Ícono del sitio La Neta Neta

Logz.io apuesta por la IA generativa para ayudar a los equipos de operaciones a solucionar problemas

Logz.io apuesta por la IA generativa para ayudar a los equipos de operaciones a solucionar problemas

Plataforma de observabilidad en la nube logz.io anunció hoy que está lanzando un modelo de IA generativa para aumentar sus herramientas de aprendizaje automático existentes, que se centran en los datos de observabilidad de una empresa, con información adicional de otras fuentes de datos. A través de esto, la herramienta ahora puede generar recomendaciones de remediación más inteligentes y, a su vez, mejorar los tiempos de reacción de los equipos de operaciones.

La compañía, que se enfoca en agregar datos de una variedad de herramientas de observabilidad de código abiertocomenzó a usar el aprendizaje automático supervisado en 2016 y luego lo amplió con Cognitive Insights, que se basa en información de colaboración colectiva de la comunidad de Logz.io y otros foros, hilos sociales y repositorios de código abierto.

“Hasta ahora, Cognitive Insights generaba recomendaciones de colaboración colectiva”, dijo el CTO de Logz.io, Asaf Yigal. “Existe una alta probabilidad de que, entre esos miles de millones de eventos, haya información útil e importante, y el sistema intenta determinar qué enlaces o foros de discusión pueden proporcionar contexto adicional para ayudar a remediar el problema en cuestión. Pero con el uso de ChatGPT, agregamos la capacidad de hacer recomendaciones más precisas basadas en el crowdsourcing, ofreciendo posibles soluciones y caminos de investigación adicionales al problema. En resumen, ahora podemos ofrecer una recomendación más precisa”.

Yigal enfatizó que Logz.io tiene un conjunto de datos bastante único, que incluye el comportamiento de búsqueda y los metadatos de sus usuarios. Combinado con los modelos de OpenAI, el servicio ahora puede generar consejos de remediación detallados y contextuales.

“A diferencia de otras tecnologías de ML, la principal diferencia es el acceso a datos contextuales sobre cómo los ingenieros investigan problemas en millones de bibliotecas y productos de software”, dijo. “Este acceso a datos propietarios es lo que hace que este nuevo sistema sea tan fundamentalmente diferente. Además, a medida que más personas lo usan, el sistema se vuelve más inteligente. Las respuestas genéricas son inútiles, mientras que los consejos contextuales específicos pueden cambiar las reglas del juego”.


Source link
Salir de la versión móvil