Miért egyre nehezebb jó döntést hozni, amikor minden adat rendelkezésre áll?

Néhány évvel ezelőtt egy IT-vezető számára viszonylag egyszerű volt megválaszolni, hogy miért kerül annyiba, amennyibe egy alkalmazás vagy szolgáltatás. Az infrastruktúra nagy része saját adatközpontban működött, az alkalmazások száma korlátozott volt, a rendszerek közötti kapcsolatok pedig jól átláthatók maradtak.

Ma egyetlen üzleti folyamat mögött felhős szolgáltatások, mikroszolgáltatások, API-k, külső partnerek rendszerei és mesterséges intelligenciára épülő komponensek dolgoznak együtt. A technológiai lehetőségek bővültek, közben egyre nehezebb lett átlátni, hogy egy-egy üzleti folyamat pontosan milyen rendszereken halad keresztül.

Amikor egy pénzügyi vezető azt látja, hogy egy üzleti alkalmazás költsége negyedévről negyedévre emelkedik, önmagában a növekedés még nem feltétlenül jelent problémát. Könnyen lehet, hogy a rendszer több ügyfelet szolgál ki, új funkciókkal bővült, vagy egyszerűen nagyobb üzleti terhet visz a hátán, mint korábban. Az is előfordulhat, hogy a háttérben teljesítményproblémák, rosszul optimalizált erőforrások vagy egy új, számításigényes AI-megoldás áll. A költség ugyan látszik a riportokban, az okok feltárása már jóval nehezebb feladat.

A válasz sokszor azért nehéz, mert az ehhez szükséges információk különböző helyeken találhatók meg.

A költségadatokat a pénzügyi rendszer mutatja, az alkalmazások állapotáról egy monitorozó platform ad képet, az AI-modellek működésével kapcsolatos információk pedig egy harmadik környezetben jelennek meg.

Amikor a költség önmagában nem mond semmit

A felhőhasználat egyik következménye, hogy a költségek sokkal részletesebben követhetők, mint korábban. Ettől azonban még nem lesz egyértelmű, hogy melyik kiadás indokolt, és melyik igényel beavatkozást.

Vegyünk két alkalmazást, amelyek havonta ugyanannyiba kerülnek. Az egyik egy olyan rendszer, amely közvetlenül támogatja az értékesítést és jelentős bevételt termel. A másik egy háttérrendszer, amely évek óta változatlanul fut, miközben a kihasználtsága minimális. A költség ugyanaz, az üzleti értékük mégis teljesen eltérő.

Egy költségadat önmagában kevés információt hordoz. Akkor válik igazán használhatóvá, ha ismert az üzleti háttere és a hozzá kapcsolódó eredmény.

Az elmúlt években éppen ezért került előtérbe a FinOps szemlélet, amely a pénzügyi, üzleti és IT-területek közös nyelvét próbálja megteremteni a költségek körül.

Ebben a megközelítésben kap fontos szerepet az IBM Apptio, amely segít összekapcsolni az IT-költéseket az üzleti szolgáltatásokkal és folyamatokkal. Egy költségadat önmagában ritkán vezet jó döntéshez. Az már sokkal értékesebb információ, ha pontosan látható, hogy egy adott kiadás milyen üzleti tevékenységet támogat, és milyen eredményt termel.

A hibák egyre ritkábban ott keletkeznek, ahol először látszanak

A modern alkalmazások működésének másik sajátossága, hogy egy probléma forrása és annak üzleti hatása gyakran nagyon messze kerül egymástól. Egy felhasználó például azt tapasztalja, hogy egy rendelés leadása szokatlanul lassú. Az ügyfélszolgálat hibajegyet nyit. Az üzemeltetési csapat megvizsgálja az alkalmazást, de ott nem talál nyilvánvaló problémát. A kiváltó ok végül lehet egy túlterhelt adatbázis, egy külső API lassulása vagy egy olyan szolgáltatás, amelyről a felhasználó soha nem is hallott.

A digitális rendszerek összetettsége miatt az incidensek felderítése ma már gyakran több időt vesz igénybe, mint maga a hiba elhárítása. Nem véletlen, hogy az observability az elmúlt évek egyik legfontosabb technológiai területévé vált. Az observability célja, hogy egy esemény hatása gyorsan végigkövethető legyen a teljes folyamaton.

Az IBM Instana erre kínál megoldást. Az alkalmazások, szolgáltatások és infrastruktúraelemek közötti kapcsolatok automatikus feltérképezésével segít gyorsabban azonosítani a problémák valódi forrását, ami különösen fontos olyan környezetekben, ahol egy leállás vagy teljesítményromlás közvetlen hatással van az ügyfélélményre vagy a bevételre.

Az AI bevezetése után következik a nehezebb rész

A mesterséges intelligencia körüli beszélgetések hosszú ideig arról szóltak, hogy mire lehet használni az új technológiát. Sok vállalatnál az AI már nem kísérleti projekt, hanem a napi működés része. Egyre több helyen működnek AI-alapú megoldások, támogatják a döntéshozatalt, automatizálnak folyamatokat vagy segítik a munkatársakat a mindennapi feladatokban.

Milyen adatokra épül egy modell? Mennyire megbízható az eredménye? Visszakövethető-e, hogy milyen logika alapján jutott egy adott következtetésre? Ki viseli a felelősséget, ha egy AI-rendszer hibás ajánlást ad vagy téves döntést támogat?

Ahogy az AI-modellek bekerülnek az üzleti folyamatokba, megjelenik az igény a működésük dokumentálására, ellenőrizhetőségére és kockázatkezelésére is.

Az IBM watsonx.governance ebben nyújt segítséget. Olyan képességeket biztosít, amelyek támogatják az AI-modellek nyomon követését, a megfelelőségi követelmények teljesítését és a kapcsolódó kockázatok kezelését.

Az összefüggések értéke felértékelődött

A költségek, a teljesítmény és az AI-modellek működése általában külön rendszerekben jelennek meg, a vezetői döntésekhez viszont ritkán elegendő csak az egyik nézőpont. Egy technológiai beruházás értékének megítéléséhez egyszerre kell látni a költségeket, a teljesítményt, a kockázatokat és az üzleti hatásokat. A fontos információk gyakran különböző rendszerekben találhatók meg, miközben a döntésekhez ezek összekapcsolására lenne szükség.

Az IBM Apptio, IBM Instana és watsonx.governance megoldások segítenek összekapcsolni a költségekkel, a teljesítménnyel és az AI-modellek működésével kapcsolatos információkat, így az IT-környezet működése könnyebben értelmezhetővé válik. Ha szeretne többet megtudni a témáról, látogasson el az Inter Computer weboldalára, és vegye fel a kapcsolatot szakértőinkkel.