Operaciones cloud: automatización con IA para la estabilidad
AIOps detecta anomalías y agrupa eventos. La calidad de los datos, las intervenciones controladas y los resultados medibles son decisivos.
AIOps ayuda a los equipos de operaciones a detectar anomalías en entornos cloud y a contextualizar eventos relacionados. Los modelos pueden tener en cuenta patrones recurrentes en las métricas y poner de manifiesto las desviaciones. Sin embargo, la detección de una anomalía no demuestra por sí sola una causa ni un fallo inminente. Para su uso en producción son esenciales la calidad de los datos, unas responsabilidades claras y unas medidas correctivas controladas.
Lo esencial en breve
- La detección de anomalías complementa las alertas existentes. Puede tener en cuenta patrones que varían con el tiempo y notificar desviaciones inusuales.
- La correlación de eventos facilita la clasificación inicial. Las notificaciones relacionadas pueden agruparse, aunque es necesario comprobar si tienen una causa común.
- Se acerca el fin del soporte de Amazon DevOps Guru. El servicio está cerrado a nuevos clientes desde el 29 de octubre de 2026. Los usuarios actuales deberían preparar su migración.
Detectar anomalías en su contexto
AIOps significa Artificial Intelligence for IT Operations, o inteligencia artificial para las operaciones de TI. Estos métodos analizan datos operativos para ayudar a los equipos a detectar e investigar problemas. Entre ellos figuran métricas y eventos y, según el producto, también datos de registro. Una señal de desviación es un punto de partida para el diagnóstico.
El monitor de anomalías de Datadog tiene en cuenta, por ejemplo, tendencias y patrones diarios o semanales recurrentes. Así, una caída del tráfico puede llamar la atención a una hora del día en la que ese mismo valor sería habitual en otro momento. La sensibilidad del monitor y la cantidad de datos históricos que necesita dependen de su configuración.
Los umbrales fijos siguen siendo útiles cuando se debe supervisar un límite técnico o de negocio conocido. La detección de anomalías complementa estas reglas al identificar desviaciones respecto al comportamiento anterior.
Agrupar eventos y comprobar las causas
Cuando se produce una incidencia, varios componentes supervisados pueden generar notificaciones. La correlación de eventos agrupa eventos según sus relaciones o reglas definidas. Esto puede reducir el número de notificaciones que hay que revisar individualmente.
Que los eventos pertenezcan a un mismo grupo no demuestra que tengan una causa común. Los equipos de operaciones deben poder comprobar qué señales se han agrupado y qué indicios respaldan el diagnóstico. AWS distingue en DevOps Guru entre señales reactivas sobre problemas en curso y señales proactivas sobre problemas previstos. Una predicción también es una estimación y no garantiza que se produzca un fallo ni que se evite.
Introducir la automatización con límites claros
Para una prueba piloto conviene elegir un servicio de alcance definido y con responsabilidades conocidas. El equipo puede registrar primero las alertas existentes y los tiempos de atención y después comprobar qué información adicional aporta la herramienta. También es importante tener en cuenta las incidencias no detectadas y las notificaciones que, tras su revisión, resultan no ser críticas.
Las medidas automáticas deben ajustarse al riesgo del servicio correspondiente. Un equipo puede empezar por revisar las recomendaciones y autorizar más adelante intervenciones claramente definidas. El plan operativo debe incluir para cada medida automatizada un registro comprensible y un procedimiento de reversión probado. La evaluación de costes debe tener en cuenta, además del precio del producto, la ingesta de datos, el almacenamiento, la integración y el mantenimiento continuo.
Planificar el fin del soporte de Amazon DevOps Guru
Quienes evalúan herramientas nativas de la nube también deben tener en cuenta su ciclo de vida. Según la documentación del producto de AWS, Amazon DevOps Guru dejó de aceptar nuevos clientes el 29 de octubre de 2026. Según esta documentación, los clientes actuales pueden seguir utilizando el servicio hasta el 30 de septiembre de 2027. AWS recomienda Amazon CloudWatch para las alertas y la detección de anomalías y menciona Amazon DevOps Agent como posible alternativa para las investigaciones asistidas por IA.
La página general de AWS indica otro día para el fin del soporte. Por ello, los clientes actuales deberían confirmar la fecha con AWS y tener en cuenta durante la migración, en particular, las llamadas a la API, la infraestructura como código y las automatizaciones posteriores.
Preguntas frecuentes
¿Sustituye AIOps a la monitorización existente?
AIOps analiza datos operativos y complementa la supervisión existente. Para interpretar los resultados siguen siendo necesarios datos de medición adecuados, responsabilidades definidas y procedimientos para gestionar las incidencias.
¿Cuántos datos históricos necesita un modelo?
Depende del producto y del método elegido. Datadog indica que su monitor de anomalías necesita al menos tres semanas de historial cuando hay una estacionalidad semanal. Esto no establece un plazo general para otros productos.
¿Cómo se puede evaluar el beneficio de una prueba piloto?
Los equipos pueden comparar, entre otros indicadores, el número de notificaciones atendidas, el tiempo hasta su atención y el tiempo hasta su resolución antes de la prueba piloto y durante ella. La evaluación también debe incluir las falsas alarmas y las incidencias no detectadas.
Selección editorial
cloudmagazinFinOps: cómo pueden las empresas controlar por fin los costes cloudcloudmagazinTendencias cloud 2026: lo que deben tener en cuenta los responsables de TIcloudmagazinAWS incorpora un agente de IA a la investigación de incidenciasMás de la red MBF Media
MyBusinessFutureIA Made in Germany: 935 startups y un ecosistema que maduraDigital Chiefs149.000 vacantes de TI: cómo utilizan los CIO los copilotos de IASecurityTodayTendencias de ciberseguridad 2026: las 7 novedadesFuente de la imagen: generada por IA (noviembre de 2026)
Traducido del original en alemán con inteligencia artificial. La versión alemana es la de referencia.

