Вызовы и возможности автоматизации DevOps: результаты отчета Pulse 2023
Стремление к улучшению автоматизации DevOps приносит значительные преимущества компаниям, однако организации сталкиваются с проблемами, связанными с данными, и необходимостью использовать искусственный интеллект (ИИ) для повышения эффективности. Согласно отчету DevOps Automation Pulse Report 2023 от Dynatrace, в настоящее время 56% процессов DevOps полностью автоматизированы, однако только 38% организаций разработали четкую стратегию автоматизации.
Отчет подчеркивает факторы, препятствующие эффективной автоматизации. Проблемы безопасности, трудности с операционализацией данных и сложность инструментов являются серьезными преградами: 54% ИТ-компаний указывают на эти вопросы как на критические. Как отмечает Бернд Грейфенедер, технический директор Dynatrace: «Команды застряли в информационных силосах и ручных операциях, что требует единого, основанного на ИИ подхода для истинного повышения инноваций при обеспечении качества и безопасности программного обеспечения».
Роль данных и навыков в автоматизации
Данные Dynatrace показывают, что автоматизация связана с заметными бизнес-улучшениями. Участвующие в опросе отметили 61% повышения качества программного обеспечения, 58% увеличения удовлетворенности сотрудников, 57% снижения числа сбоев при развертывании и 55% сокращения ИТ-расходов благодаря автоматизации.
Несмотря на эти преимущества, проблемы использования данных для принятия решений в области автоматизации продолжают существовать. Основные преграды включают недоступность данных (51%), изолированную информацию (43%) и сложность агрегирования данных из нескольких систем перед анализом (41%). Кроме того, 54% респондентов инвестируют в платформы, предназначенные для облегчения интеграции инструментов и повышения совместной работы команд над проектами автоматизации. Однако зависимость от более чем семи различных инструментов указывает на то, что фрагментация остается значительным препятствием.
Нехватка навыков также усложняет ситуацию: 56% респондентов указывают на недостаток знаний по языкам сценариев как на основную преграду на пути к автоматизации.
Использование больших языковых моделей для повышения эффективности
Одним из многообещающих решений, озвученных в отчете, является применение больших языковых моделей (БЯМ) для снижения нагрузки на сотрудников. Впечатляющие 57% респондентов считают, что БЯМ могут повысить производительность и уменьшить ручные задачи, а 48% видят потенциал этих моделей для автоматической генерации кода. БЯМ можно настраивать с использованием существующих наборов данных для оптимизации отдельных задач или применять специализированные модели, адаптированные к конкретным областям, такие как Owl — модель, предназначенная для автоматизации ИТ-заданий.
Dynatrace подчеркивает, что успешные команды DevOps должны сочетать большие языковые модели с зрелостью данных для достижения «точности и предсказуемости». Как заявляет Грейфенедер: «Автоматизация на основе данных является ключевой для раскрытия инноваций и удовлетворения ожиданий клиентов в эпоху облачных приложений». В отличие от традиционных методов ИИ, которые могут иметь ограниченный охват, платформы, объединяющие предсказательные, причинные и генеративные техники, могут успешно решать различные задачи автоматизации DevOps.
В заключение, хотя путь к прогрессивной автоматизации DevOps полон препятствий, интеграция ИИ и улучшенных стратегий данных открывает перспективный путь к повышению эффективности, увеличению производительности и содействию инновациям в современных конкурентных условиях.
Рейтинг
