تطلق BigPanda أداة ذكاء اصطناعي إبداعية مصممة خصيصًا لـ ITOps

يواجه موظفو عمليات تكنولوجيا المعلومات الكثير مما يحدث، وعندما يقع حادث يؤدي إلى انهيار نظام رئيسي، فإن الوقت سيكون دائمًا ضدهم. على مر السنين، بحثت الشركات عن ميزة في النهوض بشكل أسرع باستخدام أدلة قواعد اللعبة المصممة للعثور على إجابات للمشكلات الشائعة، والتحليل بعد الوفاة لمنع تكرارها، ولكن ليس كل مشكلة يمكن حلها بسهولة، وهناك الكثير من البيانات والكثير من البيانات الممكنة نقاط الفشل.

إنها في الواقع مشكلة مثالية يتعين على الذكاء الاصطناعي التوليدي حلها، وقد أعلنت شركة BigPanda الناشئة في AIOps عن أداة ذكاء اصطناعي توليدية جديدة اليوم تسمى Biggy للمساعدة في حل بعض هذه المشكلات بشكل أسرع. ما تم تصميم Biggy للقيام به هو البحث عبر مجموعة كبيرة ومتنوعة من البيانات المتعلقة بتكنولوجيا المعلومات لمعرفة كيفية عمل الشركة ومقارنتها بسيناريو المشكلة والسيناريوهات المماثلة الأخرى واقتراح حل.

تستخدم BigPanda الذكاء الاصطناعي منذ الأيام الأولى للشركة، وصممت عمدًا نظامين منفصلين: أحدهما لطبقة البيانات والآخر للذكاء الاصطناعي، وهذا ما أعدهم بطريقة ما لهذا التحول إلى الذكاء الاصطناعي التوليدي استنادًا إلى نماذج لغوية كبيرة. “كان محرك الذكاء الاصطناعي قبل Gen AI يبني الكثير من الأنواع الأخرى من الذكاء الاصطناعي، ولكنه كان يتغذى من نفس محرك البيانات الذي سيغذي ما نفعله مع Biggy، وما نفعله مع الذكاء الاصطناعي التوليدي والمحادثي “، قال الرئيس التنفيذي لشركة BigPanda عساف ريسنيك لـ TechCrunch.

مثل معظم أدوات الذكاء الاصطناعي المنتجة، توفر هذه الأداة مربع مطالبة حيث يمكن للمستخدمين طرح الأسئلة والتفاعل مع الروبوت. في هذه الحالة، تم تدريب النماذج الأساسية على البيانات الموجودة داخل شركة العميل، وكذلك على البيانات المتاحة للجمهور على جزء معين من الأجهزة أو البرامج، ويتم ضبطها للتعامل مع أنواع المشكلات التي تتعامل معها تكنولوجيا المعلومات على أساس منتظم .

“لقد تم تدريب حاملي شهادات الماجستير في القانون (LLLM) على كمية هائلة من البيانات، وهم جيدون حقًا كأخصائيين عامين في جميع المجالات التشغيلية التي ننظر إليها – البنية التحتية، والشبكات، وتطوير التطبيقات، وكل شيء هناك. وقال جيسون ووكر، كبير مسؤولي الابتكار في BigPanda: “إنهم في الواقع يعرفون جميع الأجهزة جيدًا”. “لذلك، إذا سألته عن خادم نصلي معين من HP يحتوي على رمز الخطأ هذا، فهو جيد جدًا في تجميع ذلك معًا، ونحن نستخدم ذلك في الكثير من حركة مرور الأحداث.” بالطبع يجب أن يكون الأمر أكثر من ذلك أو يمكن للمهندس البشري البحث عن هذا ببساطة في بحث Google.

فهو يجمع بين هذه المعرفة وما يمكنه استخلاصه داخليًا عبر مجموعة من أنواع البيانات. “يستوعب BigPanda بيانات العميل التشغيلية والسياقية من إمكانية الملاحظة والتغيير وCDMB (الملف الذي يخزن معلومات التكوين) والطوبولوجيا جنبًا إلى جنب مع البيانات التاريخية والسياق البشري والمؤسسي – ويقوم بتطبيع البيانات إلى أزواج أو علامات ذات قيمة رئيسية،” قال. هذا كثير من المصطلحات التقنية، ولكنه يعني في الأساس أنه ينظر إلى المعلومات على مستوى النظام والبيانات التنظيمية والتفاعلات البشرية لتقديم استجابة لمساعدة المهندسين على حل المشكلة.

عندما يقوم المستخدم بإدخال مطالبة، فإنه يبحث في جميع البيانات لإنشاء إجابة نأمل أن توجه المهندسين في الاتجاه الصحيح لإصلاح المشكلة. إنهم يعترفون بأن الأمر ليس مثاليًا دائمًا لأنه لا يوجد ذكاء اصطناعي توليدي، لكنهم يسمحون للمستخدم بمعرفة عندما تكون هناك درجة أقل من اليقين بأن الإجابة صحيحة.

وقال ريسنيك: “بالنسبة للمناطق التي نعتقد أننا لا نملك فيها قدرًا كبيرًا من اليقين، فإننا نقول لهم أن هذه هي أفضل المعلومات لدينا، ولكن يجب على الإنسان أن يلقي نظرة على هذا”. وقال إنه بالنسبة للمجالات الأخرى التي يوجد بها قدر أكبر من اليقين، فقد يتم إدخال الأتمتة، والعمل باستخدام أداة مثل Red Hat Ansible لحل المشكلة دون تفاعل بشري.

لن يكون جزء استيعاب البيانات دائمًا تافهًا بالنسبة للعملاء، وهذه هي الخطوة الأولى نحو توفير مساعد الذكاء الاصطناعي الذي يمكنه مساعدة تكنولوجيا المعلومات في الوصول إلى جذور المشكلات وحلها بشكل أسرع. لا يوجد ذكاء اصطناعي مضمون، ولكن وجود أداة ذكاء اصطناعي تفاعلية يجب أن يكون بمثابة تحسين مقارنة بالأساليب اليدوية الحالية الأكثر استهلاكًا للوقت لاستكشاف أخطاء أنظمة تكنولوجيا المعلومات وإصلاحها.