La explosión de datos producida por la nube supera la capacidad humana de gestionarlos

Otros resultados de la investigación

El estudio también encontró que 87 % de los líderes tecnológicos a nivel global dice que la complejidad de la multinube hace que sea más difícil ofrecer experiencias excepcionales a los clientes, y el 84 % dice que esto hace que las aplicaciones sean más difíciles de proteger. En el caso de México, el primer porcentaje sube a 92 %.

Asimismo, 86 % de los líderes tecnológicos (96 % en México) dicen que los stacks de tecnología nativa de la nube producen una explosión de datos que está más allá de la capacidad de gestión de los humanos.

En promedio, las organizaciones a nivel global utilizan 10 herramientas diferentes de monitoreo y observabilidad para administrar las aplicaciones, la infraestructura y la experiencia del usuario (en México el número sube a 12), y 85 % de los líderes tecnológicos afirman que el número de herramientas, plataformas, paneles y aplicaciones en las que confían aumenta la complejidad de gestionar un entorno multinube.

Frente a ello, 81 % de los líderes tecnológicos globales afirman que los enfoques manuales para la gestión y el análisis de registros no pueden seguir el ritmo de cambio en su pila tecnológica y los volúmenes de datos que produce. Por ello, el 74 % de las organizaciones mexicanas actualmente utilizan una plataforma unificada para datos de observabilidad y seguridad o planean adoptarla dentro de los próximos 12 meses.

Además, 81 % de los líderes tecnológicos (96 % en México) afirma que el tiempo que sus equipos dedican al mantenimiento de las herramientas de supervisión y a la preparación de los datos para el análisis le roba tiempo a la innovación. Esto ha llevado a que 72 % de las organizaciones (80 % en México) hayan adoptado AIOps para reducir la complejidad de la gestión de su entorno multinube.

“Sin la capacidad de transformar los grandes volúmenes de datos diversos de las arquitecturas nativas de la nube en conocimientos contextualmente relevantes en tiempo real, los equipos de TI, desarrollo, seguridad y negocios luchan por comprender lo que sucede en su entorno y carecen de las respuestas necesarias para resolver los problemas de forma rápida y decisiva”, señaló Greifeneder.

“Si bien muchas organizaciones recurren a AIOps, a menudo encuentran un valor limitado debido a la dependencia de métodos probabilísticos, cuya implementación puede ser imprecisa y llevar mucho tiempo. Para superar la complejidad de las pilas de tecnología modernas, las organizaciones requieren capacidades avanzadas de inteligencia artificial, análisis y automatización. Al unificar datos diversos, conservar su contexto e impulsar el análisis y la automatización con una IA hipermodal, que combina múltiples técnicas, incluida la IA causal, predictiva y generativa, los equipos pueden desbloquear una gran cantidad de conocimientos de sus datos para impulsar una toma de decisiones más inteligente, automatización y formas de trabajo más eficientes”, subrayó el CTO de Dynatrace.