Dynatrace ha annunciato i risultati di un’indagine globale indipendente condotta su 450 professionisti IT responsabili dell’automazione DevOps e della sicurezza nelle grandi organizzazioni. La ricerca rivela che gli investimenti delle aziende nell’automazione DevOps stanno producendo vantaggi significativi, tra cui un miglioramento del 61% della qualità del software, una riduzione del 57% di fallimento dei rilascie una diminuzione del 55% dei costi IT. Nella maggior parte delle organizzazioni, tuttavia, le pratiche di automazione DevOps sono ancora nelle prime fasi di maturità. L’assenza di una strategia chiaramente definita per l’automazione DevOps, la prevalenza della complessità della toolchain e le difficoltà nell’analizzare i dati di osservabilità e sicurezza impediscono alle aziende di sfruttare appieno l’impatto dei loro investimenti. Questa ricerca sottolinea la necessità di pratiche di automazione basate sui dati e sull’intelligenza artificiale che consentano alle organizzazioni di essere più reattive alle esigenze del business.
Nei prossimi 12 mesi, le organizzazioni investiranno nell’automazione DevOps per supportare la gestione della sicurezza e della conformità, il provisioning e la gestione dell’infrastruttura e l’ottimizzazione delle prestazioni.
Tuttavia, solo il 38% delle organizzazioni ha una strategia di automazione DevOps chiaramente definita per orientare questi investimenti.
In media, le organizzazioni sono riuscite ad automatizzare poco più della metà del loro ciclo di vita DevOps end-to-end.
L’organizzazione media si affida a più di sette strumenti diversi per l’automazione DevOps.
I principali ostacoli che impediscono alle organizzazioni di automatizzare i nuovi casi d’uso DevOps sono le preoccupazioni per la sicurezza, la difficoltà a rendere operativi i dati e la complessità della toolchain.
“Man mano che un numero sempre maggiore di organizzazioni adotta la distribuzione di software cloud-native, l’automazione DevOps si è evoluta fino a diventare un imperativo strategico”, ha dichiarato Bernd Greifeneder, Chief Technology Officer di Dynatrace. “La prevalenza di architetture Kubernetes e di stack tecnologici che hanno superato le capacità umane di gestione stanno determinando la necessità di un’orchestrazione e di una protezione automatizzate dell’ecosistema. Le organizzazioni cercano di soddisfare questa esigenza costruendo e gestendo script di automazione utilizzando una serie crescente di strumenti open source uniti ad approcci fai-da-te e a sforzi manuali. Tuttavia, questo approccio frammentato comincia a presentare delle crepe. I team sono bloccati in silos di dati, sacche isolate di automazione, operazioni reattive e manuali e sforzi di sicurezza. Hanno urgentemente bisogno di un approccio unificato all’automazione DevOps supportato dall’AI, altrimenti sarà impossibile accelerare l’innovazione mantenendo la qualità e la sicurezza del software”.
Il 71% delle organizzazioni utilizza dati e insight sull’osservabilità per guidare decisioni di automazione e miglioramenti nei flussi di lavoro DevOps.
Tuttavia, l’85% delle organizzazioni deve affrontare sfide legate all’utilizzo dei dati sull’osservabilità e sulla sicurezza per promuovere l’automazione DevOps.
Le tre principali sfide che le organizzazioni devono affrontare includono dati inaccessibili, dati isolati e la necessità che i dati fluiscano attraverso molti sistemi per essere analizzati.
Il 54% delle organizzazioni sta investendo in piattaforme per consentire una più semplice integrazione degli strumenti e la collaborazione tra i team coinvolti in progetti di automazione.
Il 59% delle organizzazioni si aspetta che i modelli linguistici di grandi dimensioni, come ChatGPT e Bard, abbiano un impatto significativo sulle proprie capacità di automazione DevOps, con i tre vantaggi principali che includono aumento della produttività e riduzione dello sforzo manuale, miglioramento della collaborazione trasviluppo, sicurezza e operations e consentire ai team di generare codice automaticamente.
“L’automazione guidata dai dati è la chiave per sbloccare l’innovazione e soddisfare le aspettative dei clienti nell’era cloud-native”, ha continuato Greifeneder. “Per questo è necessaria una piattaforma in grado di gestire l’enorme volume e varietà di dati generati dagli stack cloud-native e di utilizzare l’AI per fornire approfondimenti accurati e attuabili per l’automazione DevOps. A differenza delle tecniche di AI tradizionali, che sono limitate in termini di portata e applicabilità, le piattaforme che combinano tecniche predittive, causali e generative possono eccellere in capacità specifiche per affrontare diversi casi d’uso dell’automazione DevOps. In questo modo, i team massimizzano il valore dei loro dati, eliminano i silos di dati e possono automatizzare i processi DevOps con fiducia”.