Da bi ublažili težave z DevOps spretnostmi, potrebujemo več veščin AI, ironično

Umetna inteligenca domnevno krepi inteligenco v podjetjih in enako počne tudi v trgovinah z informacijsko tehnologijo. Na primer, AIOps (umetna inteligenca za operacije IT) uporablja umetno inteligenco in strojno učenje za pretakanje podatkov iz procesov IT, pri čemer preseje hrup, da zazna, izpostavi in ​​prepreči težave. 

Umetna inteligenca in strojno učenje najdeta dom tudi na drugem nastajajočem področju IT: pomoč ekipam DevOps pri zagotavljanju sposobnosti preživetja in kakovosti programske opreme, ki se premika z vse hitrejšimi hitrostmi skozi sistem in do uporabnikov. 

Kot je bilo ugotovljeno v nedavni raziskavi GitHuba, se razvojne in operativne ekipe v veliki meri obračajo na AI, da bi olajšali pretok kode skozi fazo pregleda programske opreme in testiranja, pri čemer 31 % ekip aktivno uporablja algoritme AI in ML za pregled kode. — več kot dvakrat več kot lani. Raziskava tudi ugotavlja, da 37 % ekip uporablja AI/ML pri testiranju programske opreme (v primerjavi s 25 %), nadaljnjih 20 % pa jih načrtuje uvedbo tega leta.

Prav tako: Razumevanje Microsoftove velike vizije za gradnjo naslednje generacije apps

Dodatno Raziskava iz Techstrong Research in Tricentis potrjuje ta trend. Raziskava med 2,600 strokovnjaki in voditelji DevOps ugotavlja, da jih je 90 % naklonjenih vnašanju več umetne inteligence v fazo testiranja tokov DevOps in vidijo to kot način za rešitev pomanjkanja znanj, s katerimi se soočajo. (Tricentis je prodajalec programske opreme za preizkušanje, z očitnim deležem v rezultatih. Vendar so podatki pomembni, saj odražajo naraščajoče shift proti bolj avtonomnim pristopom DevOps.)

Obstaja celo paradoks, ki je izšel iz študije Techstronga in Tricentisa: podjetja potrebujejo specializirana znanja, da bi zmanjšala potrebo po specializiranih znanjih. Vsaj 47 % anketirancev navaja, da je glavna prednost DevOps, ki temelji na umetni inteligenci, zmanjšanje vrzeli v spretnostih in »zaposlenim olajšanje opravljanja bolj zapletenih nalog«. 

Prav tako: Nirvana DevOps je za mnoge še vedno oddaljen cilj, kaže raziskava

Hkrati so menedžerji pomanjkanje spretnosti, potrebnih za razvoj in izvajanje testiranja programske opreme, ki temelji na umetni inteligenci, navedli kot eno od glavnih ovir za DevOps z umetno inteligenco, in sicer 44 %. To je začaran krog, za katerega upamo, da bo odpravljen, ko bo več strokovnjakov sodelovalo pri usposabljanju in izobraževalnih programih, osredotočenih na umetno inteligenco in strojno učenje.  

Ko se bo umetna inteligenca začela uveljavljati na spletnih mestih IT, bo pomagala zaznati procesno intenzivne poteke dela DevOps. Skoraj dve tretjini menedžerjev v raziskavi (65 %) pravi, da je funkcionalno testiranje programske opreme zelo primerno za DevOps, razširjeno z umetno inteligenco, in da bi mu zelo koristilo. »Uspeh DevOps zahteva avtomatizacijo testiranja v velikem obsegu, ki ustvarja ogromne količine kompleksnih testnih podatkov in zahteva pogoste spremembe testnih primerov,« poudarjajo avtorji raziskave. "To se popolnoma ujema z zmožnostmi umetne inteligence za prepoznavanje vzorcev v velikih nizih podatkov in ponuja vpoglede, ki jih je mogoče uporabiti za izboljšanje in pospešitev postopka testiranja."

Prav tako: Projekti umetne inteligence so se v zadnjem letu desetkrat povečali, pravi raziskava

Skupaj z morebitnim zmanjšanjem zahtev po spretnostih je raziskava opredelila tudi naslednje prednosti dodajanja več AI v DevOps:

• Izboljšanje uporabniške izkušnje: 48 %
• Zmanjšanje stroškov: 45 %
• Povečanje učinkovitosti razvijalskih skupin: 43 %
• Povečanje kakovosti kode: 35%
• Diagnosticiranje težav: 25 %
• Povečanje hitrosti izpustov: 22%
• Znanje kodiranja: 22 %
• Preprečite napake: 19% 

Prvi uporabniki DevOps, obogatenih z umetno inteligenco, so običajno iz večjih organizacij. To ni presenetljivo, saj bi večji koncerni imeli bolj razvite ekipe DevOps in večji dostop do naprednih rešitev, kot je AI. 

Prav tako: Čas je, da tehnološke ekipe najdejo svoj glas v uporabniški izkušnji

»V smislu DevOps ta zrela podjetja zaznamuje napredek, ki so ga dosegla pri racionalizaciji svojih zmogljivosti za razvoj programske opreme v zadnjih petih do sedmih letih ter njihovi zreli in izpopolnjeni cevovodi in procesi,« poudarjata avtorja Techstrong in Tricentis. "Te organizacije DevOps so izvorne v oblaku in uporabljajo cevovode delovnih tokov DevOps, verige orodij, avtomatizacijo in tehnologije v oblaku."

Dolgoročno gledano je pametna ideja, da bi umetna inteligenca pomagala pri vitalnih vidikih DevOps. Proces DevOps, kljub vsemu sodelovanju in avtomatizaciji, postaja samo še bolj naporen, saj se pričakuje, da bo programska oprema poletela skozi vrata s hitrejšim tempom. Prepustite strojem, da obravnavajo veliko težavnih vidikov, kot sta testiranje in spremljanje.