لقد تجاوز التعلم الآلي الهوة. في عام 2020 ، وجدت McKinsey أنه من بين 2395 شركة شملها الاستطلاع ، 50٪ لديها استثمار مستمر في التعلم الآلي. بحلول عام 2030 ، من المتوقع أن يحقق التعلم الآلي حوالي 13 تريليون دولار. قبل مضي وقت طويل ، سيكون الفهم الجيد للتعلم الآلي (ML) مطلبًا أساسيًا في أي استراتيجية فنية.
معدل التغيير المتزايد في تطوير البرمجيات
تعمل الشركات على تسريع معدل التغيير. تم نشر البرامج مرة واحدة في السنة أو كل سنتين. الآن ، ينشر ثلثا الشركات التي شملها الاستطلاع مرة واحدة على الأقل شهريًا ، مع نشر 26٪ من الشركات عدة مرات في اليوم. يوضح معدل التغيير المتزايد هذا أن الصناعة تعمل على تسريع معدل التغيير لمواكبة الطلب.
أدخل التعلم الآلي و AIops
يتفهم مجتمع هندسة البرمجيات العبء التشغيلي لتشغيل بنية الخدمات المصغرة المعقدة. يقضي المهندسون عادة 23٪ من وقتهم في مواجهة تحديات تشغيلية. كيف يمكن لـ AIops خفض هذا الرقم وإتاحة الوقت للمهندسين للعودة إلى البرمجة؟
اكتشاف الحالات الشاذة من خلال التعلم الآلي
اكتشاف العيوب هو أسلوب تعلم آلي يستخدم صلاحيات التعرف على الأنماط لخوارزمية قائمة على الذكاء الاصطناعي للعثور على القيم المتطرفة في بياناتك. هذا قوي بشكل لا يصدق للتحديات التشغيلية حيث يحتاج المشغلون البشريون عادةً إلى تصفية الضوضاء للعثور على رؤى قابلة للتنفيذ مدفونة في البيانات.
يمكن أن تكون AIops شبكة الأمان الخاصة بك
بدلاً من تحديد عدد لا يحصى من التنبيهات التقليدية حول كل نتيجة محتملة وقضاء وقت طويل في إنشاء هذه التنبيهات وصيانتها وتعديلها وضبطها ، يمكنك تحديد بعض التنبيهات الأساسية الخاصة بك واستخدام نهج AIops الخاص بك لالتقاط الباقي.
مع تطورنا إلى هندسة البرمجيات الحديثة ، أصبح وقت المهندسين موردًا نادرًا. تتمتع AIops بالقدرة على خفض النفقات التشغيلية المتزايدة للبرامج وتوفير الوقت لمهندسي البرمجيات للابتكار والتطوير والنمو في عصر الترميز الجديد.
آرييل الصراف هو الرئيس التنفيذي لشركة كورالوجيكس.