Cum folosim rețele neuronale pentru a detecta cauzele problemelor din cadrul infrastructurii IT

Elementul de noutate:
Prin folosirea de rețele neuronale pentru a detecta cauzele problemelor din cadrul infrastructurii IT, compania introduce conceptele de inteligență artificială (AI) și supervised learning. Conceptele adăugate pentru îmbunătățirea metodei root cause analysis (RCA) presupun antrenarea componentei inteligente (în acest caz rețeaua neuronală) folosind feedbackul primit și comunicarea concluziilor către una sau mai multe persoane pentru a crește acuratețea deciziilor. Prin folosirea rețelei neuronale și antrenarea acesteia în mod recurent, se poate ajunge la rezultate extrem de precise ce pot fi cel puțin la fel de corecte ca soluțiile manuale, dar creează economii semnificative de timp și resurse.

Descrierea inovației:
Siscale este o companie IT  înființată la începutul anului 2015, care dezvoltă soluții de inteligență artificială (AI) pentru eficientizarea și optimizarea operațiunilor IT. Siscale este cel mai mare partener de pe Coasta de Est a SUA pentru Elastic, compania care a dezvoltat Elasticsearch, considerat cel mai bun motor de căutare pentru companii. Sediul central al companiei se află la New York, SUA, iar echipa de specialiști IT este localizată aproape în întregime în România.
Root cause analysis sau RCA este o metodă ce are ca scop detectarea sursei unei probleme în cadrul unei infrastructuri IT. Ca urmare a interoperabilității între componentele unei infrastructuri IT, orice problemă apărută ajunge să afecteze numeroase servicii sau aplicații, iar detectarea sursei acelei probleme devine dificilă din cauza numărului mare de alerte care vin dinspre acele servicii și aplicații. Aplicarea noțiunilor de machine learning (ML) îmbunătățește metoda RCA transformând procesul de detectare a problemei dintr-o metodă de căutare în jurnale, care implică analiza manuală a unor volume mari de date, într-un proces automatizat, inteligent, bazat pe rețele neuronale și algoritmi. Bazându-se pe alerte colectate, componenta AI analizează datele și începe să „deducă” potențialele cauze ale unor probleme.

Efectele inovației:
Automatizarea analizei de cauză scade în mod semnificativ efortul necesar pentru analiza inițială a unor probleme detectate și poate reduce costurile necesare pentru a se ajunge la o eficiență similară sau mult mai mare. Aceste avantaje oferă noi posibilități pentru echipele IT de a se concentra asupra altor aspecte ale activităților de zi cu zi, precum posibilitatea de a lucra la progresul individual sau efectuarea de operațiuni sau implementări de soluții mai avansate, care necesită efort și concentrare. În același timp, detecția automată a cauzei unor probleme oferă vizibilitate echipelor responsabile de remediere, într-un timp mult mai scurt. Mai exact, timpul constant al analizei efectuate de echipele de remediere va fi redus cu cel puțin 80% față de metodele manuale de analiză de cauză, iar timpul în care se garantează un răspuns va fi redus cu cel puțin 50%.