Блог

ИИ ускоряет внедрение DevOps, а некачественная интеграция — замедляет

По мере того как ИИ ускоряет процесс выпуска программного обеспечения, настоящим узким местом становится не сканирование и не непрерывная интеграция. Проблема заключается в том, насколько безопасно и предсказуемо изменения проходят через различные инструменты, команды и компании.

Но почему-то конвейер доставки от начала до конца не кажется намного быстрее. Эскалации по-прежнему теряются между командами, а обновления статуса по-прежнему приходят с опозданием, неверно или не приходят вовсе. Узкое место сместилось, и большинство организаций не успели понять, куда оно переместилось.

Проблема больше не в коде. Проблема заключается в разрывах между инструментами.

ИИ сделал отдельные инструменты умнее, не исправив связи между ними

Генерация кода происходит быстрее, обнаружение уязвимостей стало более надежным, а шум инцидентов фильтруется до того, как он доходит до дежурного инженера.

Но каждый из этих инструментов работает в своем собственном мире. Заявка Jira находится в Jira, запрос Zendesk — в Zendesk, а инцидент ServiceNow — в ServiceNow.

ИИ сделал каждый инструмент умнее в пределах его собственной границы. Он практически ничего не сделал для того, что происходит, когда данные должны переходить из одного инструмента в другой.

А в любой организации средней сложности именно при пересечении границ происходит настоящая работа.

Налог на интеграцию, который никто не закладывает в бюджет

Клиент сообщает об ошибке через портал Zendesk. Служба поддержки классифицирует ее и добавляет в Jira, чтобы инженеры могли принять меры.

Но заявка в Zendesk и рабочий элемент в Jira — это два отдельных объекта в двух отдельных системах, которыми занимаются две разные команды с двумя разными рабочими процессами.

Кто-то копирует информацию вручную или делится ею через Slack. Или срабатывает базовый веб-хук и создает заглушку тикета. В любом случае, что-то теряется по пути.

Уровень приоритета клиента, обновления статуса и настраиваемые поля (среда, затронутая версия, шаги воспроизведения), которые важны для инженеров, не передаются.

Почему традиционные подходы к интеграции не работают

У большинства организаций есть какая-то версия инфраструктуры интеграции: нативные коннекторы, платформы iPaaS, пользовательские скрипты и код-связующее REST API, поддерживаемый собственными силами.

Эти подходы достаточно хорошо работают для простых сценариев, таких как синхронизация поля статуса и отправка уведомления. Но они быстро дают сбой, когда требования становятся сложными.

Эти проблемы не исчезают, когда вы привязываете ИИ к отдельным инструментам. На самом деле они усугубляются, поскольку ИИ увеличивает объем и скорость изменений в конвейере.

Это означает больше автоматизированных PR, больше инцидентов с автоматической сортировкой и еще больше обновлений статуса, генерируемых машиной. Если ваш уровень интеграции не может идти в ногу, более быстрые инструменты просто создают больший бэклог в каждой точке передачи.

Где ИИ действительно помогает интеграции (при правильном применении)

Настройка простым языком

На настройку, тестирование и развертывание традиционной интеграции Jira-to-ServiceNow уходит от двух до трех недель. Настройка с помощью ИИ с использованием такого инструмента, как Aida, сокращает это время до нескольких часов.

Вы описываете то, что вам нужно, в разговорном стиле: «Синхронизировать инциденты с высоким приоритетом из ServiceNow как ошибки. Синхронизировать внутренние комментарии и обновлять статусы в обоих направлениях».

ИИ генерирует рабочие скрипты Groovy на основе фактических схем обеих систем. Вы проверяете, тестируете и развертываете.

Сопоставление статусов и настраиваемых полей

«Открыто» в Zendesk не означает «Открыто» в Jira. «В ожидании» сопоставляется с «В процессе» в одних рабочих процессах и с «К выполнению» в других. Добавьте пользовательские поля, раскрывающиеся списки и поля, которые существуют только на одной стороне, и ручное сопоставление перестанет работать.

ИИ для создания скриптов анализирует схемы на обоих концах и предлагает сопоставления на основе имен полей, типов данных и шаблонов использования. Вместо того чтобы вручную создавать скрипты для каждого перехода статуса, вы описываете сопоставление, а ИИ генерирует условную логику.

Кроме того, пользователи могут объединять несколько тикетов Zendesk в один рабочий элемент Jira или автоматически направлять теги «feature-request» в Stories, а теги «bug» — в Bugs в разных проектах Jira.

Межкорпоративная интеграция

Для MSP, обменивающихся данными тикетов с клиентами, поставщиков, синхронизирующихся с партнерами по внедрению, и предприятий, координирующих работу с поставщиками, каждой стороне необходимо независимо контролировать, чем она делится и как входящие данные сопоставляются внутри организации.

Обработка ошибок и устранение неполадок

Во время массовых операций происходит таймаут API, меняются схемы и достигаются лимиты скорости. Устранение неполадок на основе ИИ анализирует ошибку в контексте, объясняет ее и предлагает исправления на основе ваших конкретных правил синхронизации.

В масштабе это разница между 15-минутным исправлением и дневной пожарной тревогой.

Замкнутый цикл «от продаж к поддержке»

Клиент создает заявку в Salesforce с просьбой об обновлении продукта. Служба поддержки должна оценить ее в Freshdesk или Zendesk. Если обе системы не синхронизированы, кто-то копирует детали вручную и надеется, что контекст не будет утерян по пути.

Благодаря интеграции с искусственным интеллектом данные учетной записи, детали SLA и настраиваемые поля автоматически реплицируются на основе триггеров. Когда служба поддержки решает проблему, обновления статуса поступают обратно в Salesforce.

В случае эскалации в инженерный отдел тикет Zendesk с тегом «VIP» и критическим приоритетом автоматически создает баг P1 в Jira на доске спринта соответствующей команды с вложениями и сводкой переписки.

Узкое место устранено, но изменилась ли ваша архитектура?

ИИ ускоряет процесс кодирования и тестирования.

Но доставка программного обеспечения — это система, а не набор инструментов. И в любой системе ограничение перемещается к самому слабому звену. Сейчас этим звеном является уровень интеграции: место, где изменения, данные и контекст перемещаются между инструментами, командами и компаниями.

Организации, осознающие этот сдвиг, будут рассматривать интеграцию как первостепенную задачу и создавать архитектуры, которые обрабатывают межкорпоративный обмен данными с той же тщательностью, что и внутренние конвейеры.

Остальные будут продолжать задаваться вопросом, почему все эти инвестиции в ИИ не сделали их работу значительно быстрее.

Читайте также

Подписывайтесь на наш канал в Телеграм

⚡ Подписаться
devops