Parece que o “hype” já está diminuindo um pouco, mas ainda ouço demais a palavra IA para a operação da infraestrutura do Data Center, e é lógico, porque até mesmo os “superchefes”, que não estão no dia a dia do Data Center, perguntam com frequência: o nosso sistema DCIM, BMS, ou qualquer outro tem IA?.
E isso me lembra quando falamos de integrações entre sistemas, a resposta é outra pergunta. Sim, é possível, mas o que isso vai te agregar?
Acho que às vezes voltamos a confundir uma ferramenta que fará parte de um caminho com o próprio objetivo.
¿Cuál es el objetivo en las operaciones del Data Center? Siempre está bien tenerlas a mano:
Minimizar riesgos: resiliencia
Reducir costes: eficiencia.
Reducir tiempos en despliegue de servicios: estrategia.
Por eso, por mucho que hablemos de automatización, de inteligencia artificial, o incluso de Data Centers autónomos que se gestionan solos, en el día a día, la operación sigue siendo reactiva, llena de alertas, decisiones urgentes y demasiadas variables que dependen de la experiencia (o del cansancio) de las personas.
Quizá el problema no esté en la tecnología. Quizá el problema esté en que hemos empezado el viaje por el final, buscamos soluciones fuera de los problemas que solo podemos trabajar desde dentro, los procesos. Y es que siempre es más fácil comprar la idea de que hay algo plug and play que me resolverá todos los problemas a enfrentarse a personas, departamentos, silos de gestión, etc.. porque enfrentarse no nos gusta a nadie.
¿Eso significa que no hay camino para la automatización? ¿qué no hay tecnología que nos pueda ayudar? Ni mucho menos, lo que significa es que hay que poner cada tecnología o capacidad en el momento en el que estés preparado para ello. Imagínate que mañana te compran un robot para las operaciones del Data Center, te traen el paquete con las instrucciones y te dicen alá ahí lo tienes… y entonces .. por donde empezarías.
En Bjumper llevamos ya mucho tiempo haciéndonos estas preguntas, y no tenemos todas las respuestas, pero hemos elegido un camino, desde abajo, con paciencia ( que parece que últimamente ha dejado de ser la madre de todas las ciencias).
Según nuestra perspectiva, realmente la automatización no empieza con IA. Empieza con algo mucho más básico (y mucho más difícil): inputs claros.
Cuando pensamos en inputs, casi siempre pensamos en datos técnicos: temperaturas, consumos, estados de equipos. Pero un Data Center recibe muchos más inputs de los que solemos admitir:
- Incidentes
- Mudanças
- Projetos
- Manutenções
- Aprovações
- Decisões humanas
- Exceções ao processo
Tudo o que entra no Data Center e tem impacto na operação é um input, mesmo que hoje não o tratemos como tal. O problema é que esses inputs costumam estar:
- Dispersos em múltiplas ferramentas.
- Sem uma estrutura comum.
- Sem contexto operacional.
- Duplicados ou, pior ainda, contraditórios.
E este é o primeiro ponto a atacar porque quando o ponto de partida é confuso, o resto da jornada também será.
Se não sabemos exatamente o que entra no Data Center, o “in” do input, não podemos confiar em nada do que sai.
Vamos lá, já temos os inputs claros, normalizados porque os processos estão definidos e são cumpridos, e achamos que os outputs serão alertas, dashboards ou relatórios. São? Do meu ponto de vista isso não são outputs, são visualizações de dados.
Um output deve ser operacional, de valor e deve responder a perguntas muito concretas:
¿Qué está pasando?
¿Por qué importa?
¿Qué se espera que hagamos ahora?
Um alerta sem contexto não ajuda. Um dashboard sem interpretação não decide. Um relatório sem ação não muda nada. Porque um bom output não informa, orienta.
Portanto, há mais trabalho a fazer, que é identificar os outputs válidos, entender quais são os inputs que precisamos para eles e incluir a tecnologia necessária (que pode ser ou não IA) para chegar a eles e automatizá-los, esse é o caminho para que as estratégias de automação não fiquem pela metade.
Quando já temos esse trabalho feito, os outputs mudam de natureza, deixam de ser ruído e começam a ser:
- Recomendações claras.
- Alertas com impacto real.
- Confirmações de que tudo está sob controle (isso também é um output e o melhor deles!).
- Ações priorizadas em função do risco e do momento
Não se trata de ter mais informação, mas de ter a informação adequada no momento adequado.
Aqui já aparece algo chave para qualquer evolução futura, e o ponto mais complicado na minha perspectiva: a confiança.
Confiança de que o output faz sentido.
Confiança de que não falta informação.
Confiança de que a decisão proposta é coerente com a realidade operacional.
Como já disse em outras ocasiões, isso só será alcançado com o tempo, com uma transição que permita ter controle e segurança sobre o input/dado organizado, e novamente isso só pode ser alcançado com processos claros que sejam cumpridos. Basta que alguém faça qualquer mudança dentro do Data Center ignorando os processos… e arruinará os inputs sobre os quais a automação está construída.
Depois de termos claro a diferença entre input e output e como chegar até eles, faltava algo mais, e como no mundo do desenvolvimento e produto digital há tanto, tanto conhecimento e são tão, tão organizados, nos deparamos com o conceito de outcome, e o que é o “outcome”? É o que realmente importa para o negócio.
O outcome é o que realmente muda na operação e o que responde aos objetivos do Data Center.
- Menos erros humanos.
- Menos improvisação.
- Decisões mais rápidas e coerentes.
- Operações mais previsíveis.
- Equipes que podem se concentrar em melhorar o serviço, e não em apagar incêndios.
Os outcomes não são medidos em alertas gerenciados, mas em melhorias reais e sustentadas. O valor não está em automatizar tarefas, mas em melhorar resultados em relação aos 3 objetivos que comentamos no início: minimizar riscos (resiliência), reduzir custos (eficiência), reduzir o tempo de implantação de serviços (estratégia).
Nessa parte, é claro que a IA pode nos ajudar muuuuito, mas antes tivemos que percorrer um caminho. Você pode se adiantar? Claro, sempre, você vai se frustrar? Provavelmente. Se não sabemos exatamente o que entra no Data Center, o “in” do input, não podemos confiar em nada do que sai.
Automação: o último passo, não o primeiro
Se há algo em que acredito que todos concordamos é que a automação é necessária na operação de um ambiente tão crítico como um Data Center, no entanto esse é o último passo, não o primeiro, porque:
Automatizar sem inputs claros é automatizar o caos.
Automatizar outputs pouco confiáveis é acelerar o erro.
Automatizar decisões que ainda não entendemos é perder o controle e, portanto, a confiança.
Uma automação bem planejada segue um caminho muito mais lógico:
- Inputs claros e estruturados.
- Outputs compreensíveis e confiáveis.
- Outcomes medidos e repetíveis.
- Automação progressiva.
- Autonomia baseada em confiança.
Não é um salto, e não há pressa, é um processo gradual, onde a tecnologia vai conquistando a confiança da operação passo a passo.
Reflexão final
O Data Center autônomo não chegará por moda nem por pressão do mercado, não vai chegar colocando a IA no centro, muito pelo contrário. Chegará quando confiarmos no que entra, entendermos o que sai e soubermos medir o que realmente melhora.
Para dar um exemplo, há algumas semanas, nossa equipe de desenvolvimento e produto fez um hackathon com o desafio de usar IA nas funcionalidades da binOra, que será a nova estrela do Data Center 😎.
Curiosamente, dos 2 grupos que foram formados as abordagens foram diferentes:
Em formato chatbot para guia e consulta de informações, criação de gráficos ou tabelas, comparação de dados, solicitação de melhorias. É a pessoa quem comanda.
Em formato CTA (call to action) potencializado por IA, ou seja, baseado no nosso conhecimento ou nas melhores práticas do mercado, já incluímos recomendações de melhorias, otimizamos tarefas, etc.
Foi um grande trabalho para criar uma base sobre a qual estamos trabalhando, e além do efeito “wow” que isso possa gerar, o que temos claro é um ponto: Não há IA se não há dados organizados, e não há dados organizados se não nos concentrarmos nos processos.
Isso não é um BIM, ou um as built que são uma fotografia em um determinado momento, operar um DC gera mudanças nos dados e novos dados constantemente, e sem processos bem organizados esses dados nunca serão coletados adequadamente.
Podemos incluir IA no produto? Claro, devemos estabelecer as bases antes? Com certeza, se nos adiantarmos, perderemos a confiança.