Bagaimana AI Meningkatkan Operasi IoT: Dari Respons Cepat, Bodoh hingga Manajemen Otomatis Cerdas
Will Cappelli, CTO EMEA dan Global VP of Product Strategy di Moogsoft, menyoroti bagaimana lingkungan Internet of Things (IoT) dapat beroperasi dengan sempurna sebagian besar waktu, namun masih mengalami anomali yang tidak terduga yang menuntut intervensi yang cepat dan tepat.
Pendekatan Tradisional terhadap Insiden IoT
Secara historis, respons insiden dalam IoT adalah loop sinyal-ke-tindakan sederhana. Sistem mendeteksi kesalahan dan mengirim notifikasi ke responder—manusia atau otomatis—yang kemudian mengeksekusi perbaikan yang telah ditentukan sebelumnya.
Ada dua model klasik:
1. Cepat tapi Bodoh – Pemicu terpadu yang mengirim sinyal ke satu responder, yang biasanya melakukan salah satu dari beberapa tindakan (misalnya, reboot sensor atau reset node jaringan). Keuntungannya adalah kecepatan; kerugiannya adalah adaptabilitas terbatas.
2. Cerdas tapi Lambat – Didukung oleh platform manajemen log, pendekatan ini mengagregasi sejumlah besar data tidak terstruktur, memberikan analis serangkaian opsi yang luas untuk merancang solusi kustom. Sementara ini dapat menghasilkan hasil yang sangat akurat, latensi dapat mencapai mingguan—tidak dapat diterima untuk operasi IoT real-time.
Menggunakan AIOps dalam IoT
AIOps menjembatani kesenjangan antara kecepatan dan kecerdasan. Dengan mengotomatisasi analisis data, ia memberikan respons “cepat tapi cerdas” tanpa mengorbankan kualitas. AIOps terus belajar dari tren perilaku, memungkinkannya untuk mengantisipasi insiden sebelum terjadi dan mengidentifikasi penyebab akurat dalam fraksi waktu yang diperlukan oleh metode manual.
Menurut laporan Gartner 2023, AIOps dapat mengurangi waktu respons insiden hingga 70%, secara dramatis meningkatkan uptime untuk penerapan IoT. Ia juga menyederhanakan orkestrasi redundansi—jika kluster sensor meluruh, AIOps dapat dengan mulus mengalihkan lalu lintas ke perangkat sehat, mengoptimalkan biaya dan kinerja.
AIOps dan Masa Depan IoT
Sementara kendaraan otonom mewakili visi jangka panjang, “kendaraan terhubung” saat ini menggambarkan interseksi praktis antara IoT dan AIOps. Dengan mengagregasi data sensor dari banyak mobil, layanan sentral dapat mengidentifikasi titik macet lalu lintas dan menyesuaikan rute secara dinamis untuk semua kendaraan dalam jaringan.
Di masa depan yang dapat dijangkau, AIOps akan menjadi kain cerdas yang tidak terlihat yang dijalani melalui setiap perangkat yang diaktifkan IP—dari kulkas hingga lampu jalan—memungkinkan pemulihan mandiri dan pemeliharaan prediktif di tepi.
Mengapa IoT Memerlukan AI
Skala dan modularitas IoT menciptakan banjir data yang terlalu kompleks untuk operator manusia saja. AI esensial untuk:
Menyaring kebisingan untuk menyoroti wawasan yang dapat ditindaklanjuti.
Mengidentifikasi pola yang mengindikasikan kegagalan yang akan datang.
Mengambil hubungan sebab-akibat di seluruh komponen terdistribusi.
Mengomunikasikan temukan secara real time.
Mengotomatisasi tindakan korektif sebelum masalah mempengaruhi pengguna.
Berbeda dengan TI tradisional, perangkat IoT sangat terdistribusi, dinamis, dan umur pendek. Karakteristik ini mempertegas kebutuhan akan operasi otonom yang didorong AI.
Bagaimana IoT Akan Bentuk Evolusi AIOps
Platform AIOps saat ini cenderung terpusat, mengalirkan semua data ke satu hub analitik. IoT menuntut pergeseran ke analitik terdistribusi—AI harus beroperasi di tepi, memproses data secara lokal sebelum mengirim wawasan yang distilasi kembali ke inti.
Transisi ini akan mengubah AIOps menjadi jaringan agen cerdas, masing-masing mampu membuat keputusan cepat dan kontekstual. Sementara ini menantang tantangan rekayasa dan konseptual, adopsi cepat industri terhadap komputasi tepi menunjukkan adaptasi yang cepat.
Penulis: Will Cappelli, CTO EMEA dan Global VP of Product Strategy, Moogsoft
