MIAI: Instituto de Inteligencia Artificial de Grenoble
La inteligencia artificial EV Observe potenciada por los expertos del Instituto de IA de Grenoble
Gestión de Incidencias
Gestión de Problemas
Gestión de Cambios
Cumplimiento de Solicitudes
Gestión de Niveles de Servicio
Gestión de conocimiento
Gestión de Activos y Configuración
Autoservicio
Gestión Financiera de TI
Soporte Remoto
Gestíon de Sistemas
Automatización de Procesos de TI
Automatización de la gestión de incidencias
Implantación de Software
Cloud Service
Precios
Consulta el blog de EasyVista para estar al día de las últimas noticias, tendencias y mejores prácticas en transformación digital. Deja que EasyVista te mantenga al día y a la vanguardia de un sector en constante cambio.
Nos comprometemos a poner a tu disposición recursos que te ayuden en tus metas de software ITSM.
Manténgase actualizado sobre nuestros últimos seminarios web y eventos de ITSM, ITOM o ESM ahora
La inteligencia artificial EV Observe potenciada por los expertos del Instituto de IA de Grenoble
MIAI Grenoble Alpes es un instituto multidisciplinar de Inteligencia Artificial con sede en Grenoble. Este centro de competencias está dirigido por Eric Gaussier, antiguo responsable del Laboratorio de Informática de Grenoble (LIG).
En 2014, en el marco de un proyecto gubernamental "Fond Unique Interministériel" -un programa que permite financiar proyectos de I+D para su lanzamiento al mercado a corto o medio plazo combinando las competencias de grandes empresas, pymes y laboratorios-, EasyVista y el LIG se unieron e iniciaron una sucesión de proyectos conjuntos: en 6 años, se pudieron abordar 4 temas de Inteligencia Artificial, ¡en los que participaron unos 20 expertos y se publicaron 10 artículos en revistas científicas!
Le desvelamos lo que está en juego en estos proyectos de colaboración de alta especialización...
Pocos equipos en Francia se interesan por el descubrimiento de relaciones causales en las series temporales. Gracias a sus trabajos sobre este tema, EasyVista y el Laboratorio de Informática de Grenoble han adquirido una experiencia puntera en el campo de la causalidad.
Más allá de la escalabilidad de EV Observe, el trabajo de investigación con el LIG tenía como objetivo añadir Inteligencia Artificial a la supervisión para responder a los siguientes usos
Reducción de falsos positivos y falsos negativos
El mercado señala un número de falsos positivos que oscila entre el 30 y el 80% para una solución de supervisión clásica.
Por ejemplo: para una media de 50 incidentes diarios, 25 de ellos no son realmente incidentes. Esto se debe a umbrales mal configurados: demasiado altos o demasiado bajos.
Esto significa que los operadores dedican la mitad de su tiempo a alertas que no son incidentes o que no son prioritarias: tiempo dedicado a acciones inútiles, pérdida de confianza en la solución de supervisión...
Predecir incidentes
Cuando se produce un problema crítico, los equipos de operaciones están en modo "bombero", centrados en esta emergencia. Ya sea durante el día o durante las guardias, el estrés generado es enorme, y la presión ejercida por la dirección o los usuarios es complicada de gestionar.
Anticiparse a los incidentes con la suficiente antelación es, por tanto, una solución para un modo de trabajo organizado y sereno, que permite al mismo tiempo obtener una mejor calidad de servicio y, por tanto, mayores tasas de disponibilidad de las aplicaciones empresariales.
Identificar el origen de un problema lo antes posible - Análisis de la causa raíz
Llegar al origen de un problema complejo lleva su tiempo. El objetivo es reducir al máximo ese tiempo de resolución mediante análisis y razonamientos asistidos por inteligencia artificial.
Los equipos de investigación del LIG están interesados en datos de producción reales para probar y demostrar sus algoritmos. EasyVista, con su plataforma de monitorización SaaS EV Observe y sus flujos en tiempo real de millones de puntos de datos, era por tanto el candidato adecuado."
Como explica Eric, "los nuevos retos se centran en las relaciones causales y no sólo en las correlaciones entre objetos. Este enfoque es nuevo, difícil y no está bien abordado en el LIG. Por ello, el proyecto de "análisis de causas" de EV Observe ha permitido al LIG avanzar en este vasto campo de la causalidad con casos de uso de la vida real."
Como resultado de estos 4 años de investigación, EasyVista tiene ahora una fuerte competencia en Big Data. Pocos editores del mercado han logrado cambiar a estas complejas tecnologías.
Al inyectar algoritmos en este "gran motor" que es el Big Data, la predicción de alertas en un futuro próximo (+2 horas, +15 horas, etc.) o más lejano (+3 meses, +15 meses, etc.) permite ahorrar tiempo de actividad y reducir la presión sobre los equipos operativos tanto durante las horas de trabajo como, sobre todo, durante los periodos de guardia.
Rachid: "Trabajar sobre la causalidad nos permite simplificar el análisis de sistemas complejos centrándonos en las alertas esenciales de las causas profundas..."
Como explica Rachid, "EV Observe es ahora capaz de reducir el ruido, es decir, reducir los falsos positivos sin generar falsos negativos. El ajuste de los umbrales en automático es la clave para obtener hasta un 70% de reducción del ruido sin cambiar el paradigma y la organización actuales de los operadores. Nuestro sistema de recomendación se adapta a los procesos actuales de los usuarios con poca gestión del cambio.
Ahora estamos trabajando en el comportamiento para detectar automáticamente cambios anormales del sistema en un gran conjunto de datos."
Rachid Mokhtari, Director de I+D de EasyVista "EasyVista se ha enfrentado a un gran número de modelos de análisis de datos para seleccionar los más relevantes e implementarlos con éxito en EV Observe. EasyVista y el LIG han dedicado mucho tiempo a desarrollar, probar, mejorar y aprobar estos modelos. Esto permite a EasyVista garantizar una mayor fiabilidad de su solución EV Observe al mercado.
© EasyVista 2024. TODOS LOS DERECHOS RESERVADOS