DevOps ਹੁਨਰ ਦੇ ਮੁੱਦਿਆਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਵਿਅੰਗਾਤਮਕ ਤੌਰ 'ਤੇ, ਹੋਰ AI ਹੁਨਰਾਂ ਦੀ ਲੋੜ ਹੈ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਕਥਿਤ ਤੌਰ 'ਤੇ ਕਾਰੋਬਾਰਾਂ ਦੇ ਅੰਦਰ ਬੁੱਧੀ ਨੂੰ ਵਧਾ ਰਹੀ ਹੈ ਅਤੇ ਸੂਚਨਾ ਤਕਨਾਲੋਜੀ ਦੀਆਂ ਦੁਕਾਨਾਂ ਲਈ ਵੀ ਅਜਿਹਾ ਹੀ ਕਰ ਰਹੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, AIOps (IT ਓਪਰੇਸ਼ਨਾਂ ਲਈ ਨਕਲੀ ਬੁੱਧੀ) AI ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਨੂੰ IT ਪ੍ਰਕਿਰਿਆਵਾਂ ਤੋਂ ਡਾਟਾ ਸਟ੍ਰੀਮਿੰਗ, ਖੋਜਣ, ਸਪੌਟਲਾਈਟ, ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਰੌਲੇ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਲਾਗੂ ਕਰਦਾ ਹੈ। 

AI ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵੀ IT ਦੇ ਇੱਕ ਹੋਰ ਉੱਭਰ ਰਹੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਘਰ ਲੱਭ ਰਹੇ ਹਨ: ਸੌਫਟਵੇਅਰ ਦੀ ਵਿਵਹਾਰਕਤਾ ਅਤੇ ਗੁਣਵੱਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿੱਚ DevOps ਟੀਮਾਂ ਦੀ ਸਹਾਇਤਾ ਕਰਨਾ ਜੋ ਸਿਸਟਮ ਦੁਆਰਾ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਤੱਕ ਹਮੇਸ਼ਾਂ ਤੇਜ਼ ਰਫਤਾਰ ਨਾਲ ਅੱਗੇ ਵਧ ਰਿਹਾ ਹੈ। 

ਜਿਵੇਂ ਕਿ GitHub ਦੇ ਇੱਕ ਤਾਜ਼ਾ ਸਰਵੇਖਣ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ, ਵਿਕਾਸ ਅਤੇ ਓਪਸ ਟੀਮਾਂ ਸੌਫਟਵੇਅਰ ਸਮੀਖਿਆ ਅਤੇ ਟੈਸਟਿੰਗ ਪੜਾਅ ਦੁਆਰਾ ਕੋਡ ਦੇ ਪ੍ਰਵਾਹ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਣ ਲਈ ਇੱਕ ਵੱਡੇ ਤਰੀਕੇ ਨਾਲ AI ਵੱਲ ਮੁੜ ਰਹੀਆਂ ਹਨ, 31% ਟੀਮਾਂ ਕੋਡ ਸਮੀਖਿਆ ਲਈ AI ਅਤੇ ML ਐਲਗੋਰਿਦਮ ਦੀ ਸਰਗਰਮੀ ਨਾਲ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। - ਪਿਛਲੇ ਸਾਲ ਦੀ ਗਿਣਤੀ ਦੁੱਗਣੀ ਤੋਂ ਵੱਧ। ਸਰਵੇਖਣ ਵਿੱਚ ਇਹ ਵੀ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ 37% ਟੀਮਾਂ ਸਾਫਟਵੇਅਰ ਟੈਸਟਿੰਗ ਵਿੱਚ AI/ML ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ (25% ਤੋਂ ਵੱਧ), ਅਤੇ ਇਸ ਸਾਲ ਇਸਨੂੰ ਪੇਸ਼ ਕਰਨ ਦੀ ਇੱਕ ਹੋਰ 20% ਯੋਜਨਾ ਹੈ।

ਵੀ: ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਨਿਰਮਾਣ ਲਈ ਮਾਈਕ੍ਰੋਸਾਫਟ ਦੇ ਸ਼ਾਨਦਾਰ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਸਮਝਣਾ apps

ਇੱਕ ਵਾਧੂ ਸਰਵੇਖਣ Techstrong ਖੋਜ ਅਤੇ Tricentis ਦੇ ਬਾਹਰ ਇਸ ਰੁਝਾਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ. 2,600 DevOps ਪ੍ਰੈਕਟੀਸ਼ਨਰਾਂ ਅਤੇ ਨੇਤਾਵਾਂ ਦੇ ਸਰਵੇਖਣ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ ਕਿ 90% DevOps ਪ੍ਰਵਾਹ ਦੇ ਟੈਸਟਿੰਗ ਪੜਾਅ ਵਿੱਚ ਹੋਰ AI ਦਾ ਟੀਕਾ ਲਗਾਉਣ ਲਈ ਅਨੁਕੂਲ ਹਨ, ਅਤੇ ਇਸਨੂੰ ਉਹਨਾਂ ਹੁਨਰਾਂ ਦੀ ਕਮੀ ਨੂੰ ਹੱਲ ਕਰਨ ਦੇ ਇੱਕ ਤਰੀਕੇ ਵਜੋਂ ਵੀ ਦੇਖਦੇ ਹਨ ਜਿਸ ਦਾ ਉਹ ਸਾਹਮਣਾ ਕਰ ਰਹੇ ਹਨ। (ਟ੍ਰਾਈਸੈਂਟਿਸ ਇੱਕ ਸਾਫਟਵੇਅਰ ਟੈਸਟਿੰਗ ਵਿਕਰੇਤਾ ਹੈ, ਨਤੀਜੇ ਵਿੱਚ ਇੱਕ ਸਪੱਸ਼ਟ ਹਿੱਸੇਦਾਰੀ ਹੈ। ਪਰ ਡੇਟਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿਉਂਕਿ ਇਹ ਇੱਕ ਵਧਦੇ ਹੋਏ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ shift ਹੋਰ ਖੁਦਮੁਖਤਿਆਰ DevOps ਪਹੁੰਚਾਂ ਵੱਲ।)

ਇੱਥੇ ਇੱਕ ਵਿਰੋਧਾਭਾਸ ਵੀ ਹੈ ਜੋ ਟੇਕਸਟ੍ਰੌਂਗ ਅਤੇ ਟ੍ਰਾਈਸੈਂਟਿਸ ਅਧਿਐਨ ਤੋਂ ਉਭਰਿਆ ਹੈ: ਵਿਸ਼ੇਸ਼ ਹੁਨਰਾਂ ਦੀ ਲੋੜ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਉੱਦਮੀਆਂ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਹੁਨਰਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਘੱਟੋ-ਘੱਟ 47% ਉੱਤਰਦਾਤਾਵਾਂ ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ AI-ਇਨਫਿਊਜ਼ਡ DevOps ਦਾ ਇੱਕ ਵੱਡਾ ਫਾਇਦਾ ਹੁਨਰ ਦੇ ਪਾੜੇ ਨੂੰ ਘਟਾਉਣਾ ਹੈ, ਅਤੇ "ਕਰਮਚਾਰੀਆਂ ਲਈ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਕੰਮ ਕਰਨ ਲਈ ਇਸਨੂੰ ਆਸਾਨ ਬਣਾਉਣਾ ਹੈ।" 

ਵੀ: ਡੇਵੋਪਸ ਨਿਰਵਾਣ ਅਜੇ ਵੀ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਲਈ ਦੂਰ ਦਾ ਟੀਚਾ ਹੈ, ਸਰਵੇਖਣ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ

ਉਸੇ ਸਮੇਂ, ਏਆਈ-ਸੰਚਾਲਿਤ ਸੌਫਟਵੇਅਰ ਟੈਸਟਿੰਗ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਅਤੇ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਹੁਨਰਾਂ ਦੀ ਘਾਟ ਨੂੰ ਪ੍ਰਬੰਧਕਾਂ ਦੁਆਰਾ 44% 'ਤੇ, AI-ਇਨਫਿਊਜ਼ਡ DevOps ਲਈ ਪ੍ਰਮੁੱਖ ਰੁਕਾਵਟਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਸੀ। ਇਹ ਇੱਕ ਦੁਸ਼ਟ ਚੱਕਰ ਹੈ ਜਿਸਦਾ ਹੱਲ ਕੀਤਾ ਜਾਵੇਗਾ ਕਿਉਂਕਿ ਵਧੇਰੇ ਪੇਸ਼ੇਵਰ AI ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਸਿਖਲਾਈ ਅਤੇ ਵਿਦਿਅਕ ਪ੍ਰੋਗਰਾਮਾਂ ਵਿੱਚ ਹਿੱਸਾ ਲੈਂਦੇ ਹਨ।  

ਇੱਕ ਵਾਰ ਜਦੋਂ AI IT ਸਾਈਟਾਂ ਦੇ ਨਾਲ ਸਥਾਪਤ ਹੋਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਇਹ ਪ੍ਰਕਿਰਿਆ-ਗੰਭੀਰ DevOps ਵਰਕਫਲੋ ਵਿੱਚ ਰੁਕਾਵਟ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗਾ। ਸਰਵੇਖਣ ਵਿੱਚ ਲਗਭਗ ਦੋ-ਤਿਹਾਈ ਪ੍ਰਬੰਧਕ (65%) ਕਹਿੰਦੇ ਹਨ ਕਿ ਕਾਰਜਸ਼ੀਲ ਸੌਫਟਵੇਅਰ ਟੈਸਟਿੰਗ ਚੰਗੀ ਤਰ੍ਹਾਂ ਅਨੁਕੂਲ ਹੈ ਅਤੇ AI- ਵਧੇ ਹੋਏ DevOps ਤੋਂ ਬਹੁਤ ਲਾਭ ਹੋਵੇਗਾ। "DevOps ਦੀ ਸਫਲਤਾ ਲਈ ਪੈਮਾਨੇ 'ਤੇ ਟੈਸਟ ਆਟੋਮੇਸ਼ਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜੋ ਕਿ ਗੁੰਝਲਦਾਰ ਟੈਸਟ ਡੇਟਾ ਦੀ ਵਿਸ਼ਾਲ ਮਾਤਰਾ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਕੇਸਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਅਕਸਰ ਤਬਦੀਲੀਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ," ਸਰਵੇਖਣ ਦੇ ਲੇਖਕ ਦੱਸਦੇ ਹਨ। "ਇਹ ਵੱਡੇ ਡੇਟਾ ਸੈੱਟਾਂ ਵਿੱਚ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਜਾਂਚ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਤੇਜ਼ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾ ਸਕਣ ਵਾਲੇ ਸੂਝ-ਬੂਝ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨ ਲਈ AI ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨਾਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮੇਲ ਖਾਂਦਾ ਹੈ।"

ਵੀ: ਪਿਛਲੇ ਸਾਲ ਨਾਲੋਂ ਨਕਲੀ ਖੁਫੀਆ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਦਸ ਗੁਣਾ ਵਾਧਾ ਹੋਇਆ ਹੈ, ਸਰਵੇਖਣ ਕਹਿੰਦਾ ਹੈ

ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਹੁਨਰ ਲੋੜਾਂ ਨੂੰ ਘਟਾਉਣ ਦੇ ਨਾਲ, ਸਰਵੇਖਣ ਨੇ DevOps ਵਿੱਚ ਹੋਰ AI ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਲਾਭਾਂ ਦੀ ਵੀ ਪਛਾਣ ਕੀਤੀ:

• ਗਾਹਕ ਅਨੁਭਵ ਵਿੱਚ ਸੁਧਾਰ ਕਰੋ: 48%
• ਲਾਗਤ ਘਟਾਓ: 45%
• ਡਿਵੈਲਪਰ ਟੀਮਾਂ ਦੀ ਕੁਸ਼ਲਤਾ ਵਧਾਓ: 43%
• ਕੋਡ ਗੁਣਵੱਤਾ ਵਧਾਓ: 35%
• ਸਮੱਸਿਆਵਾਂ ਦਾ ਨਿਦਾਨ ਕਰੋ: 25%
• ਰੀਲੀਜ਼ ਦੀ ਗਤੀ ਵਧਾਓ: 22%
• ਕੋਡਿੰਗ ਗਿਆਨ: 22%
• ਨੁਕਸ ਨੂੰ ਰੋਕੋ: 19% 

AI-Augmented DevOps ਦੇ ਸ਼ੁਰੂਆਤੀ ਗੋਦ ਲੈਣ ਵਾਲੇ ਵੱਡੇ ਸੰਗਠਨਾਂ ਤੋਂ ਹੁੰਦੇ ਹਨ। ਇਹ ਕੋਈ ਹੈਰਾਨੀ ਵਾਲੀ ਗੱਲ ਨਹੀਂ ਹੈ, ਕਿਉਂਕਿ ਵੱਡੀਆਂ ਚਿੰਤਾਵਾਂ ਵਿੱਚ ਵਧੇਰੇ ਵਿਕਸਤ DevOps ਟੀਮਾਂ ਅਤੇ AI ਵਰਗੇ ਉੱਨਤ ਹੱਲਾਂ ਤੱਕ ਵਧੇਰੇ ਪਹੁੰਚ ਹੋਵੇਗੀ। 

ਵੀ: ਇਹ ਤਕਨਾਲੋਜੀ ਟੀਮਾਂ ਲਈ ਗਾਹਕ ਅਨੁਭਵ ਵਿੱਚ ਆਪਣੀ ਆਵਾਜ਼ ਲੱਭਣ ਦਾ ਸਮਾਂ ਹੈ

“DevOps ਦੇ ਸੰਦਰਭ ਵਿੱਚ, ਇਹ ਪਰਿਪੱਕ ਕੰਪਨੀਆਂ ਪਿਛਲੇ ਪੰਜ ਤੋਂ ਸੱਤ ਸਾਲਾਂ ਵਿੱਚ ਆਪਣੀਆਂ ਸੌਫਟਵੇਅਰ ਵਿਕਾਸ ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਪਰਿਪੱਕ ਅਤੇ ਸ਼ੁੱਧ ਪਾਈਪਲਾਈਨਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਣ ਵਿੱਚ ਕੀਤੀ ਪ੍ਰਗਤੀ ਦੁਆਰਾ ਚਿੰਨ੍ਹਿਤ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ,” Techstrong ਅਤੇ Tricentis ਲੇਖਕ ਦੱਸਦੇ ਹਨ। "ਇਹ DevOps ਸੰਸਥਾਵਾਂ ਕਲਾਉਡ-ਨੇਟਿਵ ਹਨ ਅਤੇ DevOps ਵਰਕਫਲੋ ਪਾਈਪਲਾਈਨਾਂ, ਟੂਲਚੇਨ, ਆਟੋਮੇਸ਼ਨ, ਅਤੇ ਕਲਾਉਡ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ।"

ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ, DevOps ਦੇ ਮਹੱਤਵਪੂਰਣ ਪਹਿਲੂਆਂ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਲਈ AI ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਇੱਕ ਸਮਾਰਟ ਵਿਚਾਰ ਹੈ। DevOps ਪ੍ਰਕਿਰਿਆ, ਇਸਦੇ ਸਾਰੇ ਸਹਿਯੋਗ ਅਤੇ ਆਟੋਮੇਸ਼ਨ ਲਈ, ਸਿਰਫ ਵਧੇਰੇ ਥਕਾਵਟ ਵਾਲੀ ਹੋ ਰਹੀ ਹੈ ਕਿਉਂਕਿ ਸੌਫਟਵੇਅਰ ਦੇ ਤੇਜ਼ ਰਫਤਾਰ ਨਾਲ ਦਰਵਾਜ਼ੇ ਤੋਂ ਬਾਹਰ ਨਿਕਲਣ ਦੀ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਬਹੁਤ ਸਾਰੇ ਮੁਸ਼ਕਲ ਪਹਿਲੂਆਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਇਸਨੂੰ ਮਸ਼ੀਨਾਂ 'ਤੇ ਛੱਡੋ, ਜਿਵੇਂ ਕਿ ਟੈਸਟਿੰਗ ਅਤੇ ਨਿਗਰਾਨੀ।