Sangat sering lingkungan Internet of Things (IoT) berperilaku normal, ia melakukan apa yang dimaksudkan oleh perancangnya. Namun, dari waktu ke waktu ada yang salah, kata Will Cappelli, CTO EMEA dan Global VP of Product Strategy di Moogsoft, peristiwa dapat terjadi yang menunjukkan bahwa platform tidak berperilaku dengan cara yang diantisipasi atau diinginkan. Oleh karena itu, intervensi diperlukan untuk mengatur ulang kursus dan menyesuaikan kembali hal-hal. Tapi bagaimana proses ini bekerja?
Pendekatan tradisional terhadap insiden IoT
Secara umum, ini dapat digambarkan sebagai tautan antara sinyal dan respons - lingkungan memberi sinyal bahwa ada sesuatu yang salah yang dikirim ke responden. Responden, yang bisa berupa manusia atau robot, bertindak berdasarkan sinyal dan mengubah banyak hal. Jika Anda melihat lingkungan IoT tradisional, ada dua jenis mekanisme sinyal/respons.
Pertama, ada mekanisme respons "cepat tapi bodoh" yang digunakan sebagian besar lingkungan IoT. Anda akan memiliki sinyal yang akan berjalan di sepanjang jalur bawaan ke responden tertentu yang biasanya hanya melakukan satu hal, atau mungkin memilih dari menu tiga dari empat hal dan mencari untuk memperbaiki sensor atau memulai ulang jaringan. Ini akan bekerja dengan sangat cepat.
Pendekatan kedua adalah "pintar tapi lambat" yang sebagian besar telah tersedia melalui vendor manajemen log. Pendekatan ini didasarkan pada upaya untuk membuat keputusan yang tepat dalam lingkungan yang kompleks – Anda tidak dapat hanya memiliki beberapa opsi untuk dipilih. Anda perlu menanggapi setiap situasi secara unik.
Teorinya adalah untuk mengumpulkan sejumlah besar data tentang lingkungan dalam database manajemen log yang tidak terstruktur dan menyediakan pembuat keputusan dengan sejumlah besar alat untuk memahami lingkungan, memberi mereka pilihan yang luas tentang apa yang mungkin menjadi solusi terbaik.
Tidak dapat disangkal, ini dapat menghasilkan hasil yang sangat akurat tetapi prosesnya lambat, latencynya bisa bertahan selama berminggu-minggu. Terutama dalam pengaturan IoT, hal itu tidak masuk akal karena Anda tidak memiliki waktu sebanyak itu untuk membuat keputusan yang tepat.
Mengapa menggunakan AIOps di IoT
Kedua skenario ini sebelum munculnya Artificial Intelligence for IT Operations (AIOps). Apa yang dibuat oleh pendekatan AI dan AIOps adalah bahwa melalui otomatisasi, analisis tugas dapat memberi Anda cara yang "cepat tapi cerdas" untuk mengelola sistem IoT. Ini secara efektif mengambil model yang lambat namun cerdas tetapi mengotomatiskan wawasan manusia, menghasilkan pengurangan latensi yang signifikan antara sinyal dan respons – tetapi yang terpenting tidak mengorbankan kualitas respons. Pada tingkat dasar, itulah yang dibawa oleh AIOps dalam hal mengelola lingkungan IoT.
Mari kita lebih spesifik. Dengan memeriksa tren perilaku dan memprediksi di mana tren ini memengaruhi jaringan, AIOps dapat dengan cepat memprediksi insiden sebelum terjadi. AIOps juga secara signifikan mengurangi jumlah waktu yang diperlukan untuk mencari tahu apa akar penyebab masalah kinerja. Pada dasarnya, ini dapat membantu Anda melihat ke masa depan dan melihat ke masa lalu. Selain itu, AIOps dapat mengatur redundansi di lingkungan secara lebih efektif. Misalnya, jika Anda memiliki sekelompok sensor yang mengalami penurunan kualitas, AIOps akan memungkinkan Anda memasukkan sensor yang berbeda sehingga menghasilkan alokasi sumber daya yang hemat biaya.
AIOps dan masa depan IoT
Jika kita melihat masa depan, ada banyak penelitian yang dilakukan di sekitar kendaraan otonom tetapi jangan terlalu jauh ke depan. Yang lebih relevan untuk saat ini adalah konsep kendaraan terhubung. Dalam beberapa hal, kendaraan yang terhubung adalah rumah tengah antara teknologi otomotif tradisional dan kendaraan otonom. Yang saya maksud dengan ini adalah Anda memiliki banyak sensor yang dimasukkan ke dalam layanan umum yang disediakan untuk sekumpulan mobil. Ini bisa sesederhana kemacetan lalu lintas. Berdasarkan informasi yang dikirimkan kendaraan yang terhubung ke kapal induk, dapat ditentukan di mana kemacetan terjadi yang pada akhirnya akan mengubah rute yang disarankan ke kendaraan tertentu pada sistem tertentu.
Ke depan, kita akan melihat kecerdasan otomatis, tidak hanya sebagai pengiring IoT, tetapi pada dasarnya akan menjadi lapisan dari apa artinya mengotomatisasi segalanya. Anggap saja sebagai jalinan kecerdasan yang mencakup semua perangkat. Jadi, di masa depan, semua perangkat berkemampuan IP mulai dari lemari es hingga sakelar lampu hingga mesin cuci, akan memproses operasi cerdas.
Mengapa IoT membutuhkan AI
IoT membawa serta tantangan yang membutuhkan penyebaran AIOps untuk memberikan solusi lengkap. Apa artinya ini? IoT memperkenalkan kompleksitas ke dalam lingkungan yang memerlukan dukungan teknologi AI untuk mengelola tantangan. Hal ini dicapai terutama dengan menggunakan otomatisasi cerdas untuk memilih data penting dari rentetan data yang dihasilkan oleh lingkungan IoT Anda.
Namun, ada sejumlah masalah lain yang diselesaikan AI...kemampuan untuk menemukan pola dalam kumpulan data yang signifikan, kemampuan untuk membuat kesimpulan berdasarkan pola tersebut, kemampuan untuk mengomunikasikan hasil tersebut, dan pada akhirnya kemampuan untuk mengotomatiskan respons perbaikan yaitu jika lingkungan IoT memerlukan semacam intervensi untuk memastikannya terus bekerja secara efektif.
Pada dasarnya, tugas yang dilakukan AI untuk infrastruktur TI atau portofolio aplikasi sama dengan yang dilakukannya untuk lingkungan IoT. Faktor-faktor yang menjadikan AI sebagai kebutuhan untuk operasi TI adalah faktor yang sama untuk IoT – tetapi diintensifkan karena lingkungan sangat termodulasi dan ada sejumlah elemen yang bertindak hampir otonom.
Selain itu, lingkungan IoT sangat terdistribusi dan hubungan dinamis di antara komponen berubah sepanjang waktu. Terakhir, fakta bahwa komponen dalam lingkungan IoT bersifat sementara dan muncul dan menghilang dengan rentang hidup yang sangat singkat. Ini adalah alasan kuat mengapa IoT membutuhkan kemampuan AI dan AIOps pada khususnya.
Bagaimana IoT membantu AIOps berkembang?
Tidak ada keraguan bahwa IoT akan berdampak pada evolusi AIOps. Saat ini, sebagian besar sistem AIOps sangat terpusat – data tiba di lokasi pusat di mana AI diterapkan. Sekarang, ketika diterapkan ke pengaturan IoT, ada persyaratan untuk melakukan analitik secara lokal yang memperkenalkan elemen distribusi ke sistem AIOps. Hal ini membutuhkan AI untuk bekerja di ujung tombak.
Secara umum, IoT akan memaksa AIOps untuk menjadi lebih dari sistem agen terdistribusi dan pindah ke jaringan, daripada menjadi layanan terpusat yang hanya menyerap data. Inilah yang saya perkirakan sebagai perubahan terbesar yang akan dipaksakan IoT pada apa yang saat ini kita lihat sebagai AIOps.
Ini bukan hal yang mudah untuk dilakukan, ada tantangannya. Tidak hanya dalam pengembangan perangkat lunak dan perangkat keras yang sesuai, tetapi juga menantang secara konseptual. Kita akan membutuhkan stok metafora desain konseptual baru yang tidak biasa digunakan oleh pengembang perangkat lunak. Tapi saya yakin, mereka tidak butuh waktu lama untuk beradaptasi.
Penulis blog ini adalah Will Cappelli, CTO EMEA dan Global VP of Product Strategy, Moogsoft
