「AIOpsツールを使用すると、IT部門の従来の開発、テスト、運用を担当する各チームは社内のサービスプロバイダーとなって、自社内のデジタル要件を満たすことが可能になる。AIOpsプラットフォームは、企業がレガシープラットフォームとクラウドプラットフォームを組み合わせたハイブリッドアーキテクチャ全体でデータを監視するのにも役立つ」とグラブナー氏は述べる。複雑なIT環境では、多くのデータを処理する新しいツールとテクノロジーが必要だ。その結果、AIOpsのツールとプラットフォームの必要性が高まっている。

　チームコラボレーションツールのプロバイダーHugoのCOO（最高執行責任者）を務めるダレン・シャイト氏は、AIOpsが、DevOpsツールとプロセスと同時に実行されるレイヤーとしても捉えることができるという。チケット発行などデータ集約型の反復する手作業の合理化を検討している企業は、AIOpsプラットフォームの概念実証プロジェクトに参加するとよい。

　AIOpsツールは、その他の最新DevOpsスタック用ソフトウェアよりも高度な監視機能を提供する。例えばAIOpsツールは、パフォーマンスやインフラストラクチャの構成の変更に関連し、ビジネスに重大な影響を及ぼす可能性のあるデータの変化を監視する。しかし予測可能で単純な監視には、AIOpsツールが不要な場合がある。

AIOpsとDevOpsの境界線

　DevOpsおよびAIOpsツールは、CI／CDや監視、システム診断、インシデント修正などの運用タスクでも役に立つ。しかし、この各ツールセットの間にはある程度の重複がありながら、それぞれが効果的な実装を目的とした固有の要件がある。例えば、AIOpsは機械語モデルのトレーニングを自動化してソフトウェアの構築をする。AIOpsツールは、言語モデルのトレーニングを継続的に実行するための再帰処理をする、機械学習固有のワークフローに適応できる必要がある。

　AIOpsの自動化設計手法は、言語モデルのトレーニングプロセスの繰り返しとは根本的に異なる。AIOpsはもともと再帰的で条件的であり、取得データの正確性に大きく依存する。設計手法は、選択的データ抽出アルゴリズムにも依存する。

　ツールセットに関しては、DevOpsエンジニアは、Jenkins、CircleCI、Travis、Spinnaker、Jenkins XをCI／CDの業界標準と見なしているが、これらはArgoなどのAIOps対応ツールではない。

　AIOpsは、機械学習テクノロジーでDevOpsを補強するが、新しいDevOpsではない。このことをIT運用チームが理解し、これと矛盾する誇大広告には惑わされないようにする必要がある。