Прогнозирование влияния с помощью ИИ
При возникновении сбоя мгновенно анализируем инцидент, вычисляя как корневую причину проблемы, так и все сервисы, которые могут пострадать вслед за ним.
Проект выполнялся в рамках соглашения о неразглашении (NDA), поэтому в описании и материалах отсутствуют конкретные детали, а реальные данные заменены на тестовые.
Финальное решение
Контекст
Аналитика показывала, что существующий раздел о влиянии почти не используют, хотя пользователи в отзывах просили эту информацию. Мы узнали как команды сейчас узнают о влиянии сбоев и чего им не хватает:
• Важный сбой есть, а на что он повлияет — неясно. Теряем время на выяснение вместо действий.
• В списке несколько сервисов, а реальных связей намного больше. Картинка неполная, и это бесит.
• Данные не бьются с реальностью, поэтому им просто перестали верить. Зачем туда заходить, если это нерелевантно?
• Важный сбой есть, а на что он повлияет — неясно. Теряем время на выяснение вместо действий.
• В списке несколько сервисов, а реальных связей намного больше. Картинка неполная, и это бесит.
• Данные не бьются с реальностью, поэтому им просто перестали верить. Зачем туда заходить, если это нерелевантно?
Как раньше определяли влияние
• Важный сбой есть, а на что он повлияет — неясно. Теряем время на выяснение вместо действий.
• В списке несколько сервисов, а реальных связей намного больше. Картинка неполная, и это бесит.
• Данные не бьются с реальностью, поэтому им просто перестали верить. Зачем туда заходить, если это нерелевантно?
• В списке несколько сервисов, а реальных связей намного больше. Картинка неполная, и это бесит.
• Данные не бьются с реальностью, поэтому им просто перестали верить. Зачем туда заходить, если это нерелевантно?
Результат
Заменив ограниченные ручные данные на ИИ-прогноз, мы научили систему мгновенно анализировать все связи и строить полную карту влияния сбоя. Это превратило раздел в основной инструмент для критических решений, сократив время на оценку до минут.