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.
Qual é o objetivo nas operações do Data Center? É sempre bom tê-los à mão:
Minimizar riscos: resiliência.
Reduzir custos: eficiência.
Reduzir o tempo de implantação de serviços: estratégia.
Por isso, por mais que falemos de automação, de inteligência artificial, ou até de Data Centers autônomos que se gerenciam sozinhos, no dia a dia a operação continua sendo reativa, cheia de alertas, decisões urgentes e variáveis demais que dependem da experiência (ou do cansaço) das pessoas.
Talvez o problema não esteja na tecnologia. Talvez o problema seja que começamos a jornada pelo final, buscamos soluções fora de problemas que só podemos trabalhar de dentro: os processos. E é sempre mais fácil comprar a ideia de que existe algo plug and play que resolverá todos os problemas do que enfrentar pessoas, departamentos, silos de gestão, etc., porque enfrentar isso não agrada a ninguém.
Isso significa que não há caminho para a automação? Que não existe tecnologia que possa nos ajudar? De jeito nenhum, o que significa é que é preciso colocar cada tecnologia ou capacidade no momento em que você estiver preparado para isso. Imagine que amanhã compram para você um robô para as operações do Data Center, entregam o pacote com as instruções e dizem aí está… e então… por onde você começaria?
Na Bjumper já estamos há muito tempo fazendo essas perguntas, e não temos todas as respostas, mas escolhemos um caminho, de baixo para cima, com paciência (que parece que ultimamente deixou de ser a mãe de todas as ciências).
Segundo a nossa perspectiva, a automação não começa realmente com IA. Começa com algo muito mais básico (e muito mais difícil): inputs claros.
Quando pensamos em inputs, quase sempre pensamos em dados técnicos: temperaturas, consumos, estados de equipamentos. Mas um Data Center recebe muitos mais inputs do que costumamos 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:
O que está acontecendo?
Por que isso importa?
O que se espera que façamos agora?
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.