Périphériques technologiques
IA
GenAI façonne l'avenir des processus de gestion des incidents
GenAI façonne l'avenir des processus de gestion des incidents
Bien que la majorité des personnes interrogées (59,4%) aient mis en place un processus clair de gestion des incidents et que le niveau d'automatisation réponde à leurs besoins (71,1%), les entreprises ont toujours du mal à faire face à la recrudescence des incidents et ont encore du mal à gérer ces événements rapidement.
66,5% des entreprises ont signalé une augmentation de la fréquence des incidents affectant leurs clients au cours des 12 derniers mois, soit une augmentation de 3,6% par rapport à l'enquête 2022.
Selon 63 % des personnes interrogées, ces événements provoquant des temps d'arrêt (par exemple, pannes d'applications, qualité de service dégradée) font courir aux entreprises le risque de perdre en moyenne jusqu'à 499 999 $ par heure, soit une augmentation de près de 5 % par rapport à 2022. 46,6 % des personnes interrogées ont également déclaré que le coût des temps d'arrêt variait entre 100 000 et 2 millions de dollars.
Les entreprises trouvent la gestion actuelle des incidents inefficace
Les recherches considèrent GenAI comme un moyen de résoudre les problèmes existants en matière de gestion des incidents, avec 84,5 % d'entre elles soit pensant que l'IA peut rationaliser considérablement leurs processus de gestion des incidents et améliorer l'efficacité globale, soit enthousiasmées par les opportunités d'automatisation. L'IA propose certains aspects de la gestion des incidents.
« Les informations que nous avons découvertes dans nos recherches mettent en évidence le besoin crucial d'une automatisation adaptative basée sur le LLM qui va au-delà de la simple répétition des tâches pour s'adapter de manière dynamique aux conditions changeantes en absorbant les signaux et le contexte en temps réel », a déclaré Divanny Lamas, PDG. de Transposet.
Les besoins des équipes opérationnelles modernes ont dépassé les outils d'automatisation traditionnels basés sur des règles. Alors que de nombreuses entreprises ont mis en place des processus de gestion des incidents bien établis, à mesure que le nombre d’incidents continue d’augmenter et que l’impact sur les clients et les finances devient plus important, une approche transformatrice est nécessaire. Par conséquent, l’adoption de solutions innovantes comme GenAI est la voie à suivre. Cette approche, renforcée par l'automatisation et guidée par le jugement humain, accélère non seulement le traitement des incidents, mais identifie également de manière proactive les problèmes potentiels avant qu'ils ne dégénèrent et prend des mesures préventives.
Dans le domaine de la gestion des incidents, les équipes d'ingénierie de fiabilité sont confrontées à un énorme défi. 73,9 % des responsables de l'ingénierie de fiabilité ont rencontré divers obstacles lors de la gestion des incidents, notamment des scripts d'automatisation fragiles (59,7 %), des processus manuels fastidieux (47,8 %) et des difficultés d'accès à l'expertise (47,2 %)
De plus, 42,5 % des entreprises ont déclaré que leur les processus actuels de gestion des incidents sont inefficaces ou disponibles uniquement pour certains membres de l'équipe en raison d'une documentation confuse (41,3 %), d'une disponibilité limitée des outils (40,4 %) et du recours aux connaissances institutionnelles (39,7 %).
Au cours de la dernière année, 61,5 % des entreprises ont déclaré que le temps nécessaire pour gérer les incidents avait augmenté. De plus, 79,8 % des entreprises ont déclaré qu'il fallait en moyenne jusqu'à six heures entre la première alerte et la résolution. En plus de l'augmentation des délais de résolution des incidents, la constitution des bons membres de l'équipe ajoute une couche supplémentaire de complexité. 71,3 % des personnes interrogées ont déclaré que ce processus peut prendre jusqu'à 30 minutes
De plus, une partie importante des membres de l'équipe ont trouvé difficile de comprendre et d'appliquer systématiquement les procédures définies par l'entreprise. 37,4 % des entreprises ont indiqué que seuls les membres sélectionnés de l'équipe comprennent pleinement le processus de gestion des incidents défini et y adhèrent systématiquement.
Les obstacles à l'automatisation augmentent la complexité des incidents
Les entreprises doivent remédier aux inefficacités dans la gestion des incidents et surmonter les obstacles à la mise en œuvre de l'automatisation. 33,3 % des personnes interrogées ont déclaré que seulement 11 à 25 % de leurs tâches ou flux de travail de gestion des incidents sont automatisés, ce qui indique une opportunité pour les entreprises de mettre en œuvre davantage d'automatisation dans leurs processus de gestion des incidents.
Après une recherche approfondie, les visiteurs interrogés ont montré un vif intérêt pour aspects clés du cycle de vie des événements d’automatisation. Parmi eux, 50,0 % des personnes interrogées sont préoccupées par les paramètres des événements, 44,2 % sont préoccupés par les protocoles de communication, 30 % sont préoccupés par les processus d'enquête et 29 % sont préoccupés par les mesures correctives.
Malgré l'intérêt pour la mise en œuvre de l'automatisation, mais les personnes interrogées ont cité quatre obstacles majeurs à l'automatisation :
- Pas assez de soutien de la part du leadership ou de la direction (57,1%).
- Partage des connaissances insuffisant (54,3%).
- Documentation insuffisante des connaissances institutionnelles et des procédures existantes (54%).
- Je ne sais pas quoi automatiser (52,4 %).
Les entreprises sont capables d'automatiser plus rapidement lorsqu'elles utilisent des outils SaaS. Selon l'enquête, 74,6 % des personnes interrogées utilisent des outils SaaS et 82,0 % des personnes interrogées ont confirmé qu'elles pouvaient automatiser les opérations sans écrire de code. De plus, 84,3 % des personnes interrogées ont déclaré que cela ne prenait que 11 minutes à une heure, démontrant l'efficacité des solutions SaaS dans la gestion des incidents.
Les entreprises utilisent des applications et des outils d'automatisation basés sur l'IA pour améliorer les piles technologiques
Au cours des 12 prochains mois, 72,1 % des équipes prévoient d’étendre leur pile technologique. Pour améliorer les processus de gestion des incidents et réduire le délai moyen de résolution/réparation (MTTR), les entreprises prévoient de mettre en œuvre de nouveaux outils, notamment :
- Outils ou applications basés sur l'IA ou le ML (60,0 %).
- Outils ou applications d'automatisation (53,1%).
- Outils ou applications de communication/collaboration (48,1%).
SRE et l'ingénierie de plate-forme jouent un rôle essentiel dans l'activation de l'IA et de l'automatisation. Au cours de l'année écoulée, 61,5 % des personnes interrogées se sont davantage concentrées sur les pratiques SRE et prévoient d'embaucher davantage d'ingénieurs en fiabilité sur le terrain, tandis que 57,5 % ont renforcé leurs efforts d'ingénierie de plate-forme et prévoient d'embaucher davantage d'ingénieurs de plate-forme. Ces mesures stratégiques soulignent l'engagement de l'entreprise à renforcer ses capacités de gestion des incidents.
Les résultats de l'enquête indiquent une voie claire pour le cycle de vie de la réponse aux incidents, soulignant la nécessité d'un outil ou d'une plate-forme SaaS capable d'intégrer de manière transparente tous les outils de gestion des incidents utilisés par une entreprise, d'exploiter les informations sur les données humaines et de tirer parti de GenAI pour améliorer les opérations. efficacité et prise de décision.
L'IA remodèle l'expérience professionnelle
90,4 % des personnes interrogées estiment que l'extraction systématique d'informations à partir de données humaines (telles que les communications Slack archivées, les entretiens rétrospectifs, les commentaires de groupe, etc.) peut améliorer la réponse aux incidents futurs et améliorer la qualité des opérations. 90,2 % pensent que l’automatisation devrait permettre aux humains d’utiliser leur jugement aux points de décision clés pour la rendre plus fiable et efficace, soit une augmentation de près de 10 % par rapport à l’étude de 2022.
89,8 % ont constaté que l'intégration des capacités GenAI dans un outil ou une plate-forme de gestion des incidents peut réduire le temps nécessaire à la création de nouvelles automatisations, libérant ainsi du temps pour d'autres travaux à grande valeur ajoutée. 96,3 % pensent qu'il serait bénéfique que tous les outils utilisés par leur entreprise lors d'un incident soient intégrés via un seul outil ou une seule plateforme.
Pour 79,5 % des entreprises qui adoptent l’IA dans leur pile technologique, l’impact est significatif. 51 % des personnes interrogées pensent que l'intelligence artificielle améliore leur travail, ce qui améliore la vie professionnelle des humains. 63,5 % utilisent l'IA pour améliorer l'exactitude et la qualité des données, et 50,7 % des personnes interrogées ont déclaré résoudre les incidents plus rapidement. 49,4 % utilisent l'IA pour identifier plus rapidement et plus facilement les causes profondes des problèmes, des menaces potentielles et des vulnérabilités, et 48 % l'utilisent pour automatiser des tâches ou des processus répétitifs, rationalisant ainsi efficacement leurs opérations.
Résumé Lamas Dow : « Compte tenu de l'évolution des besoins des opérations modernes Il est clair que ces équipes ont besoin d'une solution adaptative d'automatisation et de gestion des incidents basée sur LLM. Cette approche unifiée et intelligente non seulement rationalise le processus, mais permet également aux équipes de tirer parti de l'automatisation et de l'intelligence artificielle pour améliorer la gestion des incidents d'une entreprise. processus, développant davantage de flux de travail automatisés plus efficaces. Cette approche devient de plus en plus importante pour une résolution transparente des incidents et une réduction du MTTR en garantissant que les humains continuent d'être activement impliqués.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Une nouvelle ère de développement front-end VSCode : 12 assistants de code IA hautement recommandés
Jun 11, 2024 pm 07:47 PM
Dans le monde du développement front-end, VSCode est devenu l'outil de choix pour d'innombrables développeurs grâce à ses fonctions puissantes et son riche écosystème de plug-ins. Ces dernières années, avec le développement rapide de la technologie de l'intelligence artificielle, des assistants de code IA sur VSCode ont vu le jour, améliorant considérablement l'efficacité du codage des développeurs. Les assistants de code IA sur VSCode ont poussé comme des champignons après la pluie, améliorant considérablement l'efficacité du codage des développeurs. Il utilise la technologie de l'intelligence artificielle pour analyser intelligemment le code et fournir une complétion précise du code, une correction automatique des erreurs, une vérification grammaticale et d'autres fonctions, ce qui réduit considérablement les erreurs des développeurs et le travail manuel fastidieux pendant le processus de codage. Aujourd'hui, je recommanderai 12 assistants de code d'IA de développement frontal VSCode pour vous aider dans votre parcours de programmation.
