La complejidad de las plataformas y la menor tolerancia a interrupciones están cambiando la forma de monitorear los servicios. La observabilidad incorpora IA para relacionar eventos, priorizar alertas y apoyar el diagnóstico de incidentes.
Datadog y Virtual IT Ecuador, con IT ahora como Media Partner, reunieron a líderes de IT en After Office realizados en Quito y Guayaquil para abordar el uso de inteligencia artificial en la observabilidad de entornos tecnológicos.
Durante estos encuentros, Ricardo Rea, Latam Technical Alliances de Datadog, señaló: “La observabilidad deja de ser un tablero que miras y se vuelve un sistema que investiga contigo”.
Aldo Herrera, Account Manager de Datadog, indicó: “Clientes en la región ya pueden resolver incidentes críticos en minutos, no en horas, gracias a la IA de Datadog”.
A partir de este tema, IT ahora conversó con Alexis Rodríguez, CEO de Virtual IT, sobre el uso de IA en observabilidad, la gestión de alertas, la identificación de causas de incidentes y los desafíos que presentan los ambientes híbridos y multicloud.
De la alerta al contexto
Para Rodríguez, uno de los cambios que introduce la IA en la observabilidad es pasar de recibir alertas a contar con información que ayude a tomar una decisión.
El monitoreo tradicional puede indicar que un servidor consume demasiados recursos o que una aplicación responde lentamente. Con observabilidad e IA es posible relacionar más variables para tratar de determinar qué está ocurriendo y qué lo está provocando.
“El objetivo ya no es solamente saber que algo falló, sino entender qué está pasando y por qué”, señala.
Dos factores están impulsando la adopción de observabilidad en las empresas ecuatorianas: las plataformas tecnológicas son cada vez más complejas y el negocio tolera menos las interrupciones.
A esto se suma la eficiencia operativa. Los equipos de IT deben administrar un número creciente de componentes y servicios sin que necesariamente aumente el número de personas encargadas de hacerlo.
Para Rodríguez, el valor de plataformas como Datadog está en recolectar información, y convertirla para ser usada por los equipos para operar mejor.
Más alertas no significan mejor monitoreo
El número de alertas es uno de los problemas que identifica Rodríguez en la operación tecnológica. Recibir más notificaciones no necesariamente representa un mejor monitoreo. “Más alertas no significa necesariamente mejor monitoreo”, dice.
Cuando diferentes componentes generan notificaciones simultáneamente, el equipo puede terminar sin saber qué atender primero. La IA puede ayudar a relacionar eventos que tienen un mismo origen y, sobre todo, aportar contexto y prioridad.
Una aplicación puede depender de bases de datos, APIs, infraestructura, redes y servicios externos. Ante una falla, identificar dónde comenzó el problema puede consumir una parte importante del tiempo de respuesta.
“En un incidente, muchas veces se pierde más tiempo encontrando el problema que solucionándolo”, afirma el ejecutivo.
La correlación de información puede aportar un punto de partida para el equipo técnico al mostrar qué cambió, dónde aparecieron los primeros errores y qué otros componentes resultaron afectados. Esto puede reducir el tiempo de diagnóstico y el período durante el cual el servicio permanece afectado.
Otro desafío está en la distribución de la infraestructura. Una empresa puede mantener sistemas en su propio centro de datos, otros en Azure o AWS, aplicaciones SaaS y servicios que se comunican entre sí.
Si cada ambiente se monitorea de manera separada, se mantienen silos de información. La observabilidad busca proporcionar una visión transversal del servicio, independientemente de dónde se ejecute cada componente. “El usuario no ve infraestructura, nube o aplicaciones; ve un servicio que funciona o que no funciona”, indica Rodríguez.
Definir qué observar
Para el ejecutivo, incorporar IA a una estrategia de observabilidad no debería comenzar planteándose como un proyecto de inteligencia artificial. El primer paso es definir cuáles son los servicios críticos, qué se quiere observar y qué información se necesita.
Posteriormente viene la instrumentación de infraestructura, aplicaciones, bases de datos, logs, redes y otras fuentes necesarias. Mientras mejor sea la información y el contexto disponible, mayor valor se podrá obtener de la IA.
Otro componente son los procesos. “Detectar un problema en dos minutos no sirve de mucho si después tardamos horas en decidir quién debe resolverlo”.
Desde Virtual IT, Rodríguez plantea que el trabajo debe comenzar antes de instalar una plataforma. La empresa necesita identificar los servicios que son importantes, qué necesita medir y qué problema busca resolver.
Una prueba de concepto (POC), explica, permite validar esos casos de uso sobre el ambiente real de la organización antes de avanzar con una implementación.
