ເພື່ອບັນເທົາບັນຫາທັກສະ DevOps, ພວກເຮົາຕ້ອງການທັກສະ AI ເພີ່ມເຕີມ, ທາດເຫຼັກ

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. — ຫຼາຍ​ກວ່າ​ສອງ​ເທົ່າ​ຕົວ​ຂອງ​ປີ​ກາຍ​ນີ້​. 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 ແມ່ນ​ຜູ້​ຂາຍ​ການ​ທົດ​ສອບ​ຊອບ​ແວ​, ມີ​ສ່ວນ​ແບ່ງ​ທີ່​ຈະ​ແຈ້ງ​ໃນ​ຜົນ​ໄດ້​ຮັບ​. ແຕ່​ຂໍ້​ມູນ​ແມ່ນ​ສໍາ​ຄັນ​ທີ່​ມັນ​ສະ​ທ້ອນ​ໃຫ້​ເຫັນ​ການ​ຂະ​ຫຍາຍ​ຕົວ​. 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:

• ປັບປຸງປະສົບການຂອງລູກຄ້າ: 48%
• ຫຼຸດຄ່າໃຊ້ຈ່າຍ: 45%
• ເພີ່ມປະສິດທິພາບຂອງທີມພັດທະນາ: 43%
• ເພີ່ມຄຸນນະພາບລະຫັດ: 35%
• ວິເຄາະບັນຫາ: 25%
• ເພີ່ມຄວາມໄວຂອງການປ່ອຍຕົວ: 22%
• ຄວາມຮູ້ການຂຽນລະຫັດ: 22%
• ປ້ອງກັນຂໍ້ບົກພ່ອງ: 19% 

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.