自動化によってITの問題解決が難しくなっていること

自動化が進んでいることは間違いありません。企業のIT部門にとって、自動化とは、テクノロジーリソースを迅速かつ効率的にプロビジョニング(および再プロビジョニング)し、利用率を最適化して運用コストを削減する能力を持つことを意味します。これらは良いことですが、課題がないわけではありません。スピードとビジネスの俊敏性を可能にする同じ自動化機能が、テクノロジー環境で問題が発生したときに、IT部門が問題を解決することをますます困難にしているのです。

1つ目の課題は、自動化によって実現されたテクノロジー環境が、それらを管理するためのITプロセスよりも速く進化しているという形で現れています。車が速く走れるのは素晴らしいことですが、高速で操縦できないとなると問題があります。ITの問題管理プロセスの多くは、環境要因を総合的に判断し、既知の一連のイベントを繰り返すことで、元の問題を再現しようとする診断方法を含んでいます。自動化機能は、変化(およびビジネスの俊敏性)を加速することに主眼が置かれており、何がなぜ起こったのかを理解するために必要な再現性を可能にするものではありませんでした。ITスタッフがエラーを再現しようとすると、環境が変化している可能性が高く、問題が発生したときの状態を再現するツールがありません。

クロスプラットフォーム/ベンダー環境では、テクノロジーの重要な部分が企業の直接管理外に置かれるため、この問題はさらに複雑になります。また、競合関係にあり、情報をオープンに共有しようとしないベンダー間の調整が必要になります。ベンダー横断的な環境は、コストアービトラージの機会を提供しますが(特定の活動のために最も安いオプションを使用する)、各ベンダーの診断ツールは独自のものであり、ほとんどが相互運用できないため、ITは大局的な透明性を欠くことになります。サードパーティのサービスマネジメントやオペレーションマネジメントのツールは、このギャップを埋めようとしてきましたが、ほとんどの場合、高度にダイナミックな自動化されたテクノロジー環境でベンダー間の仲介を成功させるために必要な、問題解決のためのツール一式をITに提供するには至りませんでした。

スピードと環境の複雑さだけが課題ではありません(多くのものが複雑で素早く進化していますが、それでも管理可能です)。それは 継続的な変化 というのも、ほとんどのITプロセスは、「止まって、何が起こったかを把握し、修正して、また動き出す」というパターンで構築されているからです(飛行機が飛んでいる間に修理するのではなく)。イベントやインシデントが発生したときには、その原因となった行動や環境要因を把握するには遅すぎることが多いのです(パンくずの跡が消えてしまいます)。自動化によってダイナミックに再構成されるインフラは、同じ環境構成が将来的に再び発生するかどうかを知る方法がないため、環境問題の診断を困難にしています。因果関係のパターンを分析することで ヘルプ ITスタッフは問題の原因を推測しますが、多くの場合、その仮説は予防措置を講じるのに必要なレベルの信頼性を欠いています。

時間が経つにつれ、自動化のルールは進化し、互いに影響し合い、ますます複雑になっていきます。そして、機械はルールを実行できても、人間はルールを解釈できなくなるという転換点に到達します。ちなみにこれは、ルールを作成した人の役割が変わったときにも起こります。なぜそのような実装になったのかがわからないと、効果的な問題診断ができないだけでなく、同じ環境や事象のシナリオが今後発生しないようにITが変更することもできません。このような状況に対処するために、ITの問題管理スタッフは、以下の両方を判断する能力が必要です。 イベント発生時に技術環境で起こっていたこと、そして なぜ また、自動化ルールでは、そのように構成を実装していましたが、これは現在のITでは難しいことです。

現代のIT環境は急速に進化しており、ITスタッフが問題を再現し、問題が発生したときに解決できる時間は限られています。自動化における問題の診断を成功させるためには、企業のITスタッフが環境を素早く調査し、何が重要であるかを特定し、行動を開始するのに役立つ、強固で構造化された方法論が必要です。

Kepner-Tregoe社の専門家は、60年以上にわたり企業と協力して問題管理プロセスやベストプラクティスを導入してきた経験から、組織がテクノロジーの変化に適応するために必要なことを熟知しています。KTの方法論を用いることで、スタッフは以下のことができるようになります。

  • 明確な質問をすることで、その場の状況を明確に理解する
  • 問題が発生したときの状況や状況を理解するために、ログを使ってデータを収集する - 高度に自動化された環境では、これがレプリケーションに最も近い選択肢となります。
  • クロスプラットフォーム/ベンダー環境の課題を考慮しながら、データを用いたプロセスドリブンなアプローチで問題の原因を究明する
  • 従来のビッグデータ分析が生み出す膨大な量のデータ「ノイズ」に圧倒されることなく、合理的なプロセスを用いて、必要なデータをふるい落とします。

自動化が進んでおり、それを止めることはできません。

関連記事

ブログ画像1
自動化で問題を解決する
ブログ画像1
現代の問題解決を可能にする自動化とは
ブログ画像1
オートメーションはあなたの労働力を弱体化させていませんか?
ブログ画像1
働き方の未来を受け入れる適応性と敏捷性の重要性

私たちは以下の専門家です:

お問い合わせ

お問い合わせ、ご意見、詳細確認はこちらから