ປັນຍາປະດິດໄດ້ຖືກລາຍງານວ່າໄດ້ເພີ່ມສະຕິປັນຍາພາຍໃນທຸລະກິດແລະຍັງເຮັດເຊັ່ນດຽວກັນສໍາລັບຮ້ານເຕັກໂນໂລຢີຂໍ້ມູນຂ່າວສານ. ສໍາລັບຕົວຢ່າງ, AIOps (ປັນຍາປະດິດສໍາລັບການດໍາເນີນການ IT) ນໍາໃຊ້ AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກໃນການຖ່າຍທອດຂໍ້ມູນຈາກຂະບວນການ IT, sifting ຜ່ານສິ່ງລົບກວນໃນການກວດສອບ, ຈຸດ, ແລະຫົວຫນ້າອອກບັນຫາ.
AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກແມ່ນຍັງຊອກຫາເຮືອນຢູ່ໃນພື້ນທີ່ທີ່ພົ້ນເດັ່ນຂື້ນຂອງ IT: ການຊ່ວຍເຫຼືອທີມງານ DevOps ໃນການຮັບປະກັນຄວາມເປັນໄປໄດ້ແລະຄຸນນະພາບຂອງຊອບແວທີ່ກໍາລັງເຄື່ອນທີ່ດ້ວຍຄວາມໄວທີ່ໄວກວ່າຜ່ານລະບົບແລະອອກໄປຫາຜູ້ໃຊ້.
ດັ່ງທີ່ພົບເຫັນຢູ່ໃນການສໍາຫຼວດທີ່ຜ່ານມາອອກຈາກ GitHub, ທີມງານພັດທະນາແລະ ops ກໍາລັງຫັນໄປຫາ AI ໃນວິທີການໃຫຍ່ເພື່ອເຮັດໃຫ້ການໄຫຼເຂົ້າລະຫັດລຽບງ່າຍໂດຍຜ່ານການກວດສອບແລະການທົດສອບຊອບແວ, ດ້ວຍ 31% ຂອງທີມງານທີ່ໃຊ້ AI ແລະ ML algorithms ສໍາລັບການທົບທວນຄືນລະຫັດ. — ຫຼາຍກວ່າສອງເທົ່າຕົວຂອງປີກາຍນີ້. ການສໍາຫຼວດຍັງພົບວ່າ 37% ຂອງທີມງານໃຊ້ AI / ML ໃນການທົດສອບຊອບແວ (ເພີ່ມຂຶ້ນຈາກ 25%), ແລະອີກ 20% ວາງແຜນທີ່ຈະແນະນໍາມັນໃນປີນີ້.
ນອກຈາກນີ້: ເຂົ້າໃຈວິໄສທັດອັນໃຫຍ່ຫຼວງຂອງ Microsoft ສໍາລັບການກໍ່ສ້າງລຸ້ນຕໍ່ໄປ apps
ເພີ່ມເຕີມ ການສໍາຫຼວດ ອອກຈາກ Techstrong Research ແລະ Tricentis ຢືນຢັນແນວໂນ້ມນີ້. ການສໍາຫຼວດຂອງ 2,600 ຜູ້ປະຕິບັດແລະຜູ້ນໍາ DevOps ພົບວ່າ 90% ແມ່ນເອື້ອອໍານວຍກ່ຽວກັບການສັກຢາ AI ເພີ່ມເຕີມເຂົ້າໄປໃນໄລຍະການທົດສອບຂອງກະແສ DevOps, ແລະເຫັນວ່າມັນເປັນວິທີການແກ້ໄຂການຂາດແຄນທັກສະທີ່ເຂົາເຈົ້າກໍາລັງປະເຊີນເຊັ່ນດຽວກັນ. (Tricentis ແມ່ນຜູ້ຂາຍການທົດສອບຊອບແວ, ມີສ່ວນແບ່ງທີ່ຈະແຈ້ງໃນຜົນໄດ້ຮັບ. ແຕ່ຂໍ້ມູນແມ່ນສໍາຄັນທີ່ມັນສະທ້ອນໃຫ້ເຫັນການຂະຫຍາຍຕົວ. shift ໄປສູ່ວິທີການ DevOps ທີ່ເປັນເອກະລາດຫຼາຍຂຶ້ນ.)
ມີແມ້ກະທັ້ງຄໍາປຽບທຽບທີ່ເກີດຂື້ນຈາກການສຶກສາ Techstrong ແລະ Tricentis: ວິສາຫະກິດຕ້ອງການທັກສະພິເສດເພື່ອຫຼຸດຜ່ອນຄວາມຕ້ອງການທັກສະພິເສດ. ຢ່າງຫນ້ອຍ 47% ຂອງຜູ້ຕອບກ່າວວ່າຜົນປະໂຫຍດທີ່ສໍາຄັນຂອງ AI-infused DevOps ແມ່ນເພື່ອຫຼຸດຜ່ອນຊ່ອງຫວ່າງທັກສະ, ແລະ "ເຮັດໃຫ້ມັນງ່າຍຂຶ້ນສໍາລັບພະນັກງານທີ່ຈະປະຕິບັດວຽກງານທີ່ສັບສົນຫຼາຍ."
ນອກຈາກນີ້: DevOps nirvana ຍັງຄົງເປັນເປົ້າຫມາຍທີ່ຫ່າງໄກສໍາລັບຫຼາຍໆຄົນ, ການສໍາຫຼວດແນະນໍາ
ໃນເວລາດຽວກັນ, ການຂາດທັກສະທີ່ຈໍາເປັນໃນການພັດທະນາແລະດໍາເນີນການທົດສອບຊອບແວທີ່ໃຊ້ AI ໄດ້ຖືກກ່າວເຖິງໂດຍຜູ້ຈັດການວ່າເປັນຫນຶ່ງໃນອຸປະສັກຊັ້ນນໍາຂອງ AI-infused DevOps, ຢູ່ທີ່ 44%. ນີ້ແມ່ນວົງຈອນອັນໂຫດຮ້າຍທີ່ຫວັງວ່າຈະໄດ້ຮັບການແກ້ໄຂຍ້ອນວ່າຜູ້ຊ່ຽວຊານເພີ່ມເຕີມເຂົ້າຮ່ວມໃນການຝຶກອົບຮົມແລະໂຄງການການສຶກສາທີ່ສຸມໃສ່ AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກ.
ເມື່ອ AI ເລີ່ມຕົ້ນເຂົ້າໄປໃນສະຖານທີ່ IT, ມັນຈະຊ່ວຍໃຫ້ມີຂະບວນການເຮັດວຽກຂອງ DevOps ທີ່ມີຂະບວນການຫຼາຍ. ເກືອບສອງສ່ວນສາມຂອງຜູ້ຈັດການໃນການສໍາຫຼວດ (65%) ເວົ້າວ່າການທົດສອບຊອບແວທີ່ເປັນປະໂຫຍດແມ່ນເຫມາະສົມກັບແລະຈະໄດ້ຮັບຜົນປະໂຫຍດຢ່າງຫຼວງຫຼາຍຈາກ AI-augmented DevOps. "ຄວາມສໍາເລັດຂອງ DevOps ຮຽກຮ້ອງໃຫ້ມີອັດຕະໂນມັດການທົດສອບໃນລະດັບ, ເຊິ່ງສ້າງຈໍານວນຂໍ້ມູນການທົດສອບທີ່ສັບສົນແລະຮຽກຮ້ອງໃຫ້ມີການປ່ຽນແປງເລື້ອຍໆໃນກໍລະນີທົດສອບ," ຜູ້ຂຽນຂອງການສໍາຫຼວດຊີ້ໃຫ້ເຫັນ. "ນີ້ສອດຄ່ອງຢ່າງສົມບູນກັບຄວາມສາມາດຂອງ AI ເພື່ອກໍານົດຮູບແບບໃນຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ແລະສະເຫນີຄວາມເຂົ້າໃຈທີ່ສາມາດນໍາໃຊ້ເພື່ອປັບປຸງແລະເລັ່ງຂະບວນການທົດສອບ."
ນອກຈາກນີ້: ການສໍາຫຼວດກ່າວວ່າໂຄງການປັນຍາທຽມໄດ້ເພີ່ມຂຶ້ນສິບເທົ່າໃນປີທີ່ຜ່ານມາ
ຄຽງຄູ່ກັບການຫຼຸດຜ່ອນຄວາມຕ້ອງການທັກສະທີ່ມີທ່າແຮງ, ການສໍາຫຼວດຍັງໄດ້ກໍານົດຜົນປະໂຫຍດຕໍ່ໄປນີ້ເພື່ອນໍາເອົາ AI ເພີ່ມເຕີມເຂົ້າໄປໃນ DevOps:
ຜູ້ຮັບຮອງເອົາຕົ້ນໆຂອງ AI-augmented DevOps ມີແນວໂນ້ມທີ່ຈະມາຈາກອົງການຈັດຕັ້ງຂະຫນາດໃຫຍ່. ນີ້ບໍ່ແປກໃຈ, ເພາະວ່າຄວາມກັງວົນທີ່ໃຫຍ່ກວ່າຈະມີທີມງານ DevOps ທີ່ມີການພັດທະນາຫຼາຍຂຶ້ນແລະເຂົ້າເຖິງການແກ້ໄຂຂັ້ນສູງເຊັ່ນ AI.
ນອກຈາກນີ້: ມັນເປັນເວລາສໍາລັບທີມງານເຕັກໂນໂລຢີເພື່ອຊອກຫາສຽງຂອງພວກເຂົາໃນປະສົບການຂອງລູກຄ້າ
"ໃນແງ່ຂອງ DevOps, ບໍລິສັດຜູ້ໃຫຍ່ເຫຼົ່ານີ້ຖືກຫມາຍໂດຍຄວາມກ້າວຫນ້າທີ່ພວກເຂົາໄດ້ເຮັດໃນການປັບປຸງຄວາມສາມາດໃນການພັດທະນາຊອບແວຂອງພວກເຂົາໃນໄລຍະ XNUMX ຫາ XNUMX ປີທີ່ຜ່ານມາແລະທໍ່ແລະຂະບວນການແລະຂະບວນການທີ່ໃຫຍ່ເຕັມທີ່ຂອງພວກເຂົາ," Techstrong ແລະ Tricentis ຊີ້ໃຫ້ເຫັນ. "ອົງການຈັດຕັ້ງ DevOps ເຫຼົ່ານີ້ແມ່ນພື້ນຖານຂອງຄລາວແລະໃຊ້ທໍ່ລະບົບການເຮັດວຽກຂອງ DevOps, ລະບົບຕ່ອງໂສ້ເຄື່ອງມື, ອັດຕະໂນມັດ, ແລະເຕັກໂນໂລຢີຄລາວ."
ໃນໄລຍະຍາວ, ການໃສ່ AI ເພື່ອຊ່ວຍໃນລັກສະນະທີ່ສໍາຄັນຂອງ DevOps ແມ່ນຄວາມຄິດທີ່ສະຫຼາດ. ຂະບວນການ DevOps, ສໍາລັບການຮ່ວມມືທັງຫມົດແລະອັດຕະໂນມັດຂອງມັນ, ແມ່ນມີພຽງແຕ່ຫມົດໄປຍ້ອນວ່າຊອບແວຄາດວ່າຈະບິນອອກຈາກປະຕູໃນຈັງຫວະໄວ. ປ່ອຍໃຫ້ມັນຢູ່ໃນເຄື່ອງຈັກເພື່ອຈັດການກັບຫຼາຍດ້ານທີ່ຫຍຸ້ງຍາກ, ເຊັ່ນ: ການທົດສອບແລະການຕິດຕາມ.