برای کاهش مشکلات مهارت‌های DevOps، از قضا به مهارت‌های هوش مصنوعی بیشتری نیاز داریم.
هنگامی که هوش مصنوعی با سایت های IT شروع به کار کرد، به ایجاد یک فرورفتگی در جریان های کاری DevOps که فرآیند فشرده ای دارند کمک می کند. نزدیک به دو سوم مدیران در نظرسنجی (65 درصد) می‌گویند که تست نرم‌افزار کاربردی برای توسعه‌دهندگان توسعه‌یافته با هوش مصنوعی بسیار مناسب است و سود زیادی از آن خواهد داشت. نویسندگان این نظرسنجی خاطرنشان می‌کنند: «موفقیت DevOps نیازمند اتوماسیون تست در مقیاس است، که حجم عظیمی از داده‌های آزمایشی پیچیده را تولید می‌کند و نیاز به تغییرات مکرر در موارد آزمایشی دارد». این کاملاً با قابلیت‌های هوش مصنوعی برای شناسایی الگوها در مجموعه داده‌های بزرگ و ارائه بینش‌هایی که می‌تواند برای بهبود و تسریع فرآیند آزمایش استفاده شود، همسو است.»
هوش مصنوعی و یادگیری ماشین نیز در حال یافتن خانه در یکی دیگر از حوزه‌های نوظهور فناوری اطلاعات هستند: کمک به تیم‌های DevOps در تضمین دوام و کیفیت نرم‌افزاری که با سرعت‌های سریع‌تر از طریق سیستم و به کاربران ارائه می‌شود.
این نظرسنجی در کنار کاهش بالقوه مهارت‌های مورد نیاز، مزایای زیر را برای القای هوش مصنوعی بیشتر به DevOps شناسایی کرد:
بهبود تجربه مشتری: 48٪
کاهش هزینه ها: 45%
افزایش کارایی تیم های توسعه دهنده: 43%
افزایش کیفیت کد: 35%
تشخیص مشکلات: 25%
افزایش سرعت انتشار: 22%
دانش کدگذاری: 22%
جلوگیری از نقص: 19%
همچنین: طبق نظرسنجی، پروژه‌های هوش مصنوعی در سال گذشته ده برابر رشد کرده‌اند
در همان زمان، فقدان مهارت‌های مورد نیاز برای توسعه و اجرای تست نرم‌افزار مبتنی بر هوش مصنوعی توسط مدیران به عنوان یکی از موانع اصلی توسعه‌دهندگان مبتنی بر هوش مصنوعی با 44 درصد ذکر شد. این یک چرخه معیوب است که امیدواریم با شرکت متخصصان بیشتری در برنامه‌های آموزشی و آموزشی متمرکز بر هوش مصنوعی و یادگیری ماشین، اصلاح شود.
همچنین: وقت آن رسیده است که تیم های فناوری صدای خود را در تجربه مشتری بیابند
اضافی نظر سنجی خارج از Techstrong Research و Tricentis این روند را تایید می کند. نظرسنجی از 2600 تمرین‌کننده و رهبر DevOps نشان می‌دهد 90 درصد از آنها در مورد تزریق هوش مصنوعی بیشتر به مرحله آزمایش جریان‌های DevOps موافق هستند و آن را راهی برای رفع کمبود مهارت‌هایی می‌دانند که با آن مواجه هستند. (Tricentis یک فروشنده تست نرم افزار است که سهم آشکاری در نتایج دارد. اما داده ها قابل توجه هستند زیرا نشان دهنده تغییر رو به رشد به سمت رویکردهای DevOps مستقل تر است.)
گتی ایماژ
حتی یک تناقض وجود دارد که از مطالعه Techstrong و Tricentis پدیدار شد: شرکت‌ها به مهارت‌های تخصصی نیاز دارند تا نیاز به مهارت‌های تخصصی را کاهش دهند. حداقل 47 درصد از پاسخ‌دهندگان اظهار داشتند که یکی از مزایای اصلی توسعه‌دهندگان مبتنی بر هوش مصنوعی این است که شکاف مهارت‌ها را کاهش می‌دهد و «اجرای وظایف پیچیده‌تر را برای کارمندان آسان‌تر می‌کند».
همچنین:نظرسنجی نشان می‌دهد که نیروانای DevOps هنوز برای بسیاری یک هدف دور است
همچنین:درک چشم انداز بزرگ مایکروسافت برای ساختن نسل بعدی برنامه ها
پذیرندگان اولیه DevOps های تقویت شده با هوش مصنوعی معمولاً از سازمان های بزرگتر هستند. این تعجب‌آور نیست، زیرا نگرانی‌های بزرگتر باعث می‌شود تیم‌های توسعه‌یافته‌تر DevOps و دسترسی بیشتری به راه‌حل‌های پیشرفته مانند هوش مصنوعی داشته باشند.
در دراز مدت، تزریق هوش مصنوعی برای کمک به جنبه های حیاتی DevOps یک ایده هوشمندانه است. فرآیند DevOps، با همه همکاری‌ها و اتوماسیون‌هایش، تنها خسته‌کننده‌تر می‌شود، زیرا انتظار می‌رود نرم‌افزار با سرعتی سریع از در خارج شود. رسیدگی به بسیاری از جنبه های طاقت فرسا مانند آزمایش و نظارت را به ماشین ها بسپارید.
همانطور که در یک نظرسنجی اخیر از GitHub مشخص شد، تیم‌های توسعه و عملیات به طور گسترده‌ای به هوش مصنوعی روی آورده‌اند تا جریان کد را در مرحله بررسی و آزمایش نرم‌افزار هموار کنند، به طوری که 31 درصد از تیم‌ها به طور فعال از الگوریتم‌های AI و ML برای بررسی کد استفاده می‌کنند. — بیش از دو برابر تعداد سال گذشته. این نظرسنجی همچنین نشان می‌دهد که 37 درصد از تیم‌ها از AI/ML در تست نرم‌افزار استفاده می‌کنند (در مقایسه با 25 درصد)، و 20 درصد دیگر قصد دارند آن را در سال جاری معرفی کنند.
گزارش شده است که هوش مصنوعی هوش را در کسب و کارها تقویت می کند و همین کار را برای فروشگاه های فناوری اطلاعات نیز انجام می دهد. به عنوان مثال، AIOps (هوش مصنوعی برای عملیات فناوری اطلاعات) هوش مصنوعی و یادگیری ماشینی را در جریان داده‌ها از فرآیندهای فناوری اطلاعات به کار می‌گیرد و نویز را برای شناسایی، نورافشانی و رفع مشکلات بررسی می‌کند.
نویسندگان Techstrong و Tricentis خاطرنشان می‌کنند: «از نظر DevOps، این شرکت‌های بالغ با پیشرفتی که در ساده‌سازی قابلیت‌های توسعه نرم‌افزار خود در پنج تا هفت سال گذشته و خطوط لوله و فرآیندهای بالغ و تصفیه‌شده‌شان داشته‌اند مشخص شده‌اند. این سازمان‌های DevOps بومی ابر هستند و از خطوط لوله گردش کار DevOps، زنجیره‌های ابزار، اتوماسیون و فناوری‌های ابری استفاده می‌کنند.»
