DevOps 向けの生成 AI: 現実的な視点

Generative AI により、DevOps チームは退屈な重複を排除し、自動化を強化し、複雑なワークフローを単純な会話アクションに圧縮できます。

# 生成 AI の概念は、最小限の人的入力から新しいコンテンツを作成できる機械学習アルゴリズムを説明します。この分野はここ数年で急速に成長し、テキスト作成ツール ChatGPT やフォトリアリスティックな画像作成ツール DALL-E2 などのプロジェクトが主流の注目を集めています。

ただし、Generative AI はコンテンツ クリエイターだけを対象としたものではありません。また、ソフトウェア エンジニアリングと DevOps におけるテクノロジーの仕事を変革する態勢も整っています。たとえば、物議を醸している「AI ペア プログラマー」の GitHub Copilot は、すでにコードの記述方法の再考を促していますが、DevOps の世界では協調型 AI の可能性はまだ十分に探求されていません。

この記事では、生成 AI によって DevOps チームが退屈な重複を排除し、自動化を強化し、複雑なワークフローを単純な会話アクションに圧縮できる未来に目を向けます。その前に、生成 AI によって改善できる DevOps の問題について詳しく見ていきましょう。

DevOps の何が問題になっているのでしょうか?

DevOps は解決には程遠いです。 DevOps の考え方の採用は年々急速に増加していますが、そのプロセスは依然として多くのツール、限られた人材プール、部分的にしか自動化されていない反復的なタスクに依存しています。

DevOps エンジニアは、展開の承認、環境ステータスの確認、基本的な構成ファイルの構築など、大きなビジネス価値に貢献しない単純なタスクに多大な時間を費やしてしまうことがあります。避けられない作業ではありますが、これらの作業は雑務であり、最終製品には直接貢献しません。これらは AI 処理を生成するための有力な候補でもあり、ChatGPT と Copilot (または Copilot を構築する OpenAI Codex) の両方がプレッシャーをいくらか軽減してくれるかもしれません:

これらは共通の構成ファイルとテンプレートを設定できます。したがって、エンジニアはDoする必要はありません。
• コンテキストに関連したスニペットを提案することで、チーム メンバーが新しいスキルを習得できるようにします。これにより、必要に応じて支援が提供されるため、スキルアップの学習曲線が短縮されます。
• これらは、新しい資産の構築に必要な時間を短縮し、それらの一貫性を高めることで、保守性の向上に役立ちます。

ただし、既存のシステムはコンテンツ生成に焦点を絞っているため制限があります。 DevOps アシスタントが、ワークフロー ステップをトリガーして状態変更を適用するためのインテント ベースおよびアクション ベースのエクスペリエンスも提供できれば、さらに強力になります。たとえば、Copilot のコード作成者と双方向の会話インターフェイスを統合するエクスペリエンスを想像してください。

アシスタントにオンデマンドでプロセスを開始するように依頼し、必要に応じて入力を求めることができます。
• 開発者は、本番環境へのデプロイメントのリクエストなど、機密性の高いタスクにセルフサービスでアクセスできます。 AI は、AI に代わって安全に操作を実行し、エラーのリスクを最小限に抑え、開発者とインフラストラクチャの間にセキュリティ障壁を作成します。 AI アシスタントは、プログラムを送信する前に関連するチーム メンバーにレビューを要求して、全員がプラットフォームへの変更を確実に認識できるようにすることもできます。
• AI は、監視指標が変化したときにリアルタイムでアラートを送信できます。たとえば、展開が失敗した場合、セキュリティの脆弱性が検出された場合、またはパフォーマンスがベースラインから逸脱した場合、メッセージが表示され、すぐにアクションを実行することができます。

重要なのは、これらの能力は人間に取って代わるものでも、人間の役割を根本的に変えるものでもありません。この形式の AI は、日常的で一貫した安全メカニズムを処理することでエンジニアリング能力を強化します。これにより、DevOps チームはより短い時間でより有意義な作業を完了できるようになります。

DevOps とジェネレーティブ AI の未来

ジェネレーティブ AI には、DevOps の仕組みを再定義する大きな可能性があります。ここでは、それが支配するであろう 3 つの具体的な分野を紹介します。

1. 自動障害検出と推奨される修復措置

障害は、開発者と運用保守担当者にとって共通の問題です。これらは、修復を優先するために即座にコンテキストを切り替えることを強制する予測不可能な中断です。残念ながら、これは生産性に影響を与え、リリースの進行を遅らせ、修復作業が計画どおりに進まない場合にフラストレーションを引き起こす可能性があります。

人工知能エージェントは障害を検出し、その原因を調査できます。さらに、分析を生成機能および過去の障害に関する知識と組み合わせて、表示されたアラートのコンテキスト内で即時のアクションを推奨できます。

簡単な Kubernetes の例を考えてみましょう: アシスタントは本番環境の停止に気づき、リソースの制約によりポッドが削除されたことを認識し、ポッドの再起動、クラスターのスケール変更、またはその他の放棄されたリソースの終了を行うためのアクション ボタンを提供します。チームは手動でのトラブルシューティングに何分も費やすことなく、ワンクリックでインシデントを解決できます。

2. オンデマンドのコード/構成の生成と展開

生成 AI 用のコードを作成できる機能は、信じられないほどの価値をもたらします。会話の意図を階層化することで、よりアクセスしやすく便利になります。たとえば、チャット インターフェイスに短いメッセージを書き込むことで、AI エージェントに新しいプロジェクト、構成ファイル、または Terraform 状態定義をセットアップするように依頼できます。エージェントは、テンプレートのプレースホルダーに値を入力するよう求め、コンテンツをレビューする準備ができていることを適切な関係者に通知できます。

承認されると、AI は元の開発者に通知し、プロジェクトをライブ環境で起動し、展開を表示して反復を開始するためのリンクを提供します。これにより、開発者向けに、いくつかの異なるシーケンスが 1 つのセルフサービス操作に凝縮されます。運用チームは、プロジェクト リソースを事前に手動でプロビジョニングする必要がなくなり、自分たちのタスクに集中できるようになります。

3. プロンプト主導型のオンデマンド ワークフロー管理

次世代 AI エージェントは、単純なテキストや写真の作成を超えて、完全に自動化されたプロンプト主導型のワークフローをサポートします。たとえば、双方向 AI を使用すると、自然言語を使用して「本番クラスターの再起動」などのプロセスを開始し、AWS ECS リソースと対話できます。使用しているプラ​​ットフォームや実行する具体的な手順を AI に指示する必要はありません。たとえば、Kubiya.ai ではこれを最大限に活用し、自然言語プロンプトを通じて任意の DevOps ワークフローを作成するオプションをお客様に提供しています。

これらのエージェントの言語モデルは、クラウド サービスの語彙に基づいてトレーニングされます。クラスターの再起動を要求すると、エージェントはドメインの知識を使用してユーザーの言葉を解釈します。たとえば、「実稼働」クラスターが AWS で実行されていることを認識しているため、クラスターの詳細を取得し、ecs.UpdateService などの正しい API 呼び出しを実行してクラスターを再起動する必要があります。あなたの言葉は、完全に機能するワークフローに直接変換されます。

さらに、双方向の側面は、AI エージェントが時間の経過とともにより強力になることを意味します。ワークフローの実行を開始すると、エージェントもワークフローについてトレーニングを受け、将来のシナリオに対して同様のプロセスを提案し、各ワークフローが実際に行う内容を説明できるようになります。

このアプローチにより、開発者は運用チームに関与することなく、より多くのことを行うことができます。 AI エージェントは人間とインフラストラクチャ プラットフォームの間を仲介し、セキュリティを損なうことなく、誰でも一貫してワークフローを起動できるようにします。ワークフローの一部として、エージェントは、「新しい VM の追加」を依頼するときなど、関連する時点で入力を求めることができ、クラウド アカウント、データセンター リージョン、マシン タイプ、価格レベルの選択を求めます。

重要なポイント: ジェネレーティブ AI は作業を安全に加速します

ジェネレーティブ AI の DevOps ユースケースは、アクセシビリティ、セキュリティ、信頼性を向上させながら、主要なタスクを加速します。さらに、開発者は使い慣れたプロセスを繰り返し実行して結果を待つのではなく、新機能の進歩に集中できるようになります。

会話を継続できるほど賢いエージェントは、チームのもう 1 人のメンバーのようなものです。これらは、組織のセキュリティおよびコンプライアンス ポリシーへの完全なコンプライアンスを確保しながら、特定のツールに不慣れな開発者にサポートを提供します。これらのセキュリティ対策によりコード ベースが保護され、開発者はあらゆるワークフローを開始できるという安心感が得られます。さらに、DevOps チームとのやり取りの数を減らすと、効率が向上し、フィードバック ループが強化されます。

生成 AI も静的なエクスペリエンスではありません。インタラクションを分析してユーザーの意図をより正確に判断するため、時間の経過とともに改善されます。たとえば、最初にクエリを入力したときに提案が適切でなかった場合、あなたや他の人がリクエストを繰り返し、さまざまなアクションを実行するにつれて改善されることが期待できます。

人工知能エージェントは、人間の不足している知識もサポートします。これにより、開発者は、関連する一部の手順、ツール、用語に慣れていない場合でも、プロセスを開始できます。 AI は、「どのインスタンスが失敗しましたか?」などの質問のギャップを埋めることができます。実稼働クラスター内の Kubernetes ポッドを参照していることを理解してください。これらの機能により、AI は人間の能力を効果的に補完し、チームを支援する手がかりの源となります。

AI の生成には ROI が重要です

AI を定期的に使用する組織は、エージェントがニーズをよりよく予測するため、最良の結果を達成する可能性が高くなります。ただし、ワークフローに AI を追加する場合は、やりすぎないことも重要です。最も成功した導入は、実際のビジネス ニーズの解決に重点を置いています。まず、プロセスを評価して開発チームと運用チームの間のボトルネックを特定し、次に AI を使用してそれらの繰り返しのユースケースをターゲットにします。

選択したソリューションは、より多くの問題を解決したり、インシデントをより迅速に解決したりするなど、KPI の達成に役立つものでなければなりません。そうしないと、AI エージェントが十分に活用されず、自然な操作手順が妨げられてしまいます。

概要

生成 AI は、今日最も急速に成熟しているテクノロジーの 1 つです。その結果、より多くの研究者、消費者、組織がその機能を探索し始めたため、ChatGPT は一定レベルの普及を獲得しました。 DALL-E2 も同様に目覚ましい結果を達成し、最初の 12 か月間で 120 万人以上の開発者が GitHub Copilot を使用しました。

3 つのテクノロジはいずれも明らかな革命的な可能性を示していますが、長期的に最も恩恵を受ける可能性があるのは、DevOps のハイブリッドで非常に複雑なワークフローです。たとえば、DevOps では、コードや構成などの新しい資産の作成と、展開の承認やレビュー要求などの一連のプロセスが組み合わされます。

一部の部外者の予測に反して、DevOps 向けの生成 AI は、通常のファイル スニペットの単純なテンプレートを超えて、完全なワークフローの自動化を実現するでしょう。簡単な会話フレーズを使用して、新しいクラウド リソースのプロビジョニングから運用パフォーマンスのチェックまで、お客様に代わって特定のアクションを実行するようにエージェントに指示できます。その結果、エージェントはリアルタイムの双方向フィードバック ループを提供して、コラボレーションを改善し、生産性を向上させ、開発者が直面する日常のストレスを軽減します。

以上がDevOps 向けの生成 AI: 現実的な視点の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。