Зі швидким розвитком технологій штучного інтелекту (ШІ) все більше галузей промисловості впроваджують ШІ у свою повсякденну діяльність. Щодо DevOps – підходу, що об'єднує розробку програмного забезпечення (Dev) та експлуатацію інформаційних технологій (Ops) для скорочення життєвого циклу розроблення систем, – ШІ посідає центральне місце у змінах виконання інженерами DevOps своєї роботи, як у повсякденному житті, так і в майбутньому. Від автоматизації рутини до оптимізації процесів ухвалення рішень – ШІ стає невіддільною частиною структури DevOps, допомагаючи інженерам працювати швидше, припускатися менше помилок та мати більше часу для інновацій. Ось як це відбувається і чому.
П'ять основних поліпшень у DevOps, зумовлених штучним інтелектом
Сучасна революція ШІ змінює практично всі технології і DevOps перебуває на її першому плані. Сьогоднішні технології штучного інтелекту починають впроваджуватися в багато аспектів виробничих ліній постачання і розроблення програмного забезпечення, просуваючи автоматизацію і приділяючи більше уваги предиктивним або проактивним релізам і оновленням.
Дедалі більше домінування моделі хмарних обчислень в ІТ-системах підкреслює важливість ШІ в DevOps. За прогнозами Gartner, до 2025 року понад 85 % організацій матимуть стратегію хмарних обчислень, і до 95 % нових цифрових робочих навантажень розміщуватимуться в хмарі. Хмарні процеси цінуються дедалі більше, оскільки вони гнучкіші, масштабованіші та ефективніші, ніж їхні локальні аналоги. Крім того, ШІ може значно посилити ці переваги.
Ось п'ять основних трансформацій, спричинених технологічним прогресом. Розгляньмо їх!
Код із підтримкою ШІ
Генеративний ШІ матиме найефективніший перетворювальний вплив на операції, оскільки він зможе швидко генерувати скрипти Bash або PowerShell найвищої якості, що слід вітати з багатьох причин.
По-перше, більша частина роботи з написання скриптів може бути більш різноманітною. Вивчення скриптів може бути досить захопливим заняттям, принаймні на якийсь час, але після написання 300 скриптів для автоматизації перетворення файлів це набридає. Генеративний ШІ робить цю роботу набагато швидше – іноді на 70 %. Значна частина роботи стає продуктивною.
По-друге, лише деякі інженери DevOps мають досвід розробки: багато хто з них прийшов із SysOps і NetOps, де від них часто очікують створення складніших сценаріїв, але їм потрібна допомога. Використання цих інструментів штучного інтелекту не тільки додало людям впевненості, а й дало змогу їм створювати складніші скрипти, ніж вони могли раніше.
Крім того, це дає змогу виправляти нестандартні ситуації, які часто опиняються внизу беклогу: наприклад, написати сценарій для переміщення пошкоджених файлів із сервера Microsoft Windows (основне розташування) на систему Linux (резервне розташування) та ввімкнути політику іменування для врахування імен файлів, які були прийнятними в Windows, але проблематичними в Linux. У минулому це було набагато складнішим завданням; за допомогою генеративного ШІ до скрипта було додано додатковий рядок, оминаючи громіздкий код, який мав впоратися з цим виводом тільки після того, як виникла реальна проблема.
Навігація публічними хмарними сервісами та документацією
На другому місці за популярністю – здатність чат-ботів, таких як ChatGPT, аналізувати величезну кількість даних з Інтернету за лічені секунди. Генеративний штучний інтелект став необхідною річчю, особливо з урахуванням темпів змін у публічній хмарі. Розуміння нових сервісів і останніх оновлень забирало багато часу.
Доводилося повертатися до документації сервісів, які потрібно було викликати кожні пів року і шукати незначні зміни, які часто не помічали, що могло ввести в оману команди розробників і призвести до помилкового розгортання у виробництві, що тягнуло за собою непередбачувані проблеми з клієнтами. Тепер, за допомогою штучного інтелекту, можна переглянути всі служби та супутню документацію з посібниками з усунення неполадок простим натисканням однієї кнопки. Це свідчить про велику кількість зекономленого часу. Проте не все так ідеально. Наприклад, оцінювання початкової вартості послуг потребує доопрацювання.
СІ/CD із підтримкою штучного інтелекту
Четверте місце пов'язане з кодуванням за допомогою штучного інтелекту, але це місце заслужило своє визнання з хороших і поганих причин. Хороша новина полягає в тому, що ШІ настільки змінив ставлення розробників до своєї роботи, що за допомогою ШІ вони можуть вибудовувати свої конвеєри в такий спосіб, який раніше був неможливий, забезпечуючи творчу динаміку, що значно збільшує швидкість і підвищує якість.
Однак цей шлях не був легким. Ключова проблема полягає в тому, що ШІ іноді ігнорує шаблони для конвеєрів і натомість створює завдання на основі моделей і даних, на яких він навчався, що означає, що він може покладатися на свої судження і стандарти. Попри ці проблеми, можливість залучити ШІ у процеси CI/CD відкриває можливості, які інакше вважалися б надто складними або дорогими для реалізації, що значно розширює можливості в галузі розробки.
Автоматизація завдань
Класична дилема DevOps про те, що швидше зробити щось вручну чи написати скрипт, може бути застосована до багатьох завдань (наприклад, перейменування, розподілу та налаштування проєктів), деякі з яких існують у невизначеності між двома підходами. Інструменти для завершення коду існують уже давно, а написаний штучним інтелектом код перевизначає їхні масштаби: практично будь-яке розумно описуване завдання тепер можна автоматизувати та прискорити.
Деякі з цих робочих процесів, орієнтованих на сценарії, почнуть проникати й в інші, більш бек-офісні робочі функції. Наприклад, якщо говорити про ІТ, то навички роботи з низьким кодом і без коду стануть більш поширеними, оскільки вони використовуватимуться для створення сценаріїв. У багатьох галузях знань усередині організації працівники покладаються на генеративний ШІ, який розробляє необхідні їм сценарії та перевіряє їхню точність і ефективність. Це звільняє розробників для роботи над абсолютно новою категорією високоефективних ідей, які допомагають організації залишатися в бізнесі. Це ваш світ на початку становлення генеративного ШІ. Генеративний ШІ різко і кардинально змінює способи виконання роботи. Він змінює те, як будуються або перебудовуються робочі ролі.
Бонус: інформаційні панелі, моніторинг, журнали
Тепер давайте зазирнемо у світ, де можливості генеративного ШІ поширюються не тільки на генерування коду та скриптових відповідей, а й на інші сфери. Генеративний ШІ може створювати макети і конфігурації для приладових панелей. Це чудовий інструмент для розробки інформаційних панелей, адаптованих до певної події. Наприклад, якщо ви хочете відстежувати пікові години і використання ресурсів у Чорну П'ятницю, генеративний ШІ може налаштувати цю можливість без програми або інженера та переконатися, що ви охоплюєте потрібні служби в потрібний час.
Інший приклад – проблеми з певним сервісом або підготовка до його оновлення чи обслуговування. За допомогою цього інструменту ви можете зосередитися на цій послузі. Таким чином, він стає інструментом підвищення ефективності роботи, але при цьому ви можете зосередитися на головному.
Впровадження завтрашніх інновацій сьогодні
Ці п'ять найкращих удосконалень нині трансформують повсякденні завдання. Оскільки зміни відбуваються постійно і швидко, цього року ми також очікуємо на появу нових функцій, особливо в інструментах і можливостях, пов'язаних із FinOps, політиками управління та архітектурними рекомендаціями для додатків у хмарі.