כדי להקל על בעיות מיומנויות DevOps, אנו זקוקים ליותר כישורי AI, למרבה האירוניה

לפי הדיווחים, בינה מלאכותית מגבירה את האינטליגנציה בתוך עסקים ועושה את אותו הדבר גם עבור חנויות טכנולוגיות מידע. לדוגמה, AIOps (בינה מלאכותית לתפעול IT) מיישמת בינה מלאכותית ולמידת מכונה על הזרמת נתונים מתהליכי IT, תוך סינון בין הרעש כדי לזהות, להאיר זרקור ולהימנע מבעיות. 

בינה מלאכותית ולמידת מכונה מוצאות בית גם בתחום מתפתח אחר של IT: סיוע לצוותי DevOps בהבטחת הכדאיות והאיכות של התוכנה שעוברת במהירויות מהירות יותר ויותר דרך המערכת החוצה אל המשתמשים. 

כפי שנמצא בסקר שנערך לאחרונה מ-GitHub, צוותי פיתוח והפעלה פונים ל-AI בצורה גדולה כדי להחליק את זרימת הקוד דרך שלב סקירת ובדיקת התוכנה, כאשר 31% מהצוותים משתמשים באופן פעיל באלגוריתמים של AI ו-ML לבדיקת קוד - יותר מכפול מהמספר של השנה שעברה. הסקר גם מגלה ש-37% מהצוותים משתמשים ב-AI/ML בבדיקות תוכנה (עלייה מ-25%), ו-20% נוספים מתכננים להציג זאת השנה.

גַם: הבנת החזון הגדול של מיקרוסופט לבניית הדור הבא של apps

נוסף סקר מתוך Techstrong Research ו-Tricentis מאשרים מגמה זו. הסקר שנערך בקרב 2,600 מתרגלים ומנהיגים של DevOps מגלה ש-90% מעדיפים להחדיר יותר בינה מלאכותית לשלב הבדיקות של זרימות DevOps, ורואים בכך דרך לפתור גם מחסור במיומנויות איתם הם מתמודדים. (Tricentis היא ספקית בדיקות תוכנה, עם חלק ברור בתוצאות. אבל הנתונים משמעותיים מכיוון שהם משקפים צמיחה גדלה shift לקראת גישות DevOps אוטונומיות יותר.)

יש אפילו פרדוקס שעלה מהמחקר של Techstrong ו-Tricentis: ארגונים צריכים מיומנויות מיוחדות כדי להקל על הצורך במיומנויות מיוחדות. לפחות 47% מהנשאלים מצהירים כי היתרון העיקרי של DevOps המושרה בינה מלאכותית הוא צמצום פער המיומנויות ו"הקל על העובדים לבצע משימות מסובכות יותר". 

גַם: נירוונה של DevOps היא עדיין מטרה רחוקה עבור רבים, כך עולה מהסקר

במקביל, היעדר הכישורים הדרושים לפיתוח והפעלת בדיקות תוכנה המופעלות על ידי בינה מלאכותית צוינו על ידי המנהלים כאחד החסמים המובילים ל-DevOps המושרים בבינה מלאכותית, בשיעור של 44%. זהו מעגל קסמים שבתקווה יתוקן ככל שיותר אנשי מקצוע ישתתפו בהכשרה ובתוכניות חינוכיות המתמקדות בבינה מלאכותית ולמידת מכונה.  

ברגע שה-AI אכן יתחיל להתקין באתרי IT, זה יעזור לעשות חיל בתהליכי עבודה עתירי תהליכים של DevOps. כמעט שני שלישים מהמנהלים בסקר (65%) אומרים שבדיקות תוכנה פונקציונליות מתאימות ויהנו מאוד מ-DevOps מוגדלים בינה מלאכותית. "הצלחת DevOps דורשת אוטומציה של בדיקות בקנה מידה, אשר מייצרת כמויות אדירות של נתוני בדיקה מורכבים ודורשת שינויים תכופים למקרי בדיקה", מציינים מחברי הסקר. "זה מתיישב בצורה מושלמת עם היכולות של AI לזהות דפוסים במערכי נתונים גדולים ולהציע תובנות שניתן להשתמש בהן כדי לשפר ולהאיץ את תהליך הבדיקה."

גַם: פרויקטים של בינה מלאכותית גדלו פי עשרה בשנה האחרונה, אומר הסקר

לצד הפחתת דרישות המיומנויות הפוטנציאליות, הסקר זיהה גם את היתרונות הבאים להחדרת יותר בינה מלאכותית ל-DevOps:

• שפר את חווית הלקוח: 48%
• הפחת עלויות: 45%
• הגדל את היעילות של צוותי מפתחים: 43%
• הגדל את איכות הקוד: 35%
• אבחון בעיות: 25%
• הגברת מהירות השחרור: 22%
• ידע בקודיפיקציה: 22%
• מניעת פגמים: 19% 

המאמצים המוקדמים של DevOps מוגדלים בינה מלאכותית נוטים להיות מארגונים גדולים יותר. זה לא מפתיע, שכן לארגונים גדולים יותר צוותי DevOps מפותחים יותר וגישה גדולה יותר לפתרונות מתקדמים כגון AI. 

גַם: הגיע הזמן שצוותי טכנולוגיה ימצאו את קולם בחוויית הלקוח

"במונחים של DevOps, החברות הבוגרות הללו מסומנות על ידי ההתקדמות שהן עשו בייעול יכולות פיתוח התוכנה שלהן בחמש עד שבע השנים האחרונות והצינורות והתהליכים הבוגרים והמעודנים שלהן", מציינים המחברים של Techstrong ו-Tricentis. "ארגוני DevOps הללו הם מקוריים בענן ומשתמשים בצינורות זרימת עבודה של DevOps, בשרשרת כלים, אוטומציה וטכנולוגיות ענן."

בטווח הארוך, החדרת AI כדי לסייע בהיבטים חיוניים של DevOps היא רעיון חכם. תהליך DevOps, על כל שיתוף הפעולה והאוטומציה שלו, רק נעשה מתיש יותר מכיוון שהתוכנה צפויה לעוף מהדלת בקצב מואץ. השאירו למכונות לטפל בהרבה מההיבטים המעיקים, כמו בדיקות וניטור.