Ironista kyllä, tarvitsemme lisää tekoälytaitoja helpottaaksemme DevOps-taito-ongelmia

Tekoälyn kerrotaan lisäävän älykkyyttä yrityksissä ja tekee samoin myös tietotekniikkakaupoissa. Esimerkiksi AIOps (IT-toimintojen tekoäly) soveltaa tekoälyä ja koneoppimista IT-prosessien datan suoratoistoon, seuloen kohinan havaitakseen, korostaakseen ja torjuakseen ongelmia. 

Tekoäly ja koneoppiminen löytävät kodin myös toisella nousevalla IT-alalla: autamme DevOps-tiimejä varmistamaan ohjelmiston toimivuuden ja laadun, joka liikkuu yhä nopeammin järjestelmän läpi ja käyttäjille. 

Kuten äskettäin GitHubin tekemässä tutkimuksessa havaittiin, kehitys- ja operaatiotiimit ovat siirtymässä tekoälyn puoleen suurella tavalla tasoittaakseen koodin kulkua ohjelmiston tarkistus- ja testausvaiheessa. 31 % tiimeistä käyttää aktiivisesti tekoäly- ja ML-algoritmeja koodin tarkistamiseen. — yli kaksinkertainen määrä viime vuonna. Tutkimuksen mukaan 37 prosenttia tiimeistä käyttää tekoälyä/ML:ää ohjelmistotestauksessa (25 prosentista), ja vielä 20 prosenttia aikoo ottaa sen käyttöön tänä vuonna.

Myös: Microsoftin suurenmoisen vision ymmärtäminen seuraavan sukupolven rakentamisesta apps

Ylimääräinen tutkimus Techstrong Researchin ja Tricentisin tutkimus vahvistaa tämän suuntauksen. Kyselyssä, johon osallistui 2,600 90 DevOps-harjoittajaa ja johtajaa, XNUMX % suhtautuu myönteisesti siihen, että DevOps-virtojen testausvaiheeseen lisättäisiin tekoälyä, ja näkee sen keinona ratkaista kohtaamansa taitojen puute. (Tricentis on ohjelmistotestaustoimittaja, jolla on selvä panos tuloksiin. Tiedot ovat kuitenkin tärkeitä, koska ne heijastavat kasvavaa shift kohti autonomisempia DevOps-lähestymistapoja.)

Techstrongin ja Tricentisin tutkimuksessa ilmeni jopa paradoksi: Yritykset tarvitsevat erikoisosaamista lievittääkseen erityistaitojen tarvetta. Ainakin 47 % vastaajista toteaa, että tekoälyllä infusoitujen DevOpsien suuri etu on vähentää osaamisvajetta ja "helpata työntekijöiden suorittamaan monimutkaisempia tehtäviä". 

Myös: DevOps nirvana on edelleen kaukainen tavoite monille, tutkimus ehdottaa

Samaan aikaan johtajat pitivät tekoälypohjaisten ohjelmistojen testaamisen kehittämiseen ja suorittamiseen tarvittavien taitojen puutetta yhtenä johtavista esteistä tekoälyllä infusoitujen DevOps-laitteiden käyttöön 44 %:lla. Tämä on noidankehä, joka toivottavasti korjaantuu, kun yhä useammat ammattilaiset osallistuvat tekoälyyn ja koneoppimiseen keskittyviin koulutus- ja koulutusohjelmiin.  

Kun tekoäly alkaa omaksua IT-sivustoja, se auttaa tekemään lommo prosessiintensiivisiin DevOps-työnkulkuihin. Lähes kaksi kolmasosaa kyselyyn osallistuneista johtajista (65 %) sanoo, että toiminnallinen ohjelmistotestaus sopii hyvin tekoälyllä täydennetylle DevOps-ohjelmalle ja hyötyisi siitä suuresti. "DevOps-menestys vaatii mittakaavassa olevaa testiautomaatiota, joka tuottaa valtavia määriä monimutkaista testidataa ja vaatii usein muutoksia testitapauksiin", tutkimuksen tekijät huomauttavat. "Tämä sopii täydellisesti tekoälyn kykyyn tunnistaa kuvioita suurissa tietojoukoissa ja tarjota oivalluksia, joita voidaan käyttää parantamaan ja nopeuttamaan testausprosessia."

Myös: Tekoälyprojektit kymmenkertaistuivat viimeisen vuoden aikana, kertoo tutkimus

Tutkimus osoitti ammattitaitovaatimusten mahdollisen vähentämisen lisäksi myös seuraavat edut, jotka liittyvät tekoälyn lisäämiseen DevOpsiin:

• Paranna asiakaskokemusta: 48 %
• Vähennä kustannuksia: 45 %
• Kehittäjätiimien tehokkuuden lisääminen: 43 %
• Paranna koodin laatua: 35 %
• Diagnosoi ongelmat: 25 %
• Lisää vapautumisnopeutta: 22 %
• Tietojen koodaaminen: 22 %
• Estä vikoja: 19 % 

Tekoälyllä täydennetyn DevOpsin varhaiset käyttäjät ovat yleensä suurista organisaatioista. Tämä ei ole yllättävää, koska suuremmilla yrityksillä olisi kehittyneemmät DevOps-tiimit ja paremmat mahdollisuudet käyttää edistyneitä ratkaisuja, kuten tekoälyä. 

Myös: Teknologiatiimien on aika löytää äänensä asiakaskokemuksessa

"DevOpsin kannalta näitä kypsiä yrityksiä leimaa edistys, jota ne ovat saavuttaneet ohjelmistokehityskykynsä virtaviivaistamisessa viimeisten XNUMX–XNUMX vuoden aikana, sekä kypsät ja hienostuneet putkistot ja prosessit", Techstrongin ja Tricentisin kirjoittajat huomauttavat. "Nämä DevOps-organisaatiot ovat pilvipohjaisia ​​ja käyttävät DevOps-työnkulkuputkia, työkaluketjuja, automaatiota ja pilviteknologioita."

Pitkällä aikavälillä tekoälyn antaminen auttamaan DevOpsin tärkeissä osissa on fiksu idea. DevOps-prosessi, kaikesta yhteistyöstään ja automaatiosta huolimatta, on vain uuvuttava, koska ohjelmistojen odotetaan lentävän ulos ovesta kiihtyvällä tahdilla. Jätä koneiden tehtäväksi käsitellä monia rasittavia asioita, kuten testausta ja valvontaa.