Parece que ya va bajando un poco el “hype”, pero aun oigo demasiado la palabra IA para la operación de la infraestructura del Data Center, y es lógico, porque incluso los “superjefes”, que no están en el día a día del Data Center, preguntan de forma habitual, nuestro sistema DCiM, BMS, o cualquier otro tiene IA?.
Y esto me recuerda a cuando hablamos de integraciones entre sistemas, la respuesta es otra pregunta. Sí se puede, pero ¿qué te va a aportar?.
Creo que en ocasiones se vuelve a confundir una herramienta más que formará parte de un camino con el 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:
- Incidencias
- Cambios
- Proyectos
- Mantenimientos
- Aprobaciones
- Decisiones humanas
- Excepciones al proceso
Todo lo que entra en el Data Center y tiene impacto en la operación es un input, aunque hoy no lo tratemos como tal. El problema es que estos inputs suelen estar:
- Dispersos en múltiples herramientas.
- Sin estructura común.
- Sin contexto operativo.
- Duplicados o, peor aún, contradictorios.
Y este es el primer punto a atacar porque cuando el punto de partida es confuso, el resto del viaje también lo será.
Si no sabemos exactamente qué entra en el Data Center la “in” del input, no podemos confiar en nada de lo que salga.
Venga, ya tenemos los inputs claros, normalizados porque los procesos están definidos y se cumplen, y nos pensamos que los ouputs serán alertas, dashboards o informes. ¿Los son? Desde mi punto de vista eso no son outputs, son visualizaciones de datos.
Un output debe ser operativo de valor y deber responder a preguntas muy concretas:
¿Qué está pasando?
¿Por qué importa?
¿Qué se espera que hagamos ahora?
Una alerta sin contexto no ayuda. Un dashboard sin interpretación no decide. Un informe sin acción no cambia nada. Porque un buen output no informa, orienta.
Por tanto, hay más trabajo que hacer que es identificar los outputs válidos, entender cuales son los inputs que necesitamos para ellos e incluir la tecnología que se necesite (que puede ser o no IA) para llegar a ellos y automatizarlo, es la ruta para que las estrategias de automatización no se quedan a medio camino.
Cuando ya tenemos este trabajo, los outputs cambian de naturaleza dejan de ser ruido y empiezan a ser:
- Recomendaciones claras.
- Advertencias con impacto real.
- Confirmaciones de que todo está bajo control (esto también es un output y el mejor de ellos!).
- Acciones priorizadas en función del riesgo y el momento
No se trata de tener más información, sino de tener la información adecuada en el momento adecuado.
Aquí ya aparece algo clave para cualquier evolución futura, y el punto más complicado desde mi perspectiva: la confianza.
Confianza en que el output tiene sentido.
Confianza en que no falta información.
Confianza en que la decisión propuesta es coherente con la realidad operativa.
Esto como he dicho en más ocasiones sólo se tendrá con el tiempo, con una transición que te permite tener el control y la seguridad en el input/dato ordenado, y de nuevo solo se puede llegar a ello con procesos claros que se cumplan. A nada que alguien haga cualquier cambio dentro del Data Center saltándose los procesos… arruinará los inputs sobre los que esté construida la automatización.
Pues después de tener ya claro la diferencia entre input y output y como llegar a ellos, nos faltaba algo más, y como en el mundo del desarrollo y producto digital hay tanto tanto conocimiento y son tan tan ordenados nos topamos con el concepto del outcome, y que es el “outcome”? pues lo que realmente importa al negocio.
El outcome es lo que cambia de verdad en la operación y el que responde a los objetivos del Data Center.
- Menos errores humanos.
- Menos improvisación.
- Decisiones más rápidas y coherentes.
- Operaciones más predecibles.
- Equipos que pueden centrarse en mejorar el servicio, no en apagar fuegos.
Los outcomes no se miden en alertas gestionadas, sino en mejoras reales y sostenidas. El valor no está en automatizar tareas, sino en mejorar resultados con respecto a los 3 objetivos que comentábamos al inicio: minimizar riesgos (resiliencia), reducir costes: (eficiencia), reducir tiempos en despliegue de servicios (estrategia).
En esta parte por supuesto que la IA nos puede ayudar y muuchoooo pero es que antes hemos tenido que andar un camino. Te puedes adelantar? Claro, eso siempre, ¿te vas a frustar? Probablemente. Si no sabemos exactamente qué entra en el Data Center la “in” del input, no podemos confiar en nada de lo que salga.
Automatización: el último paso, no el primero
Si en algo creo que estamos de acuerdo todos es que la automatización es necesaria en la operación un entorno tan crítico como un Data Center, sin embargo esto es el último paso, no el primero, porque:
Automatizar sin inputs claros es automatizar el caos.
Automatizar outputs poco confiables es acelerar el error.
Automatizar decisiones que aún no entendemos es perder el control y por tanto la confianza.
La automatización bien planteada sigue un camino mucho más lógico:
- Inputs claros y estructurados.
- Outputs comprensibles y confiables.
- Outcomes medidos y repetibles.
- Automatización progresiva.
- Autonomía basada en confianza.
No es un salto, y no hay prisa, es un proceso gradual, donde la tecnología va ganándose la confianza de la operación paso a paso.
Reflexión final
El Data Center autónomo no llegará por moda ni por presión del mercado, no va a llegar poniendo la IA en el centro ni mucho menos. Llegará cuando confiemos en lo que entra, entendamos lo que sale y sepamos medir lo que realmente mejora.
Por poneros un ejemplo, hace un par de semanas, nuestro equipo de desarrollo y producto tuvieron un hackathon con el reto del uso de la IA en las funcionalidades de binOra, la que será la nueva estrella del Data Center 😎.
Curiosamente de los 2 grupos que se hicieron las aproximaciones fueron distintas:
En formato chatbot para la guía y consulta de la información, creación de gráficos o tablas, comparar datos, pedir mejoras. Es la persona la que manda.
En formato CTA ( call to action ) potenciado por IA, es decir basado en nuestro conocimiento o en mejores prácticas del mercado, incluimos ya recomendaciones de mejoras, optimizamos tareas, etc.
Fue un gran trabajo para crear una base en la que estamos trabajando, y más allá del efecto “wow” que pueda suponer lo que tenemos claro es un punto: No hay IA si no hay datos ordenados, y no hay datos ordenados si no nos enfocamos en los procesos.
Esto no es un BIM, o un as built que son una fotografía en un momento determinado, operar un DC genera cambios en los datos y datos nuevos de forma constante, y sin los procesos bien organizados esos datos no se recogerán nunca adecuadamente.
¿Podemos incluir IA en el producto? Por supuesto, ¿debemos marcar antes las bases?, desde luego, si nos adelantamos , perderemos la confianza.