BMC lanzó AIOps (AMI Operational Insight), una solución centrada en Inteligencia Artificial que utiliza Machine Learning para detectar anomalías y maximizar el tiempo de espera de corrección para mitigar los problemas de Mainframe antes de que se conviertan en problemas de negocios.
El mercado actual, en transformación rápida, con dinámicas cambiantes y desafíos de los competidores, requiere que las compañías estén optimizadas para ofrecer un mayor rendimiento y disponibilidad continua las 24 horas del día, los siete días de la semana, para mantenerse por delante de las competidoras. Como plataforma esencial para los negocios, es fundamental que los problemas de Mainframe sean identificados y abordados antes de que cualquier tiempo de inactividad o degradación del sistema pueda afectar las operaciones.
La solución BMC AIOps ofrece inteligencia para expertos en el tema y nuevos empleados para apoyar el viaje de cada organización en la búsqueda de convertirse en una Empresa Autónoma Digital con el Mainframe moderno.
“Al aplicar AIOps al Mainframe para obtener una mejor disponibilidad y rendimiento con BMC AMI Operational Insight, nuestros clientes pueden recuperar su valioso tiempo y cambiar recursos para enfocarse en prioridades estratégicas que les permitirán convertirse en Empresas Autónomas Digitales», dijo John McKenny, Vicepresidente Senior de Estrategia e Innovación ZSolutions en BMC.
La suite BMC Automated Mainframe Intelligence (AMI) AIOps proporciona un workflow de tres pasos – detectar, descubrir y corregir – diseñado para reducir significativamente el tiempo medio de reparación (TMPR).
Los principales beneficios de BMC AMI AIOps incluyen:
· Detección rápida: Notificaciones alertan a los usuarios sobre anomalías, lo que permite soluciones proactivas a problemas que afectan a los sistemas antes de que causen tiempo de inactividad.
· Predicciones precisas: El análisis multivariado analiza todos los KPI simultáneamente en lugar de evaluar los silos, para garantizar que no se pierda ninguna anomalía de KPI, lo que resulta en menos falsos positivos.
· Ciencia de datos y conocimiento de dominio integrado: El conocimiento de qué métricas observar rápidamente llena los vacíos dejados por una fuerza laboral que se jubila y acelera la curva de aprendizaje para el nuevo equipo. Además, eliminar las conjeturas de recopilar y evaluar métricas externas pone fin al desperdicio de MIPS de alto coste.
· Detección de problemas predictivos out-of-the-box: La configuración mínima requerida significa que los usuarios pueden instalar, agregar datos y obtener valor de inmediato.
· Inteligencia mejorada y adaptativa para sistemas: El consumo continuo de fuentes de datos profundas y amplias ayuda a agregar inteligencia a sistemas complejos, mientras que el aprendizaje continuo asegura que los equipos puedan mantenerse al día con el rápido ritmo de cambio.