AIOps とは

AIOps と DevOps は起源が異なりますが、競合する概念ではなく、強力なパートナーです。この関係は次のように理解するのが最適です。

• DevOps は、開発と運用を統合してソフトウェア デリバリーのライフサイクルを加速することを目的とした文化とプロセスです。コラボレーション、自動化、CI/CD パイプラインに重点を置いています。
• AIOps は、DevOps ツールチェーンを強化するインテリジェント エンジンです。これにより、最新の DevOps プラクティスがもたらす複雑さを管理するために必要な高度な分析と自動化が提供されます。

つまり、DevOps は高速なパイプラインを構築し、AIOps は問題を自動的に検出、診断、解決することで、パイプラインが確実に効率的に実行されるようにします。

AIOps プラットフォームは通常、観測、関与、行動という 3 つの部分からなるプロセスで機能します。

AIOps プラットフォームは、IT 環境全体から指標、ログ、トレース、イベントなどの膨大なデータストリームを取り込んで一元化し、システムの健全性をリアルタイムで完全に把握できるようにします。

このプラットフォームは、ML を使用してこのデータを相関付け、分析し、重要なシグナルをノイズから区別します。異常を自動的に検出し、関連するアラートをグループ化して、考えられる根本原因を特定し、統合ダッシュボードと対象を絞ったアラートを通じて、行動につながる分析情報を IT チームに提供します。

プラットフォームは分析に基づいて自動応答をトリガーし、問題を解決します。これには、適切なチームへの通知から、サービスを再起動する、リソースをスケーリングする、変更をロールバックするなどの自動修復ワークフローの実行までが含まれます。多くの場合、人間のオペレーターが介入する前に実行されます。

AIOps の成熟に向けた取り組みは、通常、いくつかの段階に分かれています。

1. リアクティブ: この最初の段階の組織は、独立して活動し、リアクティブな目的でのみイベントに関するデータを収集します。システムとビジネスの間のインタラクションはほとんどありません。
2. 統合: 企業が AIOps の導入を進めるにつれて、データソースを統合された構造に統合し、IT サービス マネジメント（ITSM）を改善することで、サイロを解消し、コラボレーションを促進できます。
3. 分析: 3 つ目のステージでは、すべてのステークホルダーがデータにアクセスできるようにすることを優先する包括的な分析戦略を実装します。ITSM プロセスを強化し、測定基準と主要な指標を定義することで、組織は成果を向上させることができます。
4. 規範的: この段階では、組織は自動化を優先し、機械学習を頻繁に使用します。自動化は、人間のやり取りを補完するものであり、ITSM プロセスの重要な要素となっています。また、比較分析を使用して、改善とビジネスへの影響を測定できます。
5. 自動化: 成熟度の最高レベルでは、組織は完全な自動化と、人間の介入なしで動作する予測 ML モデルを実現します。ステークホルダーはデータをシームレスに共有し、分析の透明性が確保されます。これにより、ビジネス価値を重視した積極的な意思決定を促進できます。

さまざまな種類の AIOps ソリューションを理解することは、適切なプラットフォームを選択して効果的に実装するために不可欠です。AIOps ソリューションは、主に次の 2 つのタイプに分類できます。

• ドメイン中心の AIOps: これらの専門的な AI 駆動型ツールは、ネットワーキング、アプリケーション、クラウド コンピューティング環境など、IT 運用の特定の領域のパフォーマンスをモニタリングおよび管理します。たとえば、ドメイン中心の AIOps プラットフォームは、ネットワーク パフォーマンスのモニタリングに特化し、AI を使用してネットワークの異常を検出して診断する場合があります。
• ドメインに依存しない AIOps: これらのソリューションは、より広範なネットワークと組織の境界を越えて予測分析と AI 自動化をスケールするように設計されています。IT 環境全体にわたる多様なソースからイベントデータを収集して分析し、全体的な分析情報と相関関係を提供します。たとえば、ドメインに依存しない AIOps プラットフォームは、さまざまなモニタリング ツール、セキュリティ システム、IT サービス管理（ITSM）プラットフォームからデータを取り込み、IT 運用を包括的に把握し、さまざまなドメインにわたるイベント間の相関関係を特定する場合があります。

AIOps は、さまざまな IT 運用シナリオにわたって幅広い機能アプリケーションを提供します。

サービスを高速かつ信頼性の高い状態に保つため、AIOps は IT インフラストラクチャのパフォーマンスをプロアクティブにモニタリングします。過去のデータとリアルタイムのデータを分析して正常な状態を学習し、メモリリークや応答時間の低下など、将来の問題を示す微妙な逸脱を検出できるようにします。これにより、チームはサービスの中断を引き起こす前に問題を修正できます。

AIOps は、IT 自動化ツールやオーケストレーション プラットフォームと統合することで、インシデント対応ワークフローの自動化を促進します。インシデントが検出されると、AIOps は、サービスを再起動する、リソースをスケーリングする、診断スクリプトを実行するなど、事前定義された修復アクションを手動で介入することなく自動的にトリガーできます。たとえば、AIOps がウェブ アプリケーションのエラーを検出すると、アプリケーション サーバーを再起動し、最近のコードのデプロイで問題が発生した場合はロールバックするワークフローを自動的に開始できます。

ML を活用して、ログ、指標、ネットワーク トラフィック、構成データなど、さまざまな IT ソースからのデータを分析して関連付け、インテリジェントな根本原因分析を実行できるようにします。この機能により、AIOps は、人間の分析では見逃される可能性のある複雑な関係や依存関係を特定することで、IT 問題の根本原因を正確に特定できます。たとえば、データベースのパフォーマンスの問題が検出された場合、AIOps はデータベースのログをサーバーの指標やネットワーク レイテンシのデータと関連付け、根本原因がクエリの遅延、サーバー リソースの競合、ネットワークのボトルネックのいずれであるかを特定できます。

AIOps は、脅威から保護するために同じ異常検出の原則を適用することで、セキュリティを強化します。ネットワーク トラフィック、ユーザーの行動、システムログを分析して、正常なアクティビティのベースラインを確立します。その後、異常なデータアクセス パターンや予期しない場所からのログイン試行など、セキュリティ侵害の可能性を示す不審な逸脱にフラグを立て、セキュリティ チームにアラートをトリガーします。

インテリジェントなアルゴリズムを組み込んでアラートを分析し、コンテキスト化して、重大度、ビジネスへの影響、依存関係に基づいて動的に優先順位を付けます。この機能は、単純なしきい値ベースのアラートを超えて、アラート ノイズを低減し、IT チームが最も重要で実用的な通知に集中できるようにします。

傾向分析とキャパシティ プランニング アルゴリズムを実行して、潜在的なパフォーマンスのボトルネックをプロアクティブに特定し、リソース割り当てを最適化します。AIOps は、過去のパフォーマンス データを分析し、将来のリソースのニーズを予測することで、コンピューティング リソースのスケールアップやワークロードのリバランスなどのリソース調整に関する推奨事項を提供し、最適なパフォーマンスを維持してサービス品質の低下を防ぎます。たとえば、AIOps はアプリケーションのパフォーマンスの傾向を分析し、ウェブ アプリケーションがピーク負荷を経験する可能性が高い時期を予測できます。また、ピーク時に一貫したユーザー エクスペリエンスを確保するために、ウェブサーバー インスタンスのプロアクティブなスケーリングを推奨します。

AIOps を実装するには、データ品質、統合、スキル開発などのさまざまな要素を考慮した戦略的アプローチが必要です。組織内で AIOps を実装する方法の概要は次のとおりです。

• AIOps をビジネス目標に合わせる: AIOps の実装に関する明確な目標を定義し、組織の全体的なビジネス戦略に合わせます。たとえば、組織の目標が顧客満足度の向上である場合、AIOps を使用してダウンタイムを短縮し、サービスの信頼性を向上させることに重点を置くことができます。
• イベントデータを AIOps ツールに接続する: さまざまなソースやモニタリング ツールからのデータを統合して、IT 環境の統合ビューを提供します。これには、既存のモニタリング ツール、ログ管理システム、ITSM プラットフォームとの統合が含まれる場合があります。
• ノイズの削減: 無関係なアラートや通知をフィルタリングする戦略を実装し、最も重要な問題に焦点を当てます。これには、AI を使用してアラートを関連付け、パターンを特定し、偽陽性を抑制することが含まれます。
• イベントデータとインシデントを拡充して正規化: イベントデータを標準化して拡充することで、チーム間の迅速な対応とコラボレーションを促進します。これには、影響を受けるシステム、アプリケーション、ユーザーなどのコンテキスト情報をアラートに追加することが含まれます。
• 自動修復ワークフローを構築する: まず、よく発生する反復的なインシデントを特定します。AIOps がトリガーしてこれらの問題を即座に解決できる自動化されたハンドブックを作成してテストし、人間のエンジニアがより複雑な問題に集中できるようにします。
• 高品質のデータを確保する: AIOps の有効性は、システムに供給されるデータの品質に左右されます。不正確な分析情報や予測を避けるため、データが正確、完全、一貫していることを確認してください。
• オープン API と SDK を活用する: オープン API と SDK は、AIOps を既存のシステムと統合し、統合をカスタマイズするために不可欠です。IT 環境とのシームレスな統合を確保するために、オープン API と SDK を提供する AIOps プラットフォームを選択します。

Google Cloud は、最新の AIOps 戦略の構成要素となる、強力な統合サービス スイートを提供します。単一のプロダクトではなく、「観察、エンゲージメント、行動」のワークフローを実装するための柔軟なプラットフォームを提供します。

• 「観察」レイヤの場合:
• Google Cloud のオブザーバビリティ スイート（Cloud Logging、Cloud Monitoring、Cloud Trace）: データ収集の基盤となります。Google Cloud、ハイブリッド、マルチクラウドの環境全体から指標、ログ、トレースを自動的に取り込み、分析に必要な生データを提供します。
• 「エンゲージ」（分析と診断）レイヤの場合:
• BigQuery: このサーバーレス データ ウェアハウスは、分析エンジンの中央として機能します。Cloud Observability からのペタバイト規模の運用データを保存、処理できます。複雑なクエリを実行して、過去の傾向を分析し、異なるデータセット全体でパターンを特定できます。
• Vertex AI: AIOps の「AI」が実現する場所です。Vertex AI を使用して、BigQuery に保存されたデータで直接、高度な異常検出、予測アラート、根本原因分析のためのカスタム ML モデルを構築、トレーニング、デプロイできます。
• 「行動」（自動化と修復）レイヤの場合:
• Cloud Functions と Cloud Run: これらのサーバーレス コンピューティング サービスは、自動修復アクションの実行に最適です。Vertex AI からの分析情報や Cloud Monitoring からのアラートをトリガーとして、Cloud Functions を使用して Pod の自動再起動、サービスのスケール、コラボレーション ツールへの詳細な通知の投稿を行うことができます。
• Workflows: このサービスを使用すると、複数の Google Cloud サービスにわたる複雑なアクション シーケンスをオーケストレートできます。AIOps イベントによって自動的にトリガーされる、高度なエンドツーエンドの修復ハンドブックを設計し、一貫性のある信頼性の高いインシデント対応を確保できます。