10 preguntas clave antes de implementar IA y ML

El monitoreo de información es una tarea compleja, sobre todo si la información proviene de diferentes fuentes y el sistema no puede soportar un analisis eficiente. La solución se encuentrá en la inteligencia artíficial y Machine Learning, pero antes de adoptar estas nuevas tecnologías, en este artículo exploraremos 10 preguntas que debes hacer antes de elegir una herramienta de IA y ML para el monitoreo de tu empresa.

Algunos productos de monitoreo proporcionan una forma de ingresar datos históricos del sistema en sus productos de monitoreo de AI / ML. Tener estos datos históricos del sistema permite entrenar inmediatamente el modelo de IA / ML. Una vez que se analizan estos datos, algunos productos están listos para funcionar y pueden comenzar a identificar anomalías en los sistemas.

Sin embargo, otros productos de monitoreo de AI / ML no tienen una forma de importar (ingerir) datos históricos. Estos productos deben monitorear tus sistemas durante semanas antes de que tengan datos suficientes para detectar anomalías, por lo que retrocederíamos aún más. Algunos productos son solo conjuntos de herramientas, ya que debe seleccionar las métricas individuales y averiguar cómo recopilar las métricas para incluirlas en la herramienta de monitoreo.

Es posible que también debas ajustar la sensibilidad a las métricas que has elegido. No todas las métricas son iguales, algunas son indicadores de problemas mucho mejores que otras. Si seleccionas las métricas incorrectas o la sensibilidad incorrecta, es posible que tu monitor no proporcione ninguna notificación o pueda proporcionar muchas notificaciones falsas positivas.

Las métricas elegidas a menudo tienen relaciones complejas con otras métricas que son útiles al entrenar tu modelo de detección de anomalías. El análisis multivariado (muchas métricas relacionadas) requiere una comprensión de la relación de las métricas relacionadas. El análisis univariado (métrica única) solo analiza una métrica a la vez y es mucho más probable que provoque alertas de falsos positivos. Estas relaciones son la razón por la que el análisis multivariado es más valioso que el análisis univariante. Las métricas relacionadas tienden a moverse en función de su relación cuando ocurre un problema. Encontrar estas relaciones por ti mismo a menudo requiere mucho tiempo y es difícil. El análisis multivariado requiere una gran cantidad de datos situacionales para desarrollar un buen modelo. Idealmente, tu proveedor debería realizar este análisis complejo y proporcionar un modelo con análisis multivariante integrado en el producto.

Una vez que hayas hecho todo eso, creerás que estas monitoreando el nirvana, pero no es así. Debido a que eligiste tus métricas específicas, ahora debes crear tus paneles de control en función de esas métricas. Nuevamente, este es un caso en el que es mucho más fácil trabajar con un producto en el que el proveedor ya realizó la selección de métricas, el análisis multivariado y diseñó una interfaz de usuario para presentar esta información de manera inteligente. Se necesita mucho tiempo para crear cuadros de mando y gráficos y organizarlos de una manera que sea fácil de navegar.

También debes probar para verificar si el modelo está detectando las anomalías esperadas y si es lo suficientemente sensible como para encontrar el problema lo suficientemente temprano como para solucionarlo antes de que provoquen una interrupción. Por lo tanto, cuando un producto afirma tener inteligencia incorporada, debes hacer preguntas para determinar si realmente tienes la inteligencia incorporada que necesitas o si se trata de un experimento científico que necesita mucho trabajo y pruebas para configurarlo correctamente.

Antes de implementar IA y ML

Antes de decidirte a comprar un producto de IA / ML basado en una demostración, ten en cuenta las siguientes preguntas:

    • ¿Admite la importación y el procesamiento de datos históricos para la capacitación, de modo que esté listo para monitorear en días y no en semanas?
    • ¿Tiene que averiguar qué métricas necesita monitorear entre cientos de opciones?
    • ¿El análisis es multivariado o es un análisis univariante simplista que hace un resumen ponderado simple?
    • ¿Las relaciones entre todas las métricas ya se conocen y están definidas en el modelo y están listas para realizar el análisis?
    • ¿Necesitas comenzar a recopilar nuevos datos de métricas que no recopila actualmente e introducirlos en la herramienta?
    • ¿Las sensibilidades de la métrica ya se conocen y se ajustan?
    • ¿Los paneles de control ya están completos y puede profundizar fácilmente en los datos más detallados en los gráficos cuando sea necesario?
    • ¿La interfaz de usuario proporciona un punto de partida obvio para realizar diagnósticos cuando se detecta una anomalía?
    • ¿La interfaz de usuario guía la identificación de problemas o simplemente muestra muchos números y gráficos?
    • ¿Los intervalos de monitoreo son lo suficientemente frecuentes como para no perder las advertencias tempranas de una posible interrupción?

Es importante hacer estas preguntas antes de comprar un producto de monitoreo de AI / ML que requiere más trabajo y más experiencia de lo que tu equipo puede brindar para configurarlo. No puedes pasar por alto la cantidad de tiempo que se necesita para proporcionar alertas útiles en lugar de más ruido para evaluar el éxito del producto.

Comprueba cómo BMC Helix Discovery puede ayudarte a mapear aplicaciones con precisión en cuestión de minutos. BMC Helix Discovery es una solución para administración de la empresa digital que automatiza la detección de activos y el mapeo de dependencias de aplicación para crear una visión holística de todos los activos de centros de datos y las relaciones entre los mismos. Contacta a nuestros expertos y solicita una demostración personalizada para comenzar tu transformación digital.

Consulta la información original en inglés.

Impulsando la empresa digital autónoma del futuro con IoT e Inteligencia Artificial

En este artículo analizaremos el impacto del internet de las cosas en las empresas digital autónoma y su relación con la transformación digital.

Funciones y responsabilidades de los agentes de la mesa de servicio (parte 2)

En la segunda parte de nuestro artículo hablamos sobre las ejemplos de niveles de agentes y sus funciones en la mesa de servicio

Funciones y responsabilidades de los agentes de la mesa de servicio (parte 1)

En esta artículo de dos partes hablaremos del futuro, las funciones y responsabilidades de los agentes de la mesa de servicio

Cómo obtener visibilidad completa de la infraestructura de TI

En este blog analizaremos los problemas de las complejas estructuras de TI actuales y como obtener una visibilidad completa de ellas

CloudOps, qué es y cómo beneficia a los negocios

En este blog analizaremos CloudOps una nueva forma de gestión de cloud para ayudar a los expertos a lidiar con la complejidad actual.

Automatización de la detección de fraudes con BMC Helix Control-M

En este artículo analizaremos el problema del lavado de dinero y cómo las instituciones financieras pueden hacerle frente a este problema

Inteligencia artificial para empresas no tecnológicas

En este blog analizaremos un artículo de la revista Forbes donde diferentes empresas nos cuenta su experiencia al implementar RPA

¿Qué son los microservicios?

En el siguiente blog analizaremos qué son los microservicios y sus diferencias con los servicios monolitos y como lograr el éxito con ambos.

Conoce BMC Helix Intelligent Automation tecnología impulsada por IA y ML

En este blog hablaremos de BMC Helix Intelligent Automation una nueva herramienta para coordinar diferentes herramientas de BMC.

7 beneficios principales de la Gestión de Servicios de TI

En este blog exploraremos los principales beneficios de la gestión de servicios de TI y por qué es cada más importante para las empresas