Automation

AIOPS Delivery Framework

Automation

AIOPS Delivery Framework

DATI ANAGRAFICI

Francesco Sartini | Chief Innovation Officer

BlueIT s.p.a. SB

francesco.sartini@blueit.it

DOWNLOAD DOCUMENTI

DESCRIZIONE DEL PROGETTO

BlueIT ha completamente automatizzato i suoi processi di erogazione del servizio di Managed Services in particolare Service Desk e Command Center ed ha completamente automatizzato processi complessi e ripetitivi quali Patch management e Capacity Planning. Questo ha permesso una completa adozione del modello AIOPS sfruttando tecnologie disponibili per Automazione e Conversational AI.

DOCUMENTAZIONE DESCRITTIVA

Si tratta di un progetto di trasformazione integrale del modello di servizio erogato ai clienti Managed Services di BlueIT. Gli obiettivi erano quelli di soddisfare tutte le esigenze degli stakeholder coinvolti, in particolare:

  1. Il Cliente, con le sue necessità di velocità e flessibilità che gli consentisse di tenere le infrastrutture sempre allineate alle esigenze di business.
  2. I nostri System Engineering, che erano oberati di attività ripetitive, a scarso valore aggiunto e che dovevano essere erogate spesso in orari festivi e/o notturni (p.e. patch)
  3. Il Mercato, che sui Managed Services affronta una crisi di “commoditizzazione” che si riflette nei prezzi e che impone ai player di differenziare la loro offerta.

La sfida era dunque quella di identificare la tecnologia disponibile sul mercato che potesse supportare questa trasformazione e raggiungere gli obiettivi descritti. Il risultato finale è stato quello di adottare una architettura di prodotti ad hoc per garantire il miglior livello tecnologico e le piu’ alte performance. In particolare:

  1. Per il Command Center è stata compiuta una integrazione tra il tool di Monitoraggio (Check MK), il tool di ITSM (Service Now) ed un tool di gestione delle chiamate che ha permesso di automatizzare la gestione dei ticket, dalla apertura e chiusura automatica fino alle chiamate di escalation dei tecnici in reperibilità. Inoltre, con i playbook di automazione sviluppati con Python e Ansible e’ stato possibile svolgere le principali attività di Remediation degli incidenti e delle Service Request in maniera robotizzata.
  2. Per il Service Desk con tecnologie di Conversational AI e’ stato realizzato un front end conversazionale per gestire le iterazioni con il cliente multicanale (voce, chat, Teams, Whatsapp) automatizzato. Il motore logico di gestione delle informazioni e’ basato su WatsonX.Ai dove si e’ potuto sfruttare Algoritmi pre-trained ma che grazie a Watsonx.Assistant sono stati anche istruiti sfruttando tutta la documentazione disponibile (p.e. Knowledge base, manuali delle operazioni).
  3. Per tutto il resto delle attività tipicamente dipendenti dalle competenze tecniche specifiche, abbiamo adottato un approccio di Intelligent Automation in cui abbiamo individuato i processi critici in termini di efficienza ed efficacia che sono stati automatizzati sfruttando Tool AI-based disponibili. Come il processo di Patching che e’ stato completamente automatizzato utilizzando Qualys, come motore e Ansible Tower per le componenti di automazione. Inoltre il processo di Capacity è stato rivisto conT urbonomic che è in grado di fornire suggerimenti sulla gestione efficiente della infrastruttura cliente ed tenendo conto degli impatti ambientali ed economici.

Di seguito le fasi progetto:

  • 1 – Robotizzazione del Command Center
  • 2 – Automazione dei processi di Patch e Capacity
  • 3 – Automazione del Service Desk
  • 4 – Continous improvement

Il progetto e’ stato realizzato nel corso di 2 anni di elapsed con un team che ha raccolto tutte le competenze tecniche ad hoc e sfruttando le competenze presenti in BlueIT in area Operation.

Con l’adozione di questo modello di servizio AIOps e sfruttando ulteriormente la tecnologia presente sul mercato è stato possibile, inoltre, estendere la nostra offering di Cognitive Managed Services, su tutti due esempi:

  1. Con l’adozione di Qualys come motore di Patching è stato possibile fornire ai clienti un servizio di Continous Vulnerability in quanto utilizzando gli stessi agenti che vengono adottati per la gestione del patch e’ possibile raccogliere in tempo reale le vulnerabilità presenti su ogni singolo componente della infrastruttura cliente e gestire in pochi click situazioni critiche come Zero Touch Enrolment in caso di diffusione di MaleWare.
  2. Abbiamo potuto estendere l’offering di Monitoraggio Proattivo delle infrastrutture in un vero e proprio servizio di Observability che, grazie ad Instana, prima di tutto sfrutta l’integrazione del monitoraggio infrastruttuturale e delle performance applicative in una unica consolle ed inoltre agevola il lavoro di Root Cause Analysis gestita direttamente in maniera guidata da Instana.

Questo approccio ci ha consentito di migliorare la qualità dei servizi erogati, ridurre il numero di errori umani operativi e soprattutto di ridurre il Mean Time to Recover (MTTR) potendo contare su infrastrutture continuamente aggiornate, efficienti in termini di risorse computazionali e soprattutto avendo abbattuto i tempi di “sincronizzazione” tra le varie fonti aziendali in caso di Major Incident.  L’MTTR e’ stato ridotto anche del 50% ed e’ stato ridotto del 25% le Wasted Resources identificate.

Ovviamente per BlueIT si e’ trattato di un salto completo e definitivo nella tecnologia AI & Automation.

L’effetto collaterale di questa trasformazione ha fatto sì che BlueIT si potesse porre sul mercato come player credibile nella realizzazione di progetti di automazione e trasformazione dei componenti di processi aziendali nonché di supportare i clienti nell’ adozione di soluzioni di Artificial Intelligence in quanto BlueIT è stata una dei veri e propri “Early adopter” di queste tecnologie.

Abbiamo quindi lanciato l’offering “AI & Automation” che sta riscuotendo grande successo sul mercato e che spazia da temi di Robotic Service Desk, interazione Uomo/macchina sul filone della trasformazione Industry 4.0 / 5.0 o più semplicemente realizzando soluzioni di automazione basate sul machine learning.

Leggi tutto

Leggi meno

VIDEO