תפעול IT בעזרת AI (AIOps)

מה זה AIOps

AIOps הוא קיצור של Artificial Intelligence for IT Operations, כלומר בינה מלאכותית לתפעול מערכות מחשוב. לפי ההגדרה בוויקיפדיה, זה שימוש בבינה מלאכותית, בלמידת מכונה ובניתוח נתונים גדולים כדי להפוך את ניהול מרכזי הנתונים לאוטומטי ויעיל יותר. IBM מנסחת זאת בצורה רחבה יותר: הפעלת יכולות AI, כמו עיבוד שפה טבעית ומודלים של למידת מכונה, כדי לייעל ולהפוך לאוטומטיים את תהליכי ניהול השירות והתפעול של מחלקת ה-IT. את המונח טבעה חברת המחקר Gartner ב-2016.

הבעיה: יותר מדי התראות, מעט מדי תשומת לב

אתר, אפליקציה או מערכת בנקאית רצים היום על מאות שרתים ושירותים בענן, וכל רכיב מייצר בלי הפסקה מדדים (כמה זיכרון ומעבד הוא צורך), יומני אירועים (לוגים) ועקבות של כל בקשה שעוברת בין השירותים. כשמשהו משתבש, תקלה אחת יכולה להצית מאות התראות בכלים שונים. התורן צריך להבין מהר מה מהן עיקר ומה טפל. IBM מתארת את תפקידה המרכזי של AIOps כאיסוף כל הנתונים האלה למקום אחד והפרדה של ה"אות" מתוך ה"רעש": זיהוי האירועים והדפוסים שבאמת קשורים לביצועי השירות.

איך זה עובד בפועל

AWS מחלקת את התהליך לשלושה שלבים: התבוננות, שבה המערכת אוספת בצורה חכמה נתונים מסביבת ה-IT; מעורבות, שבה מומחים אנושיים פותרים את הבעיות שזוהו; ופעולה, שבה טכנולוגיות AIOps עצמן מבצעות פעולות כדי לשפר ולתחזק את התשתית. היכולות הנפוצות הן זיהוי חריגות (משהו שמתנהג אחרת מהרגיל), קיבוץ התראות שקשורות לאותו אירוע, ניתוח שורש הבעיה, ובמקרים מסוימים תיקון אוטומטי בלי מגע יד אדם. IBM מבחינה בין כלים חוצי-תחומים, שמכסים רשת, אחסון ואבטחה יחד, לבין כלים ממוקדי-תחום, שמתמחים בסביבה אחת.

מודלי שפה וסוכנים נכנסים לחדר הבקרה

סקירה אקדמית מיוני 2024 בחנה איך מודלי שפה גדולים משנים את התחום. לפיה, שיטות AIOps קלאסיות סבלו מחוסר גמישות: מודל שאומן על פלטפורמה או משימה אחת לא עבר בקלות לאחרת. מודלי שפה מסוגלים לקרוא גם מסמכים שבני אדם כתבו, כמו תיעוד מערכת ודוחות על תקלות קודמות, ולא רק מדדים ולוגים. באותה שנה הציעו חוקרים ממיקרוסופט את AIOpsLab, סביבת ניסוי שמפעילה אפליקציה, מחדירה אליה תקלות בכוונה ובודקת אם סוכן AI מצליח לאתר ולתקן אותן. החזון המוצהר: ענן שמרפא את עצמו.

הבאזוורד והתיקון של Gartner

ההצלחה של המונח הפכה גם לבעיה שלו. ספקים רבים הדביקו את התווית AIOps על מוצרים שונים מאוד זה מזה, ולפי ניתוח של חברת Cribl, לתחום "לא הייתה הגדרה ברורה" ולכן גם לא גבולות ברורים. הלקוחות קנו לפי ההבטחה, והטמעות רבות נתקעו חודשים בגלל נתונים באיכות ירודה. ב-2025 החליפה Gartner את שם הקטגוריה ל"פתרונות מודיעין אירועים" (Event Intelligence Solutions), שם צר יותר שמתמקד במה שהטכנולוגיה עושה בפועל: הפעלת AI על אירועים מכלי ניטור שונים כדי לזרז את התגובה ולהפוך חלקים ממנה לאוטומטיים.

גבולות ומגבלות

AIOps לעיתים מתבלבל עם MLOps, אבל הכיוון הפוך: ב-MLOps המטרה היא להפעיל מודל של למידת מכונה באופן אמין, וב-AIOps ה-AI הוא הכלי שמפעיל את מערכות המחשוב. הסקירה מ-2024 מונה גם את המחירים של הגישה החדשה: עלות חישוב גבוהה כשמריצים מודלי שפה ברציפות, קושי להתמודד עם מערכות שמשתנות כל הזמן, ובעיקר הזיות. מודל שממציא בביטחון סיבה לתקלה עלול להוביל לתיקון שגוי, וזה מסוכן במיוחד כשהמערכת מורשית לבצע את התיקון לבד.