Upang maibsan ang mga isyu sa kasanayan sa DevOps, kailangan namin ng higit pang mga kasanayan sa AI, balintuna

Ang artificial intelligence ay iniulat na nagpapalakas ng katalinuhan sa loob ng mga negosyo at ginagawa rin ang parehong para sa mga tindahan ng teknolohiya ng impormasyon. Halimbawa, inilalapat ng AIOps (artificial intelligence para sa mga pagpapatakbo ng IT) ang AI at machine learning sa streaming ng data mula sa mga proseso ng IT, sinasala ang ingay upang matukoy, ma-spotlight, at maiwasan ang mga problema. 

Ang AI at machine learning ay nakakahanap din ng tahanan sa isa pang umuusbong na bahagi ng IT: pagtulong sa mga DevOps team sa pagtiyak ng posibilidad at kalidad ng software na gumagalaw sa mas mabilis na bilis sa pamamagitan ng system at palabas sa mga user. 

Gaya ng nakita sa isang kamakailang survey mula sa GitHub, ang mga development at ops team ay bumaling sa AI sa malaking paraan para maayos ang daloy ng code sa pamamagitan ng software review at testing phase, na may 31% ng mga team na aktibong gumagamit ng AI at ML algorithm para sa pagsusuri ng code — higit sa doble ang bilang noong nakaraang taon. Natuklasan din ng survey na 37% ng mga koponan ang gumagamit ng AI/ML sa pagsubok ng software (mula sa 25%), at isang karagdagang 20% ​​na plano upang ipakilala ito ngayong taon.

Ito: Pag-unawa sa dakilang pananaw ng Microsoft para sa pagbuo ng susunod na henerasyon ng apps

Karagdagan pagsisiyasat sa labas ng Techstrong Research at kinumpirma ng Tricentis ang kalakaran na ito. Natuklasan ng survey ng 2,600 DevOps practitioner at lider na 90% ang pabor sa pag-iniksyon ng higit pang AI sa yugto ng pagsubok ng mga daloy ng DevOps, at tingnan ito bilang isang paraan upang malutas ang mga kakulangan sa kasanayan na kinakaharap din nila. (Ang Tricentis ay isang software testing vendor, na may malinaw na taya sa mga resulta. Ngunit ang data ay makabuluhan dahil ito ay sumasalamin sa isang lumalagong shift patungo sa higit pang autonomous na mga diskarte sa DevOps.)

Mayroong kahit isang kabalintunaan na lumitaw mula sa pag-aaral ng Techstrong at Tricentis: Ang mga negosyo ay nangangailangan ng mga espesyal na kasanayan upang maibsan ang pangangailangan para sa mga espesyal na kasanayan. Hindi bababa sa 47% ng mga respondent ang nagsasabi na ang isang pangunahing benepisyo ng AI-infused DevOps ay upang bawasan ang agwat ng mga kasanayan, at "padali para sa mga empleyado na magsagawa ng mas kumplikadong mga gawain." 

Ito: Malayo pa rin ang layunin ng DevOps nirvana para sa marami, iminumungkahi ng survey

Kasabay nito, ang kakulangan ng mga kasanayang kailangan para bumuo at magpatakbo ng AI-powered software testing ay binanggit ng mga manager bilang isa sa mga nangungunang hadlang sa AI-infused DevOps, sa 44%. Ito ay isang mabagsik na cycle na sana ay malutas habang mas maraming propesyonal ang lumahok sa pagsasanay at mga programang pang-edukasyon na nakatuon sa AI at machine learning.  

Kapag nagsimula nang mailagay ang AI sa mga IT site, makakatulong ito na gumawa ng isang pagbawas sa mga workflow ng DevOps na masinsinang proseso. Halos dalawang-katlo ng mga tagapamahala sa survey (65%) ang nagsasabi na ang functional software testing ay angkop at lubos na makikinabang mula sa AI-augmented DevOps. "Ang tagumpay ng DevOps ay nangangailangan ng pag-automate ng pagsubok sa sukat, na bumubuo ng napakalaking dami ng kumplikadong data ng pagsubok at nangangailangan ng madalas na mga pagbabago sa mga pagsubok na kaso," itinuro ng mga may-akda ng survey. “Perpektong umaayon ito sa mga kakayahan ng AI na tumukoy ng mga pattern sa malalaking set ng data at mag-alok ng mga insight na magagamit para mapahusay at mapabilis ang proseso ng pagsubok.”

Ito: Ang mga proyekto ng artificial intelligence ay lumago ng sampung beses sa nakaraang taon, sabi ng survey

Kasama ng potensyal na pagbabawas ng mga kinakailangan sa kasanayan, tinukoy din ng survey ang mga sumusunod na benepisyo sa paglalagay ng higit pang AI sa DevOps:

• Pagbutihin ang karanasan ng customer: 48%
• Bawasan ang mga gastos: 45%
• Dagdagan ang kahusayan ng mga developer team: 43%
• Taasan ang kalidad ng code: 35%
• I-diagnose ang mga problema: 25%
• Taasan ang bilis ng mga release: 22%
• Kaalaman sa pag-codify: 22%
• Pigilan ang mga depekto: 19% 

Ang mga naunang nag-adopt ng AI-augmented DevOps ay malamang na mula sa malalaking organisasyon. Hindi ito nakakagulat, dahil ang mas malalaking alalahanin ay magkakaroon ng mas maunlad na mga koponan ng DevOps at mas malawak na access sa mga advanced na solusyon gaya ng AI. 

Ito: Oras na para sa mga team ng teknolohiya na hanapin ang kanilang boses sa karanasan ng customer

"Sa mga tuntunin ng DevOps, ang mga mature na kumpanyang ito ay minarkahan ng pag-unlad na nagawa nila sa pag-streamline ng kanilang mga kakayahan sa pag-develop ng software sa nakalipas na lima hanggang pitong taon at sa kanilang mga mature at pinong pipeline at proseso," itinuro ng mga may-akda ng Techstrong at Tricentis. “Ang mga organisasyong ito ng DevOps ay cloud-native at gumagamit ng DevOps workflow pipelines, toolchain, automation, at cloud technologies.”

Sa katagalan, ang paglalagay ng AI para tumulong sa mahahalagang aspeto ng DevOps ay isang matalinong ideya. Ang proseso ng DevOps, para sa lahat ng pakikipagtulungan at pag-automate nito, ay nagiging mas nakakapagod dahil ang software ay inaasahang lalabas sa pinto sa isang mabilis na bilis. Ipaubaya sa mga makina ang paghawak ng maraming mabibigat na aspeto, gaya ng pagsubok at pagsubaybay.