Kunstig intelligens øger efter sigende intelligensen i virksomheder og gør det samme for informationsteknologibutikker. For eksempel anvender AIOps (kunstig intelligens til it-drift) kunstig intelligens og maskinlæring til datastreaming fra it-processer, gennemsøger støjen for at opdage, sætte fokus på og afværge problemer.
AI og maskinlæring finder også et hjem i et andet spirende IT-område: at hjælpe DevOps-teams med at sikre levedygtigheden og kvaliteten af softwaren, der bevæger sig med stadig hurtigere hastigheder gennem systemet og ud til brugerne.
Som det fremgår af en nylig undersøgelse fra GitHub, henvender udviklings- og operationsteam sig til AI på en stor måde for at udjævne strømmen af kode gennem softwaregennemgangs- og testfasen, hvor 31 % af holdene aktivt bruger AI- og ML-algoritmer til kodegennemgang. — mere end det dobbelte af sidste års antal. Undersøgelsen viser også, at 37 % af holdene bruger AI/ML i softwaretestning (op fra 25 %), og yderligere 20 % planlægger at introducere det i år.
Også: Forståelse af Microsofts store vision for at bygge den næste generation af apps
En ekstra undersøgelse ud af Techstrong Research og Tricentis bekræfter denne tendens. Undersøgelsen blandt 2,600 DevOps-udøvere og -ledere finder, at 90 % er positive over for at injicere mere AI i testfasen af DevOps-flows, og ser det som en måde at løse kompetencemangel, de også står over for. (Tricentis er en softwaretestleverandør med en åbenlys andel i resultaterne. Men dataene er betydelige, da de afspejler en voksende shift mod mere autonome DevOps-tilgange.)
Der er endda et paradoks, der dukkede op fra Techstrong og Tricentis-undersøgelsen: Virksomheder har brug for specialiserede færdigheder for at afhjælpe et behov for specialiserede færdigheder. Mindst 47 % af de adspurgte angiver, at en stor fordel ved AI-infunderet DevOps er at reducere kvalifikationskløften og "gøre det lettere for medarbejderne at udføre mere komplicerede opgaver."
Også: DevOps nirvana er stadig et fjernt mål for mange, viser undersøgelsen
Samtidig blev en mangel på de nødvendige færdigheder til at udvikle og køre AI-drevet softwaretest af lederne nævnt som en af de førende barrierer for AI-infunderede DevOps, med 44 %. Dette er en ond cirkel, som forhåbentlig vil blive afhjulpet, efterhånden som flere fagfolk deltager i trænings- og uddannelsesprogrammer med fokus på kunstig intelligens og maskinlæring.
Når AI begynder at blive sat på plads med it-websteder, vil det hjælpe med at gøre indhug i procesintensive DevOps-arbejdsgange. Næsten to tredjedele af lederne i undersøgelsen (65%) siger, at funktionel softwaretest er velegnet til og ville have stor gavn af AI-augmented DevOps. "DevOps succes kræver testautomatisering i skala, som genererer enorme mængder af komplekse testdata og kræver hyppige ændringer af testcases," påpeger undersøgelsens forfattere. "Dette stemmer perfekt overens med AI's muligheder for at identificere mønstre i store datasæt og tilbyde indsigt, der kan bruges til at forbedre og accelerere testprocessen."
Også: Kunstig intelligens-projekter er blevet tidoblet i løbet af det seneste år, viser undersøgelsen
Sammen med potentielt reducerede færdighedskrav identificerede undersøgelsen også følgende fordele ved at tilføre mere kunstig intelligens i DevOps:
Tidlige brugere af AI-augmented DevOps plejer at være fra større organisationer. Dette er ikke overraskende, da større virksomheder ville have mere udviklede DevOps-teams og større adgang til avancerede løsninger såsom AI.
Også: Det er tid for teknologiteams at finde deres stemme i kundeoplevelsen
"Med hensyn til DevOps er disse modne virksomheder præget af de fremskridt, de har gjort med at strømline deres softwareudviklingskapaciteter i løbet af de sidste fem til syv år og deres modne og raffinerede pipelines og processer," påpeger Techstrong og Tricentis forfattere. "Disse DevOps-organisationer er cloud-native og bruger DevOps workflow pipelines, værktøjskæder, automatisering og cloud-teknologier."
I det lange løb er det en smart idé at infundere AI for at hjælpe med vitale aspekter af DevOps. DevOps-processen, på trods af al dens samarbejde og automatisering, bliver kun mere udmattende, da software forventes at flyve ud af døren i et hurtigere tempo. Overlad det til maskinerne at håndtere mange af de besværlige aspekter, såsom test og overvågning.