Rolando Bonaccorsi analisa o avanço do AIOps nas operações de TI

Diretor de Operações da Vert Analytics, ele defende que observabilidade e decisão orientada a dados reduzem o tempo de resposta a incidentes complexos.

Ambientes de tecnologia que operam em grande escala geram volume de dados operacionais que já ultrapassa a capacidade de análise manual de qualquer equipe humana. É nesse contexto que ferramentas de AIOps ganham espaço, aplicando inteligência artificial à análise de operações de TI. Rolando Bonaccorsi, Diretor de Operações da Vert Analytics e especialista em gestão de operações de TI e excelência em serviços, acompanha essa transição de perto. Este conteúdo analisa como AIOps e automação inteligente têm mudado a forma como equipes de operações monitoram e respondem a incidentes. O objetivo é situar o leitor sobre o que distingue essa nova geração de ferramentas das abordagens de monitoramento mais tradicionais, ainda comuns em boa parte das operações de tecnologia.

O que diferencia AIOps de monitoramento tradicional?

Monitoramento tradicional costuma gerar alertas baseados em limites fixos, como uso de CPU acima de determinado percentual, sem considerar o contexto mais amplo da operação. AIOps aplica modelos de inteligência artificial para identificar padrões anômalos com base em comportamento histórico, reduzindo tanto alertas falsos quanto a chance de um problema real passar despercebido. Esse tipo de ganho de precisão se torna especialmente relevante em ambientes de grande escala, em que o volume de eventos gerados diariamente inviabiliza qualquer tentativa de análise puramente manual.

Rolando Bonaccorsi observa que essa mudança de abordagem exige maturidade de dados, já que modelos de inteligência artificial dependem de histórico consistente de eventos anteriores para identificar padrões com precisão adequada. Ambientes que ainda não possuem esse tipo de maturidade tendem a obter resultados limitados na implementação de AIOps, mesmo utilizando ferramentas tecnicamente avançadas. Nesse sentido, organizações que ainda dependem de sistemas fragmentados e pouco padronizados de coleta de dados tendem a enfrentar mais dificuldade na implementação de AIOps do que aquelas que já investiram previamente em consolidar suas fontes de dados operacionais.

Como a observabilidade se conecta à decisão orientada a dados?

Observabilidade vai além do monitoramento tradicional ao permitir que equipes entendam não apenas se um sistema está funcionando, mas por que determinado comportamento está ocorrendo, correlacionando métricas, logs e traces de diferentes componentes de uma arquitetura distribuída. Rolando Bonaccorsi reforça que essa visibilidade ampliada é o que permite decisões mais rápidas durante incidentes, já que reduz o tempo gasto tentando localizar a origem real de um problema. Em termos práticos, isso significa que uma equipe consegue identificar, em minutos, uma correlação entre um problema de rede e uma lentidão percebida pelo usuário final, correlação que levaria horas para ser identificada manualmente. Rolando Bonaccorsi reforça que essa velocidade de diagnóstico costuma ser o fator que mais diferencia operações maduras de operações ainda em processo de amadurecimento tecnológico.

Sem observabilidade adequada, equipes de operação costumam gastar mais tempo diagnosticando um incidente do que efetivamente corrigindo-o, já que a causa raiz permanece obscura em meio a múltiplos sistemas interconectados. Rolando Bonaccorsi destaca que investir em observabilidade, portanto, não é apenas uma questão técnica, mas uma decisão estratégica que impacta diretamente o tempo médio de recuperação de incidentes. Esse tipo de investimento tende a se pagar rapidamente em operações de missão crítica, nas quais cada minuto adicional de indisponibilidade pode representar impacto financeiro ou reputacional significativo.

Qual o papel dos agentes de IA no dia a dia operacional?

Agentes de inteligência artificial aplicados a operações de TI já conseguem executar tarefas de triagem inicial e até resolver automaticamente incidentes recorrentes de baixa complexidade, sem necessidade de intervenção humana imediata. Rolando Bonaccorsi pontua que esse tipo de automação libera equipes técnicas para focar em problemas realmente complexos, que ainda exigem raciocínio humano e conhecimento contextual difícil de replicar integralmente. Do mesmo modo, esse tipo de automação reduz a fadiga de alertas enfrentada por equipes de operação, um problema recorrente em ambientes que geram grande volume de notificações.

Essa combinação entre AIOps, observabilidade e agentes de automação inteligente representa, segundo a leitura de Rolando Bonaccorsi, o próximo estágio de maturidade para operações de tecnologia. A tendência é que essa adoção se intensifique à medida que mais organizações constroem a base de dados necessária para sustentar modelos de inteligência artificial aplicados a operações críticas. Essa evolução tecnológica não elimina a necessidade de profissionais experientes na equipe, mas muda o tipo de trabalho que eles realizam, deslocando o foco de tarefas repetitivas para decisões estratégicas sobre arquitetura e resiliência de longo prazo.

A OESP não é(são) responsável(is) por erros, incorreções, atrasos ou quaisquer decisões tomadas por seus clientes com base nos Conteúdos ora disponibilizados, bem como tais Conteúdos não representam a opinião da OESP e são de inteira responsabilidade da Agência Saftec