Not there yet. Barem ne iz ovoga što sam do sada vidio. Ček i na marketinškim materijalima još niti jedan FinOps alat nije AI enabled. Machine Learning da. AI ne. Postoje neke naznake razvoja AI modela u FinOps alatima ali nije to još na razini drugih AI alata.

Kratak uvod u AI

Umjetna inteligencija – AI (eng. Artificial Intelligence) – pojam je koji je u posljednjih godinu dana dobio vrlo velik publicitet u medijima. Prvenstveno zbog uspjeha ChatGPT alata tvrtke OpenAI. I druge tehnološke tvrtke slijedile su istim koracima i omogućile korištenje svojih AI alata javnosti. Poput Google Bard rješenja. Na osnovu OpenAI modela naslonile su se druge tvrtke sa svojim uslugama, poput Copilot rješenja tvrtke Microsoft. Vjerujem da nema među nama nekoga tko nije probao ChatGPT. Ako ništa drugo iz znatiželje i zabave.

Na temu umjetne inteligencije napisane su brojne knjige i snimljeno je mnoštvo filmova. Gotovo uvijek konotacija je negativna. Kao što je slučaj s Terminatorom ili HAL 9000. Međutim, umjetna inteligencija je daleko od prikazane a još dalje od zlonamjerne. U osnovi postoje tri generalne vrste umjetne inteligencije – ANI, AGI i ASI:

• ANI tj. Artificial Narrow Intelligence je računalni model koji je specijaliziran za jedno vrlo usko područje rada. Poput igranja šaha, čitanja rendgenskih snimki ili upravljanja autonomnim vozilom. ANI ne može izvršavati zadatke van svog područja rada.
• AGI tj. Artificial General Intelligence je umjetna inteligencija koja ima mogućnost izvršiti svaki zadani zadatak. Jednako ili bolje od ljudi. Dodatno, AGI bi trebao kroz rješavanje zadataka učiti, donositi odluke, planirati, apstraktno razmišljati te kreirati nove ideje.
• ASI tj. Artificial Super Intelligence je potpuno samostalna umjetna inteligencija koja ima sposobnost ne samo riješiti dani zadatak, nego razvijati samu sebe. Ukratko, sposobna je stvoriti novu inteligenciju te poboljšati svoju.

Napredak u umjetnoj inteligenciji trenutno je na razini ANI. Dakle, trenutni modeli sposobni su – manje ili više – rješavati jednu vrstu usko definiranog zadatka. I samo tog zadatka. Primjena jednog AI rješenja na dva područja, u ovom trenutku, neće pružiti zadovoljavajuće rezultate. Naprotiv.

Trenutna AI rješenja baziraju se na LLM (eng. Large Language Model) principima. LLM principi zahtijevaju vrlo velike količine podataka na temelju koji AI sustav uči. AI bez velikog seta podataka neće biti u stanju donesti zaključke i dati tražene odgovore. Što je set podataka veći to je rad AI sustava kvalitetniji.

Generative AI

GenAI tj. Generative AI je AI temeljen na LLM modelima s mogućnošću kreiranja (generating) sadržaja. Sadržaja u obliku teksta, slike, zvuka, videa ali i programskog koda. GenAI alati omogućavaju jednostavnu upotrebu korištenjem prirodnog jezika interakcije s istima. Upravo je to razlog zašto je AI tema postala toliko zanimljiva u posljednje vrijeme, iako AI kao područje već godinama postoji i istražuje se. Razlika je što u zadnjim iteracijama, interakcija s AI alatima je jednostavna a rezultat je kreiranje sadržaja koji se lako konzumira. Nije potreban doktorat iz područja AI-a. A perfect storm.

Ima’l tu FinOps?

Iako je hype oko AI teme lagano u opadanju, modeli primjene AI tehnologije se svakim danom sve više stvaraju. FinOps tematika nije izuzeta iz ovog trenda. Sve više alata koji se bave problematikom FinOps-a hvale se AI enabled rješenjem. Ali, malo pomnijim proučavanjem to nije baš tako. To ne znači da AI nema prostora u FinOps metodologiji i alatima. Ima.

Gdje bi AI alati mogli pridonijeti FinOps metodologiji? Ovo je moj pogled, kroz FinOps faze, gdje bi se alati mogli u budućnosti razvijati i kako će omogućiti efikasnije upravljanje resursima u Cloud okruženjima.

Inform

Faza identifikacije i vidljivosti u cloud okruženje, od resursa do financijskih parametara. AI alati u ovoj fazi mogu podržati tj unaprijediti:

• detekciju neispravno označenih (taggiranih) resursa. Analitikom drugih meta podataka resursa moguće je predlaganje adekvatnih oznaka te potencijalno i automatska korekcija istih
• alati za upozoravanje ako su odstupanja viša od uobičajenih (anomaly detection) nisu novost u cloud okruženjima, međutim AI modeli mogli bi samostalno reagirati smanjujući resurse, zaustavljati instance, itd
• predviđanja budućih trendova potrošnje resursa (forecasting) mogu najviše napredovati primjenom AI modela kako mogu analizirati daleko veće količine podataka nego je moguće statičnim analitikama

Optimize

Faza korekcije zakupa resursa u odnosu na budžet i stvarnu iskorištenost resursa. Općenito, moguće su tri korekcije:

• rezervacija resursa – AI model mogao bi predložiti optimalnu rezervaciju resursa u ovisnosti o iskorištenosti te planu životnog vijeka usluge
• smanjenje zakupljenih resursa – pronaći optimalnu instancu između tisuća opcija i kombinacija hardverskih resursa, a u skladu s iskorištenosti resursa te povijesnim podacima istih, nije lagan odabir. AI modeli mogu takve izračune provoditi u gotovo stvarnom vremenu
• gašenje instanci kada se ne koriste – analizom iskorištenosti radne memorije, CPU resursa, aktivnosti diskovnog podsustava i na temelju karakteristika mrežnog prometa AI model mogao bi predlagati te gasiti i paliti instance

U ovoj fazi GenAI mogao bi pisati, primjerice, Terraform skripte za potrebne korekcije.

Operate

Faza kontinuiranog upravljanja cloud resursima u odnosu na poslovne ciljeve. Za ovu fazu nemam vizije niti ideje. Ako vi vidite kako bi AI mogao pomoći, pišite u komentare.

P.S. Za kraj, AI tematika me interesira već duži niz godina. A članak koji me zainteresirao je fenomenalan rad na Wait But Why blogu: The AI Revolution: The Road to Superintelligence Sve preporuke da si izdvojite pola sata vremena za ovaj izvrstan članak!