Yakın zamana kadar ağlarda meydana gelen sorunları gidermek, kullanıcılara yüz yüze yardım etmek ya da bir sonraki adımı planlamak için toplantı odasında bir araya gelmek demekti. Artık BT ekipleri uzaktan çalışıyor.
Yazar: Aruba, a Hewlett Packard Enterprise company, Ülke Müdürü Ersin Uyar
Ellerinde oldukça az miktarda veri var, ekip arkadaşları ile daha az iletişim halindeler ve kendileri gibi uzaktan çalışanların sorunlarına çözüm arıyorlar. Gerçek dünya verileri olmadan tahmini yürütülen erişim kontrolü ve temas takip analizini içeren gelişmiş kapsama planlamasından, yeni çevre sağlığı ve güvenliği programlarına kadar her şey ofislere geri dönüş planlarını zorlaştırıyor.
Sonuç olarak, aralıklarla meydana gelen sorunları takip etmek, her bir kullanıcıya yanıt vermek ve hem yönetim hem de operasyonel araçlar arasında koordineli çalışmak için kaynaklar sınırlı ve fazla vakit yok.
Böylesine senaryolarda, BT operasyonları için yapay zekayı (AIOps) benimsemek, yoğun iş temposunda çalışan BT ekiplerinin gündelik sorunları yönetmelerine ve bunu yaparken de kritik önemdeki ofise dönüş projeleri üzerinde çalışmalarına yardımcı olabilir. Veri analitiğinin, makine öğreniminin ve BT operasyonlarında başarıya ulaştıran ve hatta birçok durumda verimliliği artıran otomasyonun kullanımı, bu konseptte bir araya geliyor.
Sorun 1: Ağ Sorunlarını Proaktif Bir Şekilde Çözmek
Ağdaki sorunların çözümü için artık, kullanıcıların ya da Nesnelerin İnterneti cihazlarının tek başlarına aktaramayacakları veri ve bilgilere ihtiyaç duyuluyor. Video konferans görüşmelerinde bağlantısının sürekli kopmasından şikayetçi olan bir kullanıcıyı örnek alalım. BT’nin bu sorunu çözmek için bir başlangıç noktası vardır fakat çoğu zaman bu veriler tek başına bir anlam ifade etmez. Çoğunlukla sorunu gidermek için konferans görüşmesini tekrarlamak ya da sorun Nesnelerin İnterneti tarafında ise yönetim aracındaki anormallikleri tespit etmek adına daha derin bir araştırma yapmak gibi hem zaman hem de insan kaynağını tüketen çözümler gerekebilir.
Yapay zekanın yardım eli uzattığı yer tam olarak burası. Etkili çalışan yapay zeka operasyonu (AIOps) ile BT, çoğunlukla bu tür sorunları daha kullanıcılar etkilenmeden tanımlayabilir ve önleyebilir. Bunu başarmanın yolu ise bazı evden çalışma senaryoları dahil olmak üzere bütün bir ekosistem boyunca operasyonel bir ana hat çizmek için tüm kablosuz, anahtarlama ve SD-WAN ağ geçidi cihazlarından veri toplamaktan geçer. Ağın ya da kullanıcının performansında gözle görülür bir sapma yaşanırsa, BT ekipleri daha son kullanıcı fark etmeden bu sorunu çözmek adına proaktif hamlelerde bulunabilir. Yapay zeka aynı zamanda, BT ekibinin kullanıcıyı, ağ cihazını ya da siteye özgü bir sorun varsa bunların hızlıca tespitini sağlayan kolay kullanımlı doğal dil işlemeyi de içermelidir.
Sorun 2: Daha Az Zaman Harcayarak Sorunları Gidermek
Basit bir sorunu tanımlamak ya da düzeltmeye çalışmak için fazla zaman harcanınca başka alanlarda kullanılabilecek kaynaklar da tükenebilir. Çoğu BT ekibi zamanlarının büyük çoğunluğunu sorun giderirken, sistem günlüğünü incelerken ya da bir sorun üzerine kullanıcıyla beraber çalışırken harcar. Ağdaki görevlerinde her zamankinden daha fazlası yapması beklenen bu ekipler için daha az çabalayarak sorun gidermek, oldukça önemlidir.
Yapay zeka, işlerin yolunda gidip gitmediğini tespit etmek için sürekli bir şekilde temel hizmet seviyelerini izler. Yapay zeka destekli içgörüler ise erişim noktalarında yer alan hatalı 2.4Ghz ve 5Ghz bağlantı seçenekleri gibi genel sorunları çözmek için BT ekibini otomatik bir şekilde sorunun kökenine yönlendirebilir. Sorunu çözmek için başlanan noktayı ve neyin değiştirileceğinin bilinmesini mümkün kılan yapay zeka, saatler alabilecek bu süreci dakikalara çekebilecek bir fark yaratır. Aralıklarla meydana gelen sorunlar için bu oldukça önemlidir.
Sorun 3: Görünürlüğü Sürdürmek
Yapay zeka için bir sorunu çözmek kadar, ortam şartları değiştikçe sürekli öğrenmesi ve kritik ana hatları dinamik bir şekilde ayarlaması da önemlidir. Her ne kadar gelecekte meydana gelebilecek benzer sorunlar için içgörüler sağlamak değerli olsa da buradaki amaç, statik eşikleri ya da hizmet seviyesinde beklentileri (SLEs) ortaya koymadan değişikliklerden haberdar olmaktır.
Böylece, eski varsayımlara dayanan deneme yanılma yöntemine ihtiyaç ortadan kalkar. Değişkenler farklılaştığında, konfigürasyonda bir değişikliğe gitmek ve ardından bu değişikliğin yardım masasında mı yoksa çözümle mi sonuçlanacağını beklemek pek fayda etmez. İşte, yapay zeka tarafından yakalanan ağ bilgisi bu noktada avantaja dönüşür. Ek bağlam, hızlıca bir çözüm ya da optimizasyon çabası için oldukça önemli olabilir.
Bahsi geçen içgörüler BT ekiplerine WiFi, anahtarlama, WAN ve uygulamalarla ilişkili sorunların nereden kaynaklandığına dair sebepler sıralamalı ve konfigürasyonda nelerin değiştirileceğine dair öneriler sunmalıdır. Bu sayede gereksiz tahminler yürütmeyi ortadan kaldırmak, herkes için çok daha iyi bir tecrübe sağlayabilir.
İnovasyon İçin Daha Fazla Zaman Ayırma
Bu üç temel sorunu çözmek BT verimliliğini artırabilir. Bu, mevcut altyapıdan en iyi şekilde yararlanmak, ağı geliştirecek yeni projelere imza atmak ve uzun vadede işletmeye değer katacak faydalı işler için zaman tasarrufu yapmak demek.
Anormallikleri otomatik bir şekilde algılayan ve hem sorun gidermede ipuçları hem de güvenilir optimizasyon önerileri veren yapay zekanın getirdiği ek verimlilik, ister ofiste ister evde isterse de yoldayken çalışan iş gücünü daha mutlu ve üretken yapacaktır.
