Utilizar la IA para pasar de una gestión reactiva a una proactiva de incidentes graves

¿Qué tienen en común la predicción de tornados y los grandes incidentes informáticos?

Cuando el tiempo empeora, las señales de que se avecina un tornado siempre son ominosas, pero rara vez son obvias.

“El cielo adquirió el color gris más extraño que jamás había visto”, dijo Mark Ausbrooks, superviviente de un tornado ocurrido en 2014 en Mayflower, Arkansas. dijo a NBC News“Siempre se oye hablar de lo tranquilo que se pone todo, y no se movía ni una hoja.”

Una persona promedio sin conocimientos de meteorología puede detectar estas anomalías, pero tendrá dificultades para procesar esta información y convertirla en un mensaje claro: “¡PELIGRO ADELANTE! ¡PONGASE A REFUGIO!”.

Del mismo modo, las señales reveladoras de un incidente informático grave inminente pueden estar por todas partes, pero se ignorarán si no se reúnen de forma que puedan indicar y anticipar el riesgo.

Lo que necesita el departamento de TI para predecir, y posiblemente evitar, estos incidentes es un sistema similar al que utiliza el Servicio Meteorológico Nacional para pronosticar y alertar a la población sobre posibles fenómenos meteorológicos severos. Estos sistemas no se basan en un solo factor, sino que recopilan un conjunto de todos los factores de riesgo conocidos para obtener una visión global de la probabilidad de riesgo.

Los meteorólogos saben que deben considerar la geografía, la época del año, la presencia de tormentas eléctricas, la presión barométrica y su tendencia, el nivel de humedad en altitudes bajas y medias, y la presencia de corrientes ascendentes en sus modelos de predicción de tornados. Si estos elementos alcanzan un cierto rango, crean condiciones favorables para la formación de un tornado.

Las autoridades analizan este análisis de riesgos y determinan si activan una alerta o un aviso, así como posibles órdenes de evacuación. Además, el modelo les permite localizar el riesgo y focalizar sus acciones preventivas.

Un nuevo sistema respaldado por IA creado por Digital.ai Aporta estas mismas capacidades a las organizaciones de TI, permitiéndoles responder a posibles desastres inminentes antes de que puedan causar grandes interrupciones y daños.

Presentamos un nuevo sistema basado en IA para la predicción del riesgo de incidentes graves.

Hoy lanzamos oficialmente nuestro Motor de Predicción de Riesgos de Incidentes Graves para ayudar a las organizaciones a predecir y prevenir interrupciones del servicio, utilizando prácticamente los mismos principios que el Servicio Meteorológico Nacional emplea para predecir tornados. Nuestro motor combina factores de riesgo conocidos para incidentes graves y los integra en un modelo que puede indicar condiciones favorables. Además, puede predecir el impacto localizado de posibles incidentes dadas estas condiciones y emitir un aviso apropiado para la mitigación de riesgos.

Esta nueva capacidad está incluida en nuestro Optimización del proceso de gestión de servicios solución. Proporciona a los ejecutivos de TI una visibilidad sin precedentes e información práctica sobre sus procesos de gestión de servicios. Lo consigue incorporando los mismos principios probados que presentamos por primera vez en la Solución de predicción de riesgos de cambio, que ya ha generado millones de dólares en ahorros para una variedad de organizaciones en diversos sectores.

A medida que las organizaciones de TI evolucionan hacia un entorno de ritmo acelerado DevOps En el modelo orientado a servicios, un desafío clave al que se enfrentan es abordar la escala y la complejidad de los incidentes que afectan a los servicios y la infraestructura de TI. Gartner estima que El coste del tiempo de inactividad supera ampliamente los 300,000 dólares por hora.Además, un informe de investigación de Quocirca sugiere que incidentes duplicados y repetidos son un problema generalizado y persistente.

La mayoría de las organizaciones adoptan un enfoque reactivo para la gestión de incidentes graves. El objetivo de este enfoque es restablecer los servicios empresariales lo antes posible, y se basa en la reducción del tiempo medio de detección (MTTD) y del tiempo medio de resolución (MTTR). Posteriormente, se utiliza un proceso de resolución de problemas para identificar y solucionar de forma permanente la causa raíz.

Sin embargo, las organizaciones se ven obligadas a soportar el peso de las consecuencias negativas antes de poder comenzar a responder. A su vez, los líderes de TI reconocen cada vez más las limitaciones de este enfoque. Un estudio de Quocirca sugiere que el 80 % de las organizaciones considera que su tiempo medio hasta el fallo (MTTD) para incidentes podría mejorarse.

Un enfoque proactivo para la gestión de incidentes graves resulta mucho más prometedor y aprovecha los recientes avances en Inteligencia Artificial (IA) y Aprendizaje Automático (AA). El objetivo principal de este enfoque es la detección temprana de riesgos potenciales. Se basa en la identificación de factores de riesgo conocidos para la organización a partir de eventos históricos, utilizando modelos de aprendizaje automático. Estos modelos mejoran su capacidad predictiva con el tiempo, estableciendo correlaciones más sólidas entre los factores de riesgo que han demostrado mayor potencial predictivo.

Cómo los modelos de IA y aprendizaje automático pueden predecir posibles incidentes graves antes de que tengan un impacto

Las organizaciones pueden aprovechar la IA para detectar combinaciones problemáticas de factores de riesgo conocidos. De esta forma, se benefician de un sistema de alerta temprana ante el riesgo de incidentes graves, lo que les permite identificar de forma proactiva los periodos de alto riesgo. Esta alerta temprana les permite minimizar o eliminar el riesgo y estar preparadas para abordar rápidamente cualquier incidente.

Los beneficios de un proceso proactivo de gestión de incidentes son numerosos y cuantificables. Puede:

• Minimizar el impacto en las operaciones comerciales y la experiencia del cliente
• Capacitar al departamento de TI para que entregue nuevas capacidades según lo previsto.
• Mejorar la reputación de TI y de la empresa en cuanto a fiabilidad.
• Reducir los costos generales del servicio

Todo modelo proactivo de predicción de riesgos debe tener tres funciones básicas:

1. Identificar factores de riesgo comunes utilizando aprendizaje automático u otras técnicas analíticas avanzadas,
2. Monitorear estas condiciones de riesgo operando mediante un modelo de inteligencia artificial, y
3. Visualizar los hallazgos y notificar a las partes clave sobre el riesgo potencial y el impacto previsto cuando se alcance un umbral de riesgo o se predigan eventos de alto riesgo.

Estas funciones son esenciales no solo para identificar riesgos potenciales, sino también para poner a los equipos de TI en condiciones de actuar de forma preventiva para abordar posibles incidentes graves antes de que tengan un impacto devastador.

Un modelo de predicción de riesgo de incidentes graves tiene en cuenta diversos factores como:

• Volumen de incidentes graves anteriores
• Problemas pendientes
• actividad de cambio planificada
• Tendencia histórica del tiempo transcurrido entre incidentes importantes
• Días transcurridos desde el último incidente grave
• Día de la semana y del mes, edad promedio del problema
• tasa de crecimiento de incidentes menores

El modelo aprende qué atributos son los indicadores más fuertes de riesgo de incidentes graves y, por lo tanto, puede indicar el nivel de riesgo, así como los factores que lo provocan.

Por ejemplo, el modelo podría detectar que el riesgo aumenta cuando el volumen de incidentes menores supera en un 15 % la tendencia a medio plazo. Este modelo analítico basado en IA supervisa diariamente los factores de riesgo de todas las aplicaciones y calcula una puntuación de riesgo compuesta para cada una en función de las condiciones actuales.

Los propietarios de las aplicaciones pueden recibir notificaciones cuando su aplicación reúna condiciones propicias para que ocurra un incidente grave. De esta forma, podrán analizar en detalle los factores de riesgo específicos que aumentan su puntuación de riesgo global y tomar medidas para comprender y mitigar dicho riesgo.

Al comprender los factores de riesgo específicos, los equipos de soporte de aplicaciones pueden investigar los problemas subyacentes que aumentan el riesgo actual. La dirección de TI puede decidir suspender los cambios en las aplicaciones en riesgo hasta que se implementen medidas de mitigación.

Un enfoque necesario y proactivo para prevenir interrupciones desastrosas en el negocio

Las amenazas de tornados e incidentes informáticos graves son demasiado reales como para limitarse a reaccionar una vez que ya han comenzado a causar estragos. Los equipos de TI pueden y deben prepararse con antelación. Los sistemas de predicción de riesgos importantes son las herramientas que necesitan para proteger los elementos esenciales del negocio, en lugar de tener que lidiar con las consecuencias tras un incidente que ya ha devastado la organización.

Los sistemas y procesos de operaciones de TI generan continuamente un gran volumen de datos, pero las organizaciones de TI a menudo carecen de una herramienta analítica para convertirlos en información valiosa. Los líderes de TI pueden aprovechar los modelos de IA y aprendizaje automático para garantizar de forma proactiva la estabilidad de los servicios empresariales. Estos modelos pueden analizar los datos relevantes para identificar patrones que revelen qué aplicaciones están en riesgo cuando se produce una combinación de condiciones desfavorables.

Los modelos de predicción de riesgos de incidentes graves y cambios importantes constituyen un buen punto de partida para que la mayoría de las organizaciones de TI comiencen a adoptar modelos de IA y ML para reducir riesgos y costes, al tiempo que ofrecen servicios de alta calidad a sus partes interesadas.

¿Quieres saber más? Mira nuestro reciente seminario web donde explicamos estos sistemas:Cómo mejorar la gestión de incidentes graves mediante el uso de análisis predictivo e IA"