פתרונות AIOps דורשים שילוב של בינה מלאכותית – מסורתית לצד יוצרת

בינה מלאכותית יוצרת (Generative AI – GenAI) הפיחה חיים חדשים בפתרונות AIOPs, אך לא ניתן להתבסס רק עליה בפתרונות אלה. בשנת 2022 פתרונות ה-AIOps תמכו בעיקר בתהליכים של איסוף מידע, ניטור מתקדם וביצוע שינויים בתהליכים תפעוליים בזמן אמת. הם היו פחות בשימוש למטרת קידום החזון של יישומים אדפטיביים. בשנה האחרונה נכנסה לתמונה ביתר שאת בינה מלאכותית יוצרת, אולם לא היה די בה על מנת לממש את מלוא הפוטנציאל של פתרונות ה-AIOps.

קיימות מספר אינדיקציות לכך ש-GenAI משמשת לצורך הנעת פעולה, על ידי יצירת מדיניות וקונפיגורציות לצמצום סיכונים וטיפול באירועים, אך אלו מקרים מוגבלים במידה רבה לאקו-סיסטם בודד, כלומר, לפורטפוליו של ספק מסוים. לטובת היכולת לנתח את הנתונים שנאספים על ידי יכולת הנראות, יש להסתמך על בינה מלאכותית מסורתית

כדי להבין מדוע, עלינו להגדיר מהו פתרון AIOps במונחים של היכולות שהוא נועד לספק.

מהו פתרון AIOps?

מודל ה-AIOps הוא מונח רחב, המתייחס בדרך כלל לשימוש בבינה מלאכותית עבור תפעול מערכות המידע. פתרונות AIOps – המבוססים בדרך כלל על פלטפורמות – מספקים לרוב ארבע יכולות עיקריות:

נראות: היכולת לקלוט טלמטריה ולזהות אנומליות.

ניתוח: היכולת לחשוף דפוסים, לתאם אירועים בקונטקסט מסוים, לזהות root cause ולייצר תובנות.

מעורבות: היכולת של משתמשים לצפות בנתונים ותובנות באופן ויזואלי ולהגיב.

הנעה לפעולה: היכולת להפוך תובנות לפעולה באמצעות אוטומציה.

במידה רבה, עד כה ראינו שילוב של GenAI עם יכולת המעורבות. GenAI קידמה את היכולת להגיב לנתונים ותובנות על ידי החלפת ממשקי משתמש גרפיים (GUIs) וממשקי API בממשקי NLI. הדבר קידם במידה רבה את פתרונות ה-AIOps לעבר השימוש המצוטט ביותר, על פי דו"ח ZK Research:

• יעילות/פרודוקטיביות של 64% בתפעול מערכות המידע.
• שיפור ביצועי רשת או אפליקציות ב-54%.
• שיפור מערך אבטחת מידע או עמידה ב-Compliance ב-54%.

קיימות מספר אינדיקציות לכך ש-GenAI משמשת לצורך הנעת פעולה, על ידי יצירת מדיניות וקונפיגורציות לצמצום סיכונים וטיפול באירועים, אך אלו מקרים מוגבלים במידה רבה לאקו-סיסטם בודד, כלומר, לפורטפוליו של ספק מסוים. לטובת היכולת לנתח את הנתונים שנאספים על ידי יכולת הנראות, יש להסתמך על בינה מלאכותית מסורתית.

לפעמים היא לא מספיקה ונדרשת גם בינה מלאכותית מסורתית. בינה מלאכותית יוצרת (GenAI). צילום: ShutterStock

מהי בינה מלאכותית מסורתית?

בינה מלאכותית מסורתית מתבססת על רבות מאותן טכניקות האימון והעקרונות של בינה מלאכותית יוצרת, אך היא נועדה לנתח ואף לחזות תוצאות על ידי זיהוי דפוסים והקשרים במקבץ של נתונים מובנים. בינה מלאכותית מסורתית מצוינת בסיווג ובזיהוי.

בינה מלאכותית מסורתית שימשה במשך שנים כדי: לזהות בוטים כדי למנוע שימוש לרעה והונאה דוגמת השתלטות על חשבון (ATO); לאתר התקפות על סמך דפוסי התנהגות בתעבורת הרשת (DDoS) והאפליקציות (L7); להמליץ על מוצרים ו/או שירותים על סמך דפוסי צריכה; ולזהות כתב יד ותמונות.

תפקידה של הבינה המלאכותית המסורתית ב- AIOps

היכולת של בינה מלאכותית מסורתית לבצע תחזיות של דפוסים והקשרים קיימים ולחשוף חדשים כמעט בזמן אמת, הופכת את הטכנולוגיה לבעלת ערך רב לפתרון AIOps אמיתי. נדרש מודל שיכול לנתח נתונים חדשים, בזמן אמת, ולהסיק על קיומה של התקפה או לחזות בעיה שתפגע בזמינות ובביצועים. בינה מלאכותית מסורתית מיומנת במיוחד בכך; היא מאפשרת לשלב את יכולת הנראות עם היכולת לזהות אנומליות ולגלות דפוסים והקשרים הדרושים ליכולת הניתוח.

GenAI יכולה ליצור קוד, קונפיגורציות ותוכן. היא משכפלת דפוסים קיימים ומיישמת אותם כדי ליצור תוכן חדש. היא לא יוצרת שום דבר חדש, אלא מסתמכת על הקשרים בין אובייקטים שמתחזקים או נחלשים על סמך משוב.

ואכן, אנחנו נסתכן אם נבקש מבינה מלאכותית זו לנתח נתונים חדשים. היא יכולה לספק תשובה נכונה או שגויה באותה מידה. זאת משום שהיא שבסופו של דבר מבוססת על משחק של מספרים, ואם ההקשרים בין הנתונים או הדפוסים אינם חזקים מספיק או לא קיימים כלל, היא פשוט תשלים את החסר – בין אם זה נכון או לא נכון.

בכללי, שיטה זו מציעה לנו נגישות לנתונים – כי לא צריך להיות מומחה בשפת שאילתות או להסתמך על מפתחים שיבנו לנו ממשק – ואת היכולת ליצור אוטומטית קוד או קונפיגורציות שניתן להפעיל כדי לפתור בעיה. היא מקלה על הצורך להיות מומחה בכתיבת קוד או במינוף של מספר ממשקי API.

מערכת זו מתייחסת רק באופן חלקי לשתיים משלוש היכולות הדרושות לפתרון AIOps פונקציונלי לחלוטין. לפיכך, עלינו להשתמש בבינה מלאכותית מסורתית ויוצרת גם יחד:

נראות: בינה מלאכותית מסורתית תשמש לזיהוי אנומליות.

אנליזה: בינה מלאכותית מסורתית תחשוף דפוסים והקשרים.

מעורבות: בינה מלאכותית יוצרת תאפשר למשתמשים לצפות בנתונים ותובנות באופן ויזואלי ולהגיב.

הנעה לפעולה: בינה מלאכותית יוצרת תהפוך תובנות לפעולה.

לכן, למרות התמיכה בבינה מלאכותית יוצרת והיכולת שלה לפשט ואף להאיץ את התפעול, חשוב להיות מודעים לכך שכדי לממש את מלוא הפוטנציאל של הבינה המלאכותית ב-AIOs, הדבר ידרוש בינה מלאכותית מסורתית לצד בינה מלאכותית יוצרת.

הכותב הוא מהנדס פתרונות ב-F5