполняемые вручную и подверженные ошибкам задачи как обновление системы, ее защита, конфигурирование и настройка - все это без простоев и вмешательства человека. Эта же технология стала основой ОС Oracle Autonomous Linux. Исправления и обновление система выполняет автоматически.
ИИ встроен в систему управления HPE Infosight. Задача этого специализированного ПО - решать проблемы в ИТ до того, как они нанесут ущерб бизнесу. С увеличением объемов обрабатываемых данных усложняется и ИТ-инфраструктура. Большое количество серверов, систем хранения, коммуникационного оборудования и приложений не всегда корректно взаимодействуют друг с другом. Это приводит к проблемам и простоям. В такой ситуации на помощь приходит ИИ. Подобных примеров становится все больше.
Аналитики Gartner прогнозируют, что только в 2021 году внедрение ИИ принесет бизнесу 2,9 трлн. долларов. Со временем системы с ИИ станут более надежными и эффективными, обретут способность справляться с большими сложностями, получат большую самостоятельность при принятии решений.
