En los equipos de tecnología, conectar la telemetría ha sido tradicionalmente visto como una vía para obtener mayor visibilidad. La idea es simple: cuanta más información haya sobre lo que ocurre en todo el entorno, más fácil será entender los problemas y responder a ellos. Sin embargo, a medida que los entornos tecnológicos modernos crecen en escala y complejidad, esa ecuación ya no es tan simple y los equipos se encuentran lidiando con telemetría fragmentada y señales poco claras. Toma más tiempo entender qué salió mal, y aún más para corregirlo. Y para añadir otro desafío, el costo de almacenar y procesar toda esa telemetría y datos sigue en aumento.

Esto está llevando a las organizaciones a reconsiderar dónde debe abordarse el problema. En lugar de recolectar todo y tratar de darle sentido después, la atención se está desplazando hacia mejorar la telemetría en las primeras etapas de su ciclo de vida. Filtrar, enriquecer y dirigirla desde el inicio puede hacer que la información que llega a los equipos sea más relevante y, en última instancia, más fácil de actuar.

Más datos no siempre equivalen a una mejor visión
La cantidad de telemetría disponible no es el problema fundamental. Su calidad lo es. A medida que las capacidades impulsadas por IA se integran profundamente en la entrega y operación de software, la calidad de la telemetría de observabilidad se vuelve aún más importante. Recoger telemetría sin filtrar lo que no se necesita puede hacer que los empleados dediquen más tiempo a gestionar información que a extraer valor de ella.

La fragmentación agrava el desafío. Con datos repartidos entre varias herramientas y agentes, cada uno generando señales y alertas de formas diversas, cuando ocurre una interrupción, los equipos pueden necesitar reconstruir información inconsistente de esas herramientas para entender la causa raíz. Esto consume tiempo valioso mientras el impacto en el negocio continúa aumentando.

Además, existe un costo financiero significativo asociado a este enfoque. Procesar y almacenar telemetría y datos a gran escala requiere recursos considerables, especialmente cuando las organizaciones retienen información que aporta más ruido que insight. En un sentido tradicional, no es un problema tecnológico puro: es una preocupación de calidad de telemetría y datos, y cuanto más se ignore, peor suele volverse.

Repensar dónde se procesa la telemetría
Una respuesta es mover la inteligencia más arriba en la pila tecnológica. En la práctica, eso significa tomar decisiones sobre la telemetría más temprano: filtrar lo que no es útil, enriquecer información importante y dirigir telemetría significativa antes de que llegue a los sistemas downstream.

Los equipos comienzan a recolectar, procesar y enrutar telemetría de observabilidad relevante en tiempo real antes de ingestado en los sistemas downstream. Como resultado, hay menos volumen que manejar, gastos reducidos y una telemetría más limpia con solo las señales relevantes que se envían aguas abajo.

Estándares abiertos como OpenTelemetry están haciendo cada vez más factible este enfoque en entornos complejos. Permiten a los equipos recolectar telemetría de forma coherente sin depender de un proveedor o conjunto de herramientas específico. Esa flexibilidad es especialmente valiosa cuando se trabaja con sistemas intrincados y distribuidos que abarcan varias nubes, seguridad y plataformas de almacenamiento.

Además, a medida que los entornos siguen evolucionando, facilita la adaptación a ellos.

IA que necesita información confiable para tomar decisiones confiables
Las implicaciones son particularmente relevantes a medida que las organizaciones incorporan más capacidades impulsadas por IA en sus operaciones. Los sistemas de IA dependen de telemetría y datos precisos y contextualizados para generar insights y automatizar decisiones.

Los equipos no solo se ven frenados por telemetría incompleta o desordenada, sino que, de manera simple, la telemetría de baja calidad conduce a insights de baja calidad. Cuando esos insights se aplican a la toma de decisiones automatizadas a gran escala, el margen de error se reduce drásticamente.

El mismo principio se aplica a la confianza. Los equipos responsables de sistemas automatizados necesitan entender qué ha pasado y explicar por qué se han tomado ciertas decisiones sobre rendimiento o seguridad. Esto se vuelve mucho más difícil cuando esas decisiones se basan en información inconsistent.

Y este requisito de confianza importa mucho más allá de los equipos técnicos. A medida que la alta dirección y los miembros de la Junta se ven cada vez más solicitados a respaldar la toma de decisiones impulsada por IA, deben confiar en la información sobre la que se basan esas decisiones. Telemetría y datos creíbles y consistentes pueden simplificar esa conversación.

Las ventajas operativas también se hacen evidentes. Los equipos pueden trabajar más rápido si no están luchando continuamente con telemetría y datos erráticos. Dedican menos tiempo a investigaciones manuales, detectan problemas temprano y automatizan con mayor confianza.

Una base sólida de telemetría y datos y una plataforma unificada basada en contexto no solo mejoran las operaciones diarias, sino que también aumentan el éxito de las capacidades impulsadas por IA a las que la organización invierte con el tiempo.

La calidad tiene que estar integrada desde el inicio
En última instancia, una innovación más rápida y mejores resultados para el cliente dependen de que las organizaciones cuenten con telemetría y señales útiles disponibles cuando se necesitan. La buena noticia es que no es necesario empezar desde cero: se trata de tomar decisiones tempranas en el ciclo de telemetría.

Al introducir inteligencia en esa etapa, los equipos pueden mejorar la calidad de lo que finalmente llega a sus plataformas de observabilidad y garantizar que pueda escalar a medida que sus entornos crecen. La ventaja no proviene simplemente de recolectar más, sino de asegurar que la telemetría que una organización sí recolecta sea relevante, confiable y lista para apoyar la acción.

Hemos destacado las mejores herramientas de inteligencia empresarial, y este artículo forma parte de TechRadar Pro Perspectives, nuestro canal para presentar las mentes más brillantes de la industria tecnológica. Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadar Pro o Future plc. Si estás interesado en contribuir, puedes obtener más información aquí: https://ift.tt/Y5zisCq

from Latest from TechRadar https://ift.tt/cvbwMKU
via IFTTT IA