Estático
Atualmente, os alertas são definidos com limites ou condições estáticas. Manter esses limites ou condições atualizados requer contribuições regulares das partes interessadas da empresa e o envolvimento de equipes de dados. Essa é uma atividade de manutenção adicional. Além disso, o limite precisa ser ajustado temporariamente para alguns casos de uso comercial. Por exemplo, uma empresa de varejo pode esperar picos de tráfego durante a temporada de férias. Essa natureza estática dos alertas pode levar a alarmes falsos que desperdiçam o tempo da equipe de suporte ou a problemas perdidos que impactam os negócios.
Espalhado
O sistema atual notifica sobre falhas, mas sem qualquer contexto. A pessoa de plantão deve então verificar os registros, entender o problema e informar a respectiva equipe. Com fluxos de trabalho complexos, os logs ficam espalhados por servidores, plataformas de nuvem, sistemas de gerenciamento de logs e ferramentas de agendamento. Navegar manualmente por cada um leva tempo. Veja o Sourcegraph, por exemplo. A equipe de suporte gastava de 45 a 90 minutos apenas para verificar os registros de cada problema antes de começar a usar a IA. A natureza dispersa dos registros do pipeline e dos dados de telemetria aumenta o trabalho da pessoa de plantão e atrasa a resolução de problemas.
Como a IA mudará o monitoramento do pipeline de dados de reativo para proativo
Os modelos de IA reúnem seus registros históricos e métricas dispersos entre plataformas e resumem apenas informações importantes, como:
