Dynatrace, attiva nell’osservabilità e nella sicurezza unificate, rende noti i risultati di un’indagine globale indipendente che rivela che le aziende continuano ad adottare ambienti multicloud e architetture cloud-native per consentire una rapida trasformazione digitale e garantire un’innovazione sicura. Tuttavia, nonostante la velocità, la scalabilità e l’agilità consentite da questi moderni ecosistemi cloud, le organizzazioni faticano a gestire l’esplosione di dati che creano. I risultati di questa ricerca sottolineano la necessità di una matura strategia di AI, analytics e automazione che vada oltre i modelli AIOps tradizionali per generare un valore di business duraturo. I

Tra i principali risultati della ricerca “The state of observability 2024", condotta su 1.300 CIO e leader tecnologici di grandi organizzazioni di numerosi Paesi, Italia compresa, emerge in primo luogo che il 96% delle organizzazioni italiane afferma che la complessità del proprio stack tecnologico è aumentata negli ultimi 12 mesi e il 48% che continuerà ad aumentare, mentre l’ambiente multicloud comprende mediamente 12 piattaforme e servizi differenti, e l’88% dei leader tecnologici italiani afferma che la complessità del multicloud rende più difficile offrire esperienze eccezionali ai clienti e l’86% dichiara che rendere le applicazioni più difficili da proteggere (86%).

Non solo: l'83% dei leader tecnologici italiani afferma che gli stack tecnologici cloud-native producono un'esplosione di dati che va oltre le capacità umane di gestione; in media, le organizzazioni utilizzano 10 diversi tool di monitoraggio e osservabilità per gestire applicazioni, infrastrutture ed esperienze utente; inoltre, l’87% dei leader tecnologici italiani afferma che il numero di tool, piattaforme, dashboard e applicazioni a cui si affidano aumenta la complessità della gestione di un ambiente multicloud.

“Le architetture cloud-native sono diventati obbligatorie per le organizzazioni moderne, in quanto apportano la velocità, la scalabilità e l’agilità di cui hanno bisogno per offrire innovazione. Queste architetture riflettono una serie crescente di piattaforme e servizi cloud per supportare anche la più semplice transazione digitale. L’enorme quantità di dati che producono rende sempre più difficile il monitoraggio e la sicurezza delle applicazioni. Di conseguenza, i risultati di business critici, come la customer experience, ne risentono e diventa sempre più difficile proteggersi dalle minacce informatiche avanzate”, commenta Bernd Greifeneder, CTO di Dynatrace.

Dall’indagine sono emersi altri dati interessanti: l’86% dei leader tecnologici italiani afferma che gli approcci manuali alla gestione e all'analisi dei log non riescono a tenere il passo con la velocità di cambiamento del loro stack tecnologico e con il volume di dati che produce; l’84% dei leader tecnologici italiani afferma che il tempo che i loro team dedicano alla manutenzione dei tool di monitoraggio e alla preparazione dei dati per l'analisi ruba tempo all'innovazione; il 77% delle organizzazioni italiane, contro il 72% della media globale, ha adottato l'AIOps per ridurre la complessità della gestione dell'ambiente multicloud; e infine il 91% dei leader tecnologici italiani afferma che gli approcci di machine learning probabilistici hanno limitato il valore offerto dall'AIOps a causa dell'impegno manuale necessario per ottenere insight affidabili.

“Senza la capacità di trasformare gli elevati volumi di dati diversi provenienti dalle architetture cloud-native in insight in tempo reale e contestualmente rilevanti, i team IT, di sviluppo, di sicurezza e business faticano a capire cosa sta accadendo nel loro ambiente e non hanno le risposte necessarie per risolvere i problemi in modo rapido e decisivo. Sebbene molte organizzazioni si rivolgano all’AIOps, spesso riscontrano un valore limitato a causa della dipendenza da metodi probabilistici, che possono essere imprecisi e lunghi da implementare. Per superare la complessità dei moderni stack tecnologici, le organizzazioni necessitano di capacità avanzate di AI, analytics e automazione. Unificando dati diversi, conservandone il contesto e alimentando l'analytics e l'automazione con una AI ipermodale che combina più tecniche, tra cui l'intelligenza artificiale causale, predittiva e generativa, i team possono sbloccare una grande quantità di insights dai loro dati per guidare un processo decisionale e un'automazione più intelligenti e modalità di lavoro più efficienti”, conclude Bernd Greifeneder.