Rapporto Gartner

Gartner® Magic Quadrant™ 2022 per le piattaforme di gestione dei servizi IT

Casi di Successo

Vuoi saperne di più su ITSM, ESM, self-service, gestione della conoscenza, AI e come aiutiamo i nostri clienti a prosperare? Dai un'occhiata ai nostri casi di studio.

Centro Risorse

Ci impegniamo a fornire risorse che ti aiutino a soddisfare tutte le tue esigenze di software ITSM.

Webinars ed Eventi

Rimani aggiornato sui nostri ultimi webinar ed eventi ITSM, ITOM o ESM ora.

Le ultime su EV

Rimani aggiornato sulle ultime novità ed eventi per EasyVista.

MIAI: Istituto di intelligenza artificiale di Grenoble

EV Observe l'intelligenza artificiale potenziata dagli esperti dell'Istituto AI di Grenoble

Il contesto

MIAI Grenoble Alpes è un istituto multidisciplinare di intelligenza artificiale con sede a Grenoble. Questo centro di competenze è diretto da Eric Gaussier, ex direttore del Laboratorio di Informatica di Grenoble (LIG).

Nel 2014, nell'ambito di un progetto governativo "Fond Unique Interministériel" - un programma che permette di finanziare progetti di R&S da lanciare sul mercato a breve o medio termine combinando le competenze di grandi aziende, PMI e laboratori - EasyVista e LIG hanno unito le forze e avviato una serie di progetti congiunti: in 6 anni sono stati affrontati 4 temi di Intelligenza Artificiale, coinvolgendo circa 20 esperti e pubblicando 10 articoli su riviste scientifiche!

Vi sveliamo cosa c'è in gioco in questi progetti di collaborazione altamente specializzati...

Pochi team in Francia sono interessati a scoprire le relazioni causali nelle serie temporali. Grazie al loro lavoro in questo campo, EasyVista e il Laboratorio informatico di Grenoble hanno acquisito conoscenze all'avanguardia nel campo della causalità.

Questioni commerciali

Oltre alla scalabilità dell'EV Observe, il lavoro di ricerca con LIG mirava ad aggiungere l'intelligenza artificiale al monitoraggio per affrontare i seguenti utilizzi

Riduzione dei falsi positivi e dei falsi negativi

Il mercato registra un numero di falsi positivi compreso tra il 30 e l'80% per una soluzione di monitoraggio classica.

Ad esempio: su una media di 50 incidenti al giorno, 25 di essi non sono realmente incidenti. Ciò è dovuto a soglie non correttamente configurate: troppo alte o troppo basse.

Ciò significa che gli operatori passano metà del loro tempo su avvisi che non sono incidenti o non sono prioritari: tempo speso in azioni inutili, perdita di fiducia nella soluzione di monitoraggio...

Previsione dell'incidente

Quando si verifica un problema critico, i team operativi sono in modalità "pompiere", concentrati sull'emergenza. Sia durante il giorno che in servizio, lo stress generato è enorme e la pressione da parte della direzione o degli utenti è difficile da gestire.

Anticipare gli incidenti con largo anticipo è quindi una soluzione per un modo di lavorare organizzato e tranquillo, che allo stesso tempo consente una migliore qualità del servizio e quindi tassi di disponibilità più elevati delle applicazioni aziendali.

Identificare la fonte di un problema il più presto possibile - Analisi delle cause principali

Arrivare all'origine di un problema complesso richiede tempo. L'obiettivo è ridurre il più possibile questo tempo di risoluzione attraverso l'analisi e il ragionamento assistito dall'intelligenza artificiale.

PERCHÉ EV OBSERVE ?

La risposta

I team di ricerca LIG sono interessati a dati di produzione reali per testare e dimostrare i loro algoritmi. EasyVista, con la sua piattaforma di monitoraggio SaaS EV Observe e i suoi flussi in tempo reale di milioni di punti dati, era quindi il candidato giusto".

Come spiega Eric, "Le nuove sfide si concentrano sulle relazioni causali e non solo sulle correlazioni tra gli oggetti. Questo approccio è nuovo, difficile e non ben affrontato in LIG. Ecco perché il progetto di 'analisi causale' di EV Observe ha permesso a LIG di far progredire questo ampio dominio della causalità con casi d'uso reali".

 

Traitment des donnees en temps reel

 

Vantaggi

  • Scalabilità e robustezza della piattaforma di monitoraggio

Come risultato di questi 4 anni di ricerca, EasyVista ha ora forti competenze in materia di Big Data. Pochi editori sul mercato sono riusciti a passare a queste tecnologie complesse.

  • Aumentare la disponibilità delle applicazioni critiche

Inserendo algoritmi in questo "grande motore" che sono i Big Data, la previsione di allarmi nel futuro prossimo (+2 ore, +15 ore, ecc.) o in quello più lontano (+3 mesi, +15 mesi, ecc.) consente di risparmiare tempo di attività e di ridurre la pressione sui team operativi, sia durante l'orario di lavoro che, soprattutto, nei periodi di reperibilità.

Rachid: "Lavorare sulla causalità ci permette di semplificare l'analisi di sistemi complessi, concentrandoci sulle avvertenze essenziali delle cause principali...".

  • Migliorare il rapporto costo-efficacia dei sistemi di monitoraggio attraverso una maggiore efficienza dell'operatore e dell'automazione

Come spiega Rachid, "EV Observe è ora in grado di ridurre il rumore, cioè di ridurre i falsi positivi senza generare falsi negativi. La regolazione automatica della soglia è la chiave per ottenere una riduzione del rumore fino al 70% senza modificare il paradigma e l'organizzazione attuali degli operatori. Il nostro sistema di raccomandazione si adatta ai processi attuali degli utenti con una gestione minima delle modifiche.

Ora stiamo lavorando sul comportamento da adottare per rilevare automaticamente i cambiamenti anomali del sistema in un ampio set di dati".

 

EB Observe Semantic Segmentation

 
 

Rachid Mokhtari, Direttore della Ricerca e Sviluppo di EasyVista "EasyVista ha dovuto confrontarsi con un gran numero di modelli di analisi dei dati per selezionare quelli più rilevanti e implementarli con successo in EV Observe. EasyVista e LIG hanno impiegato molto tempo per sviluppare, testare, migliorare e approvare questi modelli. Ciò consente a EasyVista di garantire una maggiore affidabilità della sua soluzione EV Observe al mercato.