Sztuczna inteligencja podobno zwiększa inteligencję w firmach i robi to samo w przypadku sklepów informatycznych. Na przykład AIOps (sztuczna inteligencja dla operacji IT) stosuje sztuczną inteligencję i uczenie maszynowe do strumieniowego przesyłania danych z procesów IT, przesiewając hałas w celu wykrycia, wyróżnienia i wyeliminowania problemów.
Sztuczna inteligencja i uczenie maszynowe znajdują również miejsce w innym wschodzącym obszarze IT: pomagając zespołom DevOps w zapewnianiu rentowności i jakości oprogramowania, które porusza się z coraz większą prędkością w systemie i dociera do użytkowników.
Jak stwierdzono w niedawnej ankiecie przeprowadzonej przez GitHub, zespoły programistyczne i operacyjne zwracają się w dużym stopniu do sztucznej inteligencji, aby usprawnić przepływ kodu przez fazę przeglądu i testowania oprogramowania, przy czym 31% zespołów aktywnie korzysta z algorytmów AI i ML do przeglądu kodu — ponad dwukrotnie więcej niż w zeszłym roku. Badanie wykazało również, że 37% zespołów używa AI/ML w testowaniu oprogramowania (wzrost z 25%), a kolejne 20% planuje wprowadzić tę technologię w tym roku.
Również: Zrozumienie wielkiej wizji firmy Microsoft dotyczącej budowania następnej generacji apps
Dodatkowy badanie z Techstrong Research i Tricentis potwierdza ten trend. Ankieta przeprowadzona wśród 2,600 praktyków i liderów DevOps wykazała, że 90% jest przychylnych wstrzyknięciu większej ilości sztucznej inteligencji w fazę testowania przepływów DevOps i postrzega to jako sposób na rozwiązanie niedoborów umiejętności, z którymi się borykają. (Tricentis jest dostawcą testów oprogramowania, z oczywistym udziałem w wynikach. Ale dane są znaczące, ponieważ odzwierciedlają rosnący shift w kierunku bardziej autonomicznych podejść DevOps).
Istnieje nawet paradoks, który wyłonił się z badań Techstrong i Tricentis: przedsiębiorstwa potrzebują specjalistycznych umiejętności, aby złagodzić zapotrzebowanie na specjalistyczne umiejętności. Co najmniej 47% respondentów twierdzi, że główną zaletą DevOps wykorzystującego sztuczną inteligencję jest zmniejszenie luki w umiejętnościach i „ułatwienie pracownikom wykonywania bardziej skomplikowanych zadań”.
Również: Nirwana DevOps jest dla wielu wciąż odległym celem, sugeruje ankieta
Jednocześnie brak umiejętności potrzebnych do opracowywania i przeprowadzania testów oprogramowania wykorzystującego sztuczną inteligencję był wymieniany przez menedżerów jako jedna z głównych barier dla DevOps wykorzystujących sztuczną inteligencję (44 proc.). Jest to błędne koło, które, miejmy nadzieję, zostanie naprawione, gdy więcej profesjonalistów będzie uczestniczyć w szkoleniach i programach edukacyjnych skoncentrowanych na sztucznej inteligencji i uczeniu maszynowym.
Gdy sztuczna inteligencja zacznie być wdrażana w witrynach IT, pomoże to w utrudnieniu intensywnym procesom przepływów pracy DevOps. Prawie dwie trzecie menedżerów biorących udział w ankiecie (65%) twierdzi, że testowanie oprogramowania funkcjonalnego jest dobrze przystosowane do DevOps wspieranych przez sztuczną inteligencję i przyniosłoby mu znaczne korzyści. „Sukces DevOps wymaga automatyzacji testów na dużą skalę, która generuje ogromne ilości złożonych danych testowych i wymaga częstych zmian przypadków testowych” – podkreślają autorzy badania. „To doskonale wpisuje się w możliwości sztucznej inteligencji w zakresie identyfikowania wzorców w dużych zestawach danych i oferowania spostrzeżeń, które można wykorzystać do ulepszenia i przyspieszenia procesu testowania”.
Również: Według ankiety projekty sztucznej inteligencji wzrosły dziesięciokrotnie w ciągu ostatniego roku
Oprócz potencjalnego zmniejszenia wymagań dotyczących umiejętności, ankieta wykazała również następujące korzyści z wprowadzenia większej ilości sztucznej inteligencji do DevOps:
Pierwsi użytkownicy DevOps wspieranych przez sztuczną inteligencję pochodzą zwykle z większych organizacji. Nie jest to zaskakujące, ponieważ większe koncerny miałyby bardziej rozwinięte zespoły DevOps i większy dostęp do zaawansowanych rozwiązań, takich jak AI.
Również: Nadszedł czas, aby zespoły technologiczne znalazły swój głos w doświadczeniach klientów
„Jeśli chodzi o DevOps, te dojrzałe firmy charakteryzują się postępem, jaki poczyniły w usprawnianiu swoich możliwości rozwoju oprogramowania w ciągu ostatnich pięciu do siedmiu lat oraz dojrzałych i dopracowanych rurociągów i procesów”, podkreślają autorzy Techstrong i Tricentis. „Te organizacje DevOps są natywne dla chmury i wykorzystują potoki przepływu pracy DevOps, łańcuchy narzędzi, automatyzację i technologie chmurowe”.
Na dłuższą metę infuzja sztucznej inteligencji, aby pomóc w ważnych aspektach DevOps, jest mądrym pomysłem. Proces DevOps, przy całej współpracy i automatyzacji, staje się coraz bardziej wyczerpujący, ponieważ oczekuje się, że oprogramowanie wyleci z drzwi w coraz szybszym tempie. Pozostaw maszynom obsługę wielu uciążliwych aspektów, takich jak testowanie i monitorowanie.