Πώς το AI, το ML και η παρατηρησιμότητα μπορούν να μεταμορφώσουν την κυριαρχία των πληροφοριών του SOCOM

Ο στρατός των ΗΠΑ πρέπει να συλλέξει ροές δεδομένων από χιλιάδες οχήματα πεδίου μάχης, περιβαλλοντικούς αισθητήρες και άλλες ευφυείς συσκευές σε κάθε στρατιωτικό κλάδο και να αναλύσει γρήγορα δεδομένα για να οδηγήσει στη λήψη αποφάσεων σε κλάσματα δευτερολέπτου. Πουθενά δεν ισχύει αυτό περισσότερο από ό,τι για τη Διοίκηση Ειδικών Επιχειρήσεων.

Η SOCOM οργανώνει, εκπαιδεύει και εξοπλίζει ειδικούς χειριστές σε όλες τις στρατιωτικές εντολές του Υπουργείου Άμυνας. Έχει εργατικό δυναμικό 70.000 ατόμων και δραστηριοποιείται στον αέρα, τη γη και τη θάλασσα. Ο Chief Digital and AI Officer, Dan Folliard, ηγείται της στρατηγικής δεδομένων εντοπισμού διαδρομής της εντολής, η οποία επικεντρώνεται στη χρήση δεδομένων, αναλυτικών στοιχείων και τεχνητής νοημοσύνης για τη βελτίωση των επιχειρηματικών λειτουργιών και της εκστρατείας παγκοσμίως.

Ωστόσο, για να πραγματοποιηθεί αυτό το όραμα, απαιτείται μια κρίσιμη βάση: ένα περιβάλλον πληροφορικής υψηλής απόδοσης, αξιόπιστο και ασφαλές.

Τα καλά νέα είναι ότι η SOCOM δεν χρειάζεται να ανακατασκευάσει ή να ξαναχτίσει το εκτεταμένο Περιβάλλον Πληροφοριακών Δυνάμεων Ειδικών Επιχειρήσεων, ή SIE, από την αρχή. Παράλληλα με τη βελτίωση της λήψης αποφάσεων στο πεδίο της μάχης, η τεχνητή νοημοσύνη και η μηχανική μάθηση μπορούν επίσης να βοηθήσουν τους ηγέτες IT στην προληπτική αντιμετώπιση ζητημάτων ψηφιακής απόδοσης και στην επίτευξη υπεροχής αποφάσεων.

Ας διερευνήσουμε βασικές στρατηγικές για τη βελτιστοποίηση του σύνθετου SIE πολλαπλών τομέων της SOCOM και την προώθηση της μετάβασής του σε έναν οργανισμό που βασίζεται σε δεδομένα.

Πλήρης παρατηρησιμότητα

Οι υπεύθυνοι λήψης αποφάσεων και οι πολεμιστές χρειάζονται αδιάλειπτη πρόσβαση στα δεδομένα σε ταχύτητα και κλίμακα. Ωστόσο, η εγγύηση ασφαλούς και απρόσκοπτης απόδοσης απαιτεί την παρακολούθηση ενός εκθετικά τεράστιου αριθμού ανόμοιων συστημάτων, συσκευών αιχμής, δικτύων και τεχνολογιών cloud και εσωτερικής εγκατάστασης σε όλο το SIE.

Διαβάστε  Η Ινδία αναθέτει συμβόλαια για πυραύλους Akash και BrahMos, καθώς και περισσότερα πλοία

Αντί για αποσπασματικές προσεγγίσεις για την παρακολούθηση της υποδομής, η SOCOM θα πρέπει να εξετάσει το ενδεχόμενο εφαρμογής παρατηρησιμότητας σε όλο το δίκτυο. Η παρατηρησιμότητα διαφέρει από την παραδοσιακή παρακολούθηση επειδή απαιτεί μια πιο προληπτική και ολιστική προσέγγιση στη διαχείριση του δικτύου. Μέσω της παρατηρησιμότητας, οι επαγγελματίες πληροφορικής μπορούν να αξιολογήσουν την υγεία και την ασφάλεια ολόκληρου του SIE, συμπεριλαμβανομένων δικτύων, εφαρμογών, βάσεων δεδομένων και υποδομών, ακόμη και υβριδικών περιβαλλόντων.

Με δυνατότητα παρακολούθησης πλήρους στοίβας, οι ομάδες IT σε μονάδες, εντολές και επιχειρηματικές λειτουργίες μπορούν να αναλύσουν τα νησιά δεδομένων, να κατανοήσουν και να οπτικοποιήσουν εύκολα τη συνολική εικόνα και να εξαλείψουν την εξάπλωση των εργαλείων. Μπορούν να παρατηρούν επικοινωνίες από συσκευή σε συσκευή, να κατανοούν σωστά την κίνηση των δεδομένων και να ανιχνεύουν ανωμαλίες. Επιπλέον, η παρατηρησιμότητα αυτοματοποιεί και ενορχηστρώνει κρίσιμες εργασίες παρακολούθησης και διαχείρισης – μια αναγκαιότητα σε τεράστια και πολύπλοκα περιβάλλοντα πληροφορικής.

Ένας βασικός παράγοντας της παρατηρησιμότητας είναι η Τεχνητή Νοημοσύνη για Λειτουργίες IT ή AIOps.

Το AIOps αναπτύσσει τεχνητή νοημοσύνη και ML για να συνθέσει και να αναλύσει αποτελεσματικά μεγάλους όγκους δεδομένων από πολλούς τομείς — προτεραιότητα, αλλά και βασική πρόκληση για τη SOCOM. Αυτό έχει ως αποτέλεσμα γρήγορη και ακριβή ανάλυση απόδοσης και αντιμετώπιση προβλημάτων. Το AIOps παρέχει επίσης ευφυΐα με δυνατότητα δράσης που επιτρέπει στις ομάδες να προβλέπουν πιθανά ζητήματα, όπως η χωρητικότητα χρήσης δικτύου ή εφαρμογών, πριν συμβούν και να καθοδηγούν προληπτικά τις ενέργειες αποκατάστασης.

Χάρη στις δυνατότητες συνεχούς μάθησης του ML, το AIOps προσφέρει επίσης βαθιές γνώσεις για τη βασική αιτία των προβλημάτων και μπορεί να ενεργοποιήσει ροές εργασιών μετριασμού, επιτρέποντας στις ομάδες να επικεντρωθούν στη συνεχή βελτιστοποίηση του περιβάλλοντος πληροφορικής.

Διαβάστε  Η Φινλανδία θα αγοράσει 91 τεθωρακισμένα οχήματα CAVS 6×6 από την Πάτρα

Τα δεδομένα ως πόρος

Για να είναι επιτυχής η παρατηρησιμότητα, η SOCOM πρέπει να διασφαλίσει ότι η προσέγγισή της διαχείρισης απόδοσης με επίκεντρο δεδομένων ευθυγραμμίζεται με τις αρχές διακυβέρνησης δεδομένων του Υπουργείου Άμυνας – γνωστός και ως VAULTIS. Το VAULTIS σημαίνει δημιουργία δεδομένων vείναι δυνατό, έναπροσβάσιμο, uκατανοητός, μεγάλομε μελάνι, tσκουριασμένος, Εγώδιαλειτουργικό και μικρόασφαλίσει.

Καθώς η SOCOM υιοθετεί την παρατηρησιμότητα, οι ακόλουθες κατευθυντήριες αρχές μπορούν να βοηθήσουν:

— Υποστηρίξτε τις πρακτικές διακυβέρνησης δεδομένων για να διασφαλίσετε τα όρια ασφαλείας, το απόρρητο των δεδομένων, τη διαφάνεια και την ελεγχόμενη πρόσβαση.

— Διασφαλίστε την πιστότητα των δεδομένων, που περιλαμβάνει ακρίβεια, πληρότητα, συνέπεια και έγκαιρη διαθεσιμότητα σε ολόκληρη τη στοίβα IT, ανεξάρτητα από τις υποκείμενες τεχνολογίες.

— Δημιουργήστε σχέσεις μεταξύ φόρτου εργασίας και προβολών σε εξαρτήσεις. Αυτό βοηθά στην παροχή πλήρους ορατότητας στους πόρους δικτύου που υποστηρίζουν τις υπηρεσίες, μειώνοντας έτσι τα τυφλά σημεία που σχετίζονται με τα παραδοσιακά εργαλεία δικτύου και βελτιώνοντας την ακρίβεια και την ταχύτητα της ανάλυσης και της αντιμετώπισης προβλημάτων βασικής αιτίας.

Υβριδικές υποδομές

Η περίπτωση χρήσης για την τεχνητή νοημοσύνη και το ML εντός της SOCOM είναι απεριόριστες, καλύπτοντας τον μετασχηματισμό των επιχειρηματικών λειτουργιών στη βελτίωση των καμπανιών παγκοσμίως. Ωστόσο, η τεχνητή νοημοσύνη και η ML, σε συνδυασμό με άλλες καινοτόμες τεχνολογίες, προσφέρουν επίσης στη SOCOM τη μοναδική ευκαιρία να αναβαθμίσει τα δεδομένα σε ένα στρατηγικό περιουσιακό στοιχείο και να επανεξετάσει τον τρόπο διαχείρισης των σύγχρονων υβριδικών αρχιτεκτονικών.

Εάν η SOCOM μάθει να εκμεταλλεύεται τη δύναμη των δεδομένων, της παρατηρησιμότητας και των AIOps για να αντιμετωπίζει προληπτικά ζητήματα απόδοσης SIE, η εντολή μπορεί να επιτύχει μια υποδομή πολλαπλών τομέων που είναι διαλειτουργική, αξιόπιστη, διαφανής, ασφαλής και υψηλής απόδοσης. Αυτό, με τη σειρά του, απελευθερώνει τις ομάδες να επικεντρώσουν τις προσπάθειές τους στην ανάπτυξη εφαρμογών και εργαλείων αιχμής που αξιοποιούν την τεχνητή νοημοσύνη και την ML με καινοτόμους και πρωτοποριακούς τρόπους.

Διαβάστε  Τα κύρια άρματα μάχης Leopard 1A5 βγαίνουν από την αποθήκευση για την Ουκρανία

Και είναι ένα επαναλαμβανόμενο σχέδιο (ή «χρυσό πρότυπο») που μπορούν να ακολουθήσουν όλες οι υπηρεσίες του Υπουργείου Άμυνας.

Ο Krishna Sai είναι υπεύθυνος για την Τεχνητή Νοημοσύνη για Λειτουργίες IT ή AIOps, διαχείριση υπηρεσιών και χαρτοφυλάκια βάσεων δεδομένων στη SolarWinds, μια εταιρεία με έδρα το Όστιν του Τέξας που αναπτύσσει λογισμικό για επιχειρήσεις για να βοηθήσει στη διαχείριση των δικτύων, των συστημάτων και της υποδομής τεχνολογίας πληροφοριών τους.

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται.