Seuraava artikkeli auttaa sinua: Kuinka generatiivinen tekoäly muokkaa havainnointiratkaisuja
Havainnointiratkaisut ovat yhä tärkeämpiä nykypäivän digitaaliaikana. Kun yhä useammat yritykset luottavat teknologiaan liiketoiminnassaan, tarve seurata, analysoida ja optimoida järjestelmiään ja sovelluksiaan reaaliajassa on tullut kriittiseksi. Organisaatiot asettavat nyt etusijalle asiakaskokemuksen ja saavutettavuuden digitaalisen muutoksen kautta.
Nämä aloitteet voivat kuitenkin aiheuttaa monimutkaisuutta ja haasteita insinööreille. “Tehokkaat havainnointiratkaisut ovat ratkaisevan tärkeitä yrityksille, jotka skaalaavat digitaalista ulottuvuuttaan, koska ne kohtaavat lisääntyvän laitteiden monimuotoisuuden.
“Insinöörit vaativat päästä-päähän havainnointia tietojen selvittämiseksi, liiketoiminnan suorituskyvyn ymmärtämiseksi, palvelujen saatavuuden valvomiseksi ja edelleen optimoimiseksi. New Relic toimii kattavana havainnointiratkaisuna, joka tarjoaa reaaliaikaisia näkemyksiä ja antaa insinööreille mahdollisuuden tehdä tietopohjaisia päätöksiä ohjelmiston koko elinkaaren ajan”, Ganesh Narasimhadevara, New Relicin APJ:n pääteknologi kertoi. AIM.
New Relicin kattava alusta tarjoaa yli 30 ominaisuutta, jotka tarjoavat saumattoman ja yhdistetyn kokemuksen teknologiapinon eri tasoilla ohjelmiston elinkaaren jokaisessa vaiheessa. ”Aloitimme matkamme ensimmäisellä sovellusten suorituskyvyn valvontatoiminnolla ja laajensimme sitten toimintaamme markkinoilla havaittavien teknisten edistysaskeleiden myötä. Laajentuimme infrastruktuurin valvontaan, ei pelkästään virtuaalikoneisiin tai vain on-prem-palvelimiin. Tällä hetkellä meillä on alan edistynein Kubernetes-seuranta.”
Uusi jäänne Grok
Mutta nykyään elämme generatiivisen tekoälyn aikakautta ja se löytää käyttötapauksia myös havainnointiratkaisujen avaruudessa. New Relic, yhdysvaltalainen Observability-alusta, julkisti New Relic Grokin, maailman ensimmäisen havainnoitavuuden generatiivisen tekoälyavustajan.
Narasimhadevara eksklusiivisessa keskustelussa kanssa AIM, sanoi, että New Relicin generatiivinen AI-pohjainen havainnointi on se, mitä insinöörit tarvitsevat ollakseen tuottavampia joka päivä. “Uusi Relic Grok antaa käyttäjille mahdollisuuden tunnistaa instrumentointiaukot ja antaa ohjeita uusien palvelujen käyttöönottoon. Se voi seuloa laajan dokumentaation vastatakseen kysymyksiin ja luodakseen kyselyitä tietyistä mittareista tai sovellustrendeistä. Lisäksi se helpottaa yleisiä käyttötapauksia, kuten hälytysten tai palvelutasojen luomista.
Uusi Relic hyödyntää generatiivisia tekoälyominaisuuksia Microsoft OpenAI Azure -palveluiden (GPT-mallien) kautta, eikä tutki omien mallien rakentamista. Tämä on kuitenkin asia, jota New Relic voisi tutkia tulevaisuudessa.
”Tällä hetkellä en näe välitöntä tarvetta omien kielimalliemme rakentamiselle. Monet organisaatiot, mukaan lukien intialaiset, tekevät yhteistyötä hyperskaalaajien kanssa hyödyntääkseen olemassa olevia tehokkaita mallejaan. Keskitytään ymmärtämään, kuinka generatiivinen tekoäly voi parantaa havaittavuutta ennen kuin investoi resursseja mallien kehittämiseen. Oman mallin rakentaminen voi olla tulevaisuuden suunnitelma, kun olemme arvioineet sen hyödyt ja mahdollisuudet.”
Kuinka gen AI voi hyötyä havainnointiratkaisuista
Nykyään havainnointiavaruuden yritykset kehittävät uusia generatiivisia tekoälyratkaisuja, jotka voivat auttaa automatisoimaan monimutkaisten järjestelmien valvontaa, visualisointia ja analysointia, vähentämään manuaalista työtä, nopeuttamaan ongelmien tunnistamista ja ratkaisemista sekä parantamaan järjestelmän yleistä suorituskykyä.
Lyhyesti sanottuna generatiivinen tekoäly helpottaa käyttäjien löytää ongelman perimmäinen syy ja korjata virheet. ”Havaintoratkaisut ovat kehittyneet yhdeksi totuuden lähteeksi. Generatiivinen tekoälyjärjestelmä osana tuotetta eliminoi tarpeen hypätä ChatGPT:n kaltaisen työkalun ja havainnointiratkaisujen välillä”, Narasimhadevara sanoi.
Havainnointiratkaisuille tuomat generatiivisen tekoälyn edut auttavat vähentämään insinöörien työtaakkaa ja säästämään paljon aikaa, jolloin he voivat keskittyä strategisempaan työhön. “Toinen tapa generatiiviset AI-ratkaisut, joilla on havaittavuus, voivat kehittyä, on ohittaa heimojen tieto, Narasimhadevaran mukaan. Heimotiedolla tarkoitetaan kokemusta ja tietoa, joka jaetaan tiimin jäsenten kesken, mutta jota ei dokumentoida tai jaeta laajemmin koko organisaatiossa.
”Tiimin jäsenten asiantuntemus ja tuotetuntemus voivat vaihdella. Kuvittele, että pystyt analysoimaan valtavia tietomääriä, prosessoimaan heimojen tietämystä, havaitsemaan poikkeavuuksia ja yhdistämään erilaisia mittareita, jotka tarjoavat oivalluksia, kuten äskettäisen käyttöönoton aiheuttaman poikkeaman syyn tunnistamisen. Tehokkaasti integroidut generatiiviset tekoälyratkaisut voivat tarjota tällaisia ominaisuuksia, antaa asiaankuuluvia ehdotuksia ja antaa käyttäjille mahdollisuuden kouluttaa mallia vastaamaan heidän erityistarpeitaan.”
Lisäksi toinen hyvä edistysaskel havaittavuudessa, joka voisi tulla esiin generatiivisesta tekoälystä, on automaatio. Jatkossa voimme ennakoida skenaarion, jossa Large Language Model pystyisi suorittamaan tehtävän ilman ihmisen puuttumista. “Tulevaisuudessa insinööreillä on mahdollisuus ohjata generatiivista tekoälyassistenttia seuraamaan sovelluksen suorituskykyä, antamaan joitain suosituksia ja myös toteuttamaan ne automatisoinnin avulla.”
Mikä vaikutus GenAI:lla voi olla havainnointiratkaisujen toimittajiin?
Narasimhadevara uskoo, että havainnointiratkaisujen ja suurten kielimallien välillä on yhtäläisyyksiä. “Syy siihen, miksi se on hyvin samankaltainen, on se, että ne saavat yhtä hyviä tietoja kuin syötät heille.”
Näin ollen havainnointiratkaisujen tarjoajat hyötyvät vain generatiivisesta tekoälystä. Kielimallien tehokkuus riippuu tiedoista, joihin niillä on pääsy. Havainnointiratkaisut puolestaan tarjoavat kriittisiä näkemyksiä järjestelmän tiloista, jotka ovat yksinomaan niiden toimintoja. “Havainnointiratkaisujen integrointi edistyneisiin tai nykyisiin kielimalleihin voi parantaa kontekstuaalista ymmärrystä. Ilman havainnointiratkaisuista saatua asiaankuuluvaa dataa kielimallin teho on rajallinen.”
