به دلیل عوامل مختلفی از جمله رقابت شدیدتر در تجارت دیتاسنترها، افزایش هزینه و کاهش بودجه موردنیاز به خصوص پس از همه گیری کرونا، بسیاری از سازمان ها به دنبال راه هایی برای کاهش هزینه های عملیاتی مرکز داده خود هستند. هوش مصنوعی و اتوماسیون ثابت کرده اند که ابزار قدرتمندی در مدیریت عملیات هستند، زیرا کارکنان را از انجام کارهای وقت گیر و پیش پا افتاده معاف می کنند و به آنها اجازه می دهند تا روی کارهایی که واقعاً به توان ذهنی و خلاقیت انسان نیاز دارند تمرکز کنند.

بیشتر مدیران مراکز داده از انواع مختلفی از ابزارهای معمولی و غیر هوش مصنوعی برای کمک به بهینه‌سازی و مدیریت بهینه‌سازی عملیات استفاده می‌کنند. بااین‌وجود این ابزارها بیشتر از اینکه به‌صورت فعال باشند، غیرفعال یا واکنش‌پذیر هستند. این ابزارها به مشکلات موجود در مرکز داده واکنش نشان می‌دهند، اما داده‌هایی هوشمند برای برخورد آینده‌نگرانه با مشکلات جمع‌آوری و پردازش نمی‌کنند.

هوش مصنوعی اکنون آماده است تا به مدیران مراکز داده که عمدتاً هیچ راهی مطمئن برای پیش‌بینی یا برنامه‌ریزی برای نیازهای آینده ندارند، کمک کند. با هوش مصنوعی، ظرفیت و توان نیروی انسانی و مدیریتی می‌تواند به روش کارآمدتری تخصیص یابد و این به سازمان‌ها اجازه می‌دهد مقیاس‌پذیر و انعطاف‌پذیر شوند.

ایده استفاده از فناوری AI برای مدیریت مرکز داده البته چندان جدید نیست. به‌عنوان‌مثال، در سال ۲۰۱۴، گوگل فاش کرد که از فناوری خریداری شده به نام DeepMind که یک متخصص AI در انگلستان بود برای بهبود مدیریت تجهیزات مرکز داده در چندین سایت خود استفاده کرده است. امروزه، در زمینه مدیریت عملیات، هوش مصنوعی به طور قابل‌توجهی گسترش‌یافته است و تعدادی از شرکت‌های نوپا مانند DLabs ، digitate ، Redwood Software و Tidal Software در این زمینه فعالیت می‌کنند. بازیکنان بزرگ‌تری مانند Cisco ، IBM و VMware نیز شروع به ورود به بازار در این زمینه کرده‌اند.

برآوردن یک نیاز

اولویت اصلی بیشتر مدیران دیتاسنترها، بهینه‌سازی عملیات در اوقات اوج تقاضا است. بااین‌وجود هرچقدر هم با دقت برنامه‌ریزی و آماده‌سازی انجام شود، اوج و فرود تقاضا اغلب از کنترل آنها خارج می‌شود. جایی که هوش مصنوعی می‌تواند پیشرفت‌های منحصربه‌فردی را به وجود آورد، این است که می‌تواند الگوهای بار کاری را درک کند و خواسته‌ها را با ظرفیت مرکز داده مطابقت دهد.

مدیریت هوش مصنوعی می‌تواند تیم‌های مدیریتی و فنی مرکز داده را از انجام مجموعه‌ای از کارهای پیش‌پاافتاده و تکراری، از جمله مدیریت سرورها، رها کند. تنظیمات امنیتی، پردازش و حافظه و بهینه‌سازی ذخیره‌سازی، تعادل بار، و مدیریت توزیع برق و مدیریت و پایش سیستم خنک‌کننده همه می‌توانند توسط هوش مصنوعی به‌صورت خودکار انجام شوند.

هوش مصنوعی می‌تواند به تجزیه‌وتحلیل داده‌های جمع‌آوری‌شده از ماشین‌های جداگانه و ناهنجاری‌های نقطه‌ای در پارامترهای تحت نظارت کمک کند. هوش مصنوعی همچنین می‌تواند خیلی زود پیش‌بینی خرابی‌ها و مشکلات را انجام دهد و این می‌تواند به تیم مدیریت مرکز داده کمک کند تا زمان خرابی را کاهش داده و کلاسترها را در همیشه روشن نگه دارد. هوش مصنوعی همچنین می‌تواند مدیریت بهتر دمای مرکز داده و پایش ولتاژ را امکان‌پذیر کند، در نتیجه هزینه‌های عملیاتی را به طور مستقیم کاهش می‌دهد و به کاهش ردپای کربن کمک می‌کند.

تصمیماتی که توسط سیستم هوش مصنوعی در مدیریت عملیات مرکز داده اتخاذ می‌شود باید برای تیم مدیریتی و فنی قابل تفسیر باشد و به تیم فناوری اطلاعات این امکان را می‌دهد تا هدف تصمیم‌گیری و مدل آن را بهتر بشناسد و بر اساس آن عمل کند. مدل‌های هوش مصنوعی در بهترین حالت می‌توانند ۸۰ تا ۸۵ درصد دقیق باشند، بنابراین این امر همچنین به تیم‌های انسانی کمک می‌کند تا با تفسیر درست مدل تصمیم هوش مصنوعی، تصمیمات معقول را با هم مرتبط کنند. مراکز داده می‌توانند از AI / ML برای بهبود عملکرد و همچنین بهینه‌سازی پیکربندی و استقرار سیستم‌ها استفاده کنند. AI / ML امکان هماهنگ‌سازی منابع در مقابل بارهای کاری را فراهم می‌کند تا استفاده بهینه از منابع را برای مدیریت بهتر هزینه‌ها ممکن کند.

هوش مصنوعی همچنین می‌تواند مدیریت داده‌ها را ساده کند. بنگاه‌های اقتصادی به طور فزاینده‌ای خود را در معرض حجم بسیار زیادی از داده‌های مربوط به مشتریان و ذی‌نفعان می‌بینند. با استفاده از هوش مصنوعی، سازمان‌ها می‌توانند اطمینان حاصل کنند که این مقادیر زیاد داده به طور کارآمد و دقیق مدیریت می‌شوند. با کمک هوش مصنوعی، تیم‌های فنی و مدیریتی می‌توانند اموراتی مانند تجزیه‌وتحلیل کیفیت داده‌ها یا استخراج داده‌ها برای پیش‌بینی‌ها را سریع‌تر و دقیق‌تر از همیشه انجام دهند. این برای سازمان‌ها بسیار مهم است، زیرا آنها برای تصمیم‌گیری آگاهانه به دقیق‌ترین داده‌ها نیاز دارند.

پلتفرم‌های هوش مصنوعی

آنچه اکنون با بالغ شدن هوش مصنوعی در حال ظهور است، روشی نرم‌افزاری برای پیوند زدن عناصر متفاوت با حداقل دخالت انسان است. به‌عنوان‌مثال، در یک سیستم پایگاه‌داده معمولی، برای اجرای کارآمد عملیات، مانند جدول‌های نمایه‌سازی، تقسیم داده‌ها در سرورها، تخصیص حافظه برای انواع خاصی از جستجوها و تنظیم بهینه‌ساز برای “متناسب کردن” محاسبات شما، به مقدار زیادی پیکربندی نیاز است. هوش مصنوعی می‌تواند با یادگیری قوانین و رویه‌ها از مقدار عظیمی از داده‌های تاریخی به این اهداف کمک کند.

با وجود هوش مصنوعی، مدیران و تیم‌های فناوری اطلاعات می‌توانند به‌جای نگرانی در مورد جزئیات زیرساخت‌ها، روی مسائل تجاری تمرکز کنند. از منظر هوش مصنوعی، بیشتر مدل‌هایی که استفاده می‌کنیم مدل‌های خودآموز هستند که از ترکیبی از تکنیک‌های مختلف استفاده می‌کنند و با یادگیری از الگوی بار کاری که مدیریت می‌کنند، به طور مداوم بهینه می‌شوند.

چگونگی مدیریت یک سازمان در انتقال از مدیریت عملیات انسانی به هوش مصنوعی، به بلوغ تکنولوژیک، مقیاس عملیاتی و پویایی مرکز داده بستگی دارد. از طرف دیگر، تعداد زیادی از ارائه‌دهندگان خدمات و محصولات هوش مصنوعی که به‌سرعت درحال‌رشد هستند و ابزارهایی را برای انواع خاصی از بنگاه‌های اقتصادی ارائه می‌دهند، سهولت در پیکربندی و استقرار را با راه‌حل‌های متنوع ممکن می‌کنند.

درحالی‌که مدیریت عملیات مرکز داده با استفاده از هوش مصنوعی در حال حاضر به طور معمول توسط بسیاری از شرکت‌های بزرگ ، به‌ویژه دیتاسنترهای بزرگ مقیاس مانند Google ، Amazon و Microsoft مورد استفاده قرار می‌گیرد، این فناوری آماده استفاده در مراکز داده کوچک‌تر نیز خواهد بود.

در بلندمدت، با پیشرفت فناوری، کاهش هزینه‌ها و افزایش اعتماد به فناوری‌های هوش مصنوعی در دیتاسنترها، انتظار می‌رود مدیریت مبتنی بر هوش مصنوعی به روند اصلی در این صنعت تبدیل شود. طی چهارتا شش سال آینده، فناوری مدیریت عملیات در مراکز داده‌های با استفاده از هوش مصنوعی به یک استاندارد تبدیل خواهد شد.