NASA 조언:AIOps를 주도하기 위한 기술, 문화 및 데이터 통합

NASA와 같은 조직은 AI 및 AIOps에 대한 경험을 이제 막 시작하는 사람들과 공유하고 있습니다.

AIOps 구현에 관심이 있는 조직은 운영 및 DevOps 그룹에서 인공 지능을 사용하기 위해 조치를 취한 다른 사람들의 조언에서 배울 수 있는 이점이 있습니다.

이러한 혁신가 공유 조언 중 하나는 최근에 특히 AIOps 환경에서 금융 및 조달과 같은 우주 기관의 비즈니스 애플리케이션을 위해 AI를 배포하기 위해 총체적인 접근 방식을 취하는 것의 중요성을 강조한 NASA입니다.

AI 운영 그룹 ATARC에 대한 프레젠테이션에서 NASA의 데이터 과학 그룹 리더는 AIOps 이니셔티브에 필요한 세 가지 핵심 요소를 식별했습니다. 기술이 가장 명백한 것일 수 있지만 조직은 데이터가 AI를 사용할 준비가 되었는지 확인하기 위해 데이터를 준비해야 하며 마찬가지로 중요한 것은 데이터가 결정을 내리는 데 도움이 될 필요성을 받아들이는 기업 문화의 변화입니다.

왜 NASA의 말을 들어야 할까요? 아마도 그들이 "네, 우리는 로켓 과학자입니다"라고 솔직하게 말할 수 있는 사람들이기 때문일 것입니다.

“알고리즘이 실행되는 비트는 매우 작은 부분입니다. 데이터가 실제로 사용할 수 있는 형태는 거의 없습니다. 사람들은 이미 일을 하는 방식이 있습니다. 새로운 도구나 도구 세트를 배우고 그것이 실제로 어떻게 작동하는지 이해해야 하는 이 문제가 있습니다. 정부 CIO 미디어의 보고서에 따르면 사람들은 AI가 자신을 위해 무엇을 할 수 있는지에 대해 서로 다른 개념을 가지고 있습니다.”라고 NASA의 데이터 과학 그룹 리더인 Nikunj Oza가 말했습니다.

그는 "AI가 사용할 데이터가 [자동으로] 준비되지 않았으므로 AIOps 프로젝트를 시작할 수 있으며 시스템의 다른 부분이 준비되지 않았기 때문에 중단될 수 있습니다."라고 덧붙였습니다.

AIOps 조언

NASA 애플리케이션 담당 CIO인 Shenandoah Speers는 ATARCaudience에 NASA의 디지털 혁신이 진행 중이지만 아직 성숙 단계라고 말했습니다. "많은 양의 데이터가 유입되고 있으며 해당 데이터를 소화하고 해당 데이터에 대한 비즈니스 결정 및 임무 결정을 내리는 방법을 보고 있습니다."

Oza는 또한 AI가 인간의 일자리를 앗아갈 것이라는 내부 두려움을 포함하여 AI와 머신러닝을 둘러싼 몇 가지 오해에 대해 논의했습니다.

미 국방부 합동 인공 지능 센터(JAIC)의 웨비나 발표자도 데이터 품질 문제에 대해 논의했습니다. JAIC의 AI/머신러닝 테스트 및 평가 책임자인 예브게니야 피넬리스(Yevgeniya Pinelis)는 "라벨 품질, 데이터 품질에 문제가 있다"고 말했다. “물론 인프라 문제가 있습니다. … 신뢰할 수 있는 AI 시스템을 실제로 구축하려면 해당 생태계와 모든 배관이 제자리에 있어야 합니다.”

그녀는 팀이 Agile 및 DevSecOps를 채택하도록 해야 하기 때문에 문화가 한 요인이라고 덧붙였습니다. “사용자와 테스터가 정말 초기에 참여했다면 이것이 애자일 프로세스를 얻고 결국 재앙을 피하는 방법입니다. 우리가 겪고 있는 큰 문화 변화입니다. 우리는 공동 물류에서 많은 행운을 누렸습니다. 데이터 준비가 항상 문제이기는 하지만 범위가 넓은 AI 문제인 경향이 있습니다."

더 많은 기업이 AIOps 및 관찰 가능성에 대한 경험을 쌓으면서 개척자로부터 AIOps 조언을 수집하기 시작한지 ​​얼마 안 된 사람들을 위한 기회가 늘어나고 있습니다.