Mengapa Otomasi Sering Gagal dalam Operasi IT
Bersama dengan orkestrasi dan pengaturan awal, aturan otomasi mengikuti model write-once-deploy-anywhere yang hampir tidak memberi ruang untuk adaptabilitas. Setiap kali aplikasi enterprise baru ditambahkan, beban kerja dipindahkan ke atau di antara cloud, atau rencana strategi keseluruhan perusahaan berubah, maka aturannya pun harus berubah.
Pada tahun 1947, General Motors mendirikan departemen otomasi modern pertama. Tujuannya adalah untuk menyederhanakan produksi mobilnya dengan menggabungkan berbagai teknologi mekanik, hidrolik, dan komputer untuk menggantikan tugas-tugas yang memakan waktu dan memerlukan sumber daya yang biasanya ditangani oleh karyawan upah harian.
Tujuh dekade kemudian, fenomena otomasi telah menyebar ke setiap industri dan pasar dan telah menemukan audiens yang sangat antusias di dalam IT. Platform menyeluruh yang menggabungkan banyak skrip untuk meniru tindakan dan respons antara administrator dan lingkungan IT telah mendorong profesional IT di seluruh spektrum untuk mengotomatisasi sebanyak mungkin aktivitas.
Sekarang, semuanya mulai dari peluncuran perangkat lunak baru dan konfigurasi sistem hingga memulai ulang server yang koneksinya hilang dan mengambil tindakan korektif terhadap perubahan yang tidak terduga pada dasarnya berjalan otomatis. Namun apa yang pada awalnya dianggap sebagai semacam obat penawobat untuk apa yang menimpa tim IT mulai menunjukkan tanda-tanda ketidakefektifan terhadap gelar tantangan terkait IT selanjutnya — infrastruktur yang luas, volume data yang eksponensial lebih besar, dan kebutuhan bisnis yang berkembang dengan cepat — sehingga banyak yang bertanya: apakah otomasi IT cukup untuk berkembang di era digital? Dan, jika tidak, bagaimana organisasi IT dapat terus beroperasi secara efektif?
Mengelola lingkungan dinamis dengan aturan statis
Di scak transformasi digital, lingkungan IT semakin kompleks dan luas dari pada sebelumnya. Ada lebih banyak infrastruktur dan lebih banyak aplikasi yang harus dikelola, lebih banyak data yang harus diagregasi, dianalisis, dan dioperasionalkan — semuanya diaktifkan oleh munculnya strategi cloud hibrid.
Rata-rata enterprise saat ini menjalankan lebih dari ratusan aplikasi di beberapa cloud publik dan privat dalam upaya untuk mengikuti kebutuhan bisnis yang berubah dengan cepat yang diciptakan oleh basis pelanggan yang semakin mengharapkan dan tekanan kompetisi lainnya. Adopsi yang cepat (dan gigih) platform cloud dan akses mudah ke alat bantu titik telah menciptakan lingkungan perubahan dan evolusi konstan yang menambahkan kompleksitas yang dengan cepat menjadi tidak dapat dikelola. Faktanya, banyak pengambil keputusan IT melaporkan bahwa upaya transformasi digital mereka berisiko berdampak negatif pada organisasi secara keseluruhan jika tidak dikelola secara efektif. Dan tantangan itu mungkin terlalu dinamis untuk otomasi konvensional.
Otomasi sebagaimana kita ketahui adalah berbasis aturan dan dipacu kebijakan. Aturannya adalah perintah sederhana, dapat diprediksi untuk melakukan tugas atau aktivitas tertentu dan menghasilkan peringatan ketika ambang batas di sekitar tugas dan aktivitas tersebut dilanggar. Aturan otomasi cakupannya sempit, statis, dan harus dikordinasikan dengan ribuan aturan lain untuk menjaga operasi berjalan lancar dan efisien — yang tepatnya alasan mengapa mereka tidak lagi cukup dalam lingkungan IT modern yang telah didigitalkan.
Bersama dengan orkestrasi dan pengaturan awal, aturan otomasi mengikuti model write-once-deploy-anywhere yang hampir tidak memberi ruang untuk adaptabilitas. Setiap kali aplikasi enterprise baru ditambahkan, beban kerja dipindahkan ke atau di antara cloud, atau rencana strategi keseluruhan perusahaan berubah, maka aturannya pun harus berubah.
Selain itu, lingkungan cloud-based dan serverless saat ini memerlukan penyesuaian dan perubahan otomasi secara konstan, dan tidak ada tim IT yang ada dengan tenaga, sumber daya, atau kemampuan untuk melakukannya semua secara efektif.
AIOps memperkaya otomasi
Kebangkitan kecerdasan buatan adalah titik balik untuk profesional operasi IT di mana pun karena dapat mengubah pendekatan mereka dalam mengelola lingkungan IT yang selalu berubah. Menerapkan AI ke dalam operasi IT — AIOps — tidak hanya mengotomatisasi tugas-tugas yang paling memakan waktu dan berulang, tetapi juga tugas-tugas yang lebih kompleks dan tingkat lebih tinggi.
Sistem AIOps mengagregasi data dari target sumber di seluruh lingkungan IT — infrastruktur on-premises dan cloud — ke dalam satu data lake. Namun, berbeda dengan otomasi konvensional yang membutuhkan aturan untuk setiap skenario yang dapat diperhitungkan untuk bertindak atas informasi tersebut, AIOps belajar untuk secara proaktif mengidentifikasi bahkan sinyal peringatan awal yang terlunak di tengah volume informasi yang masif yang mungkin terlewatkan manusia, mengkontekstualisasikan pentingnya, dan mengambil tindakan yang tepat dan tegas segera tanpa intervensi manusia.
Alih-alih anggota tim secara manual meneliti ratusan peringatan dan mencoba membedakan antara prioritas tinggi dan dampak rendah, alat AIOps melakukannya semua secara otomatis. Mereka menerapkan algoritma yang disesuaikan dengan baik yang dipetakan ke operasi IT spesitas yang menyaring jutaan catatan log dan metrik untuk menampilkan peringatan yang paling kritis untuk membawa visibilitas yang lebih besar terhadap kinerja dan kesehatan sistem, membebaskan anggota tim IT untuk fokus pada inisiasi prioritas lebih tinggi dan memberikan peningkatan yang sangat dibutuhkan untuk produktivitas dan efisiensi IT.
Otomasi IT standar telah memberi manfaat kepada organisasi di mana-mana selama bertahun-tahun. Namun, enterprise saat ini menghadapi tantangan manajemen IT yang sedikit yang dapat diimajinisasikan pada masa awal dan yang otomasi IT konvensional secara sederhana tidak dapat menangani. Saat bisnis semakin didigitalkan — menambahkan infrastruktur, meluncurkan layanan baru, dan menggabungkan aliran data baru — mereka akan memerlukan solusi otomasi cerdas yang lebih canggih untuk mempertahankan kontrol penuh atas infrastruktur yang luas dan mengikuti lanskap kompetisi yang berkembang dengan cepat.
Ditulis oleh Jiayi Hoffman, arsitek data science di OpsRamp.
