La ricerca Dynatrace rivela come gli investimenti nell’automazione DevOps stiano migliorando la qualità del software e riducendo i costi. Tuttavia questa soluzione è ancora agli inizi per oltre la metà delle aziende. L’indagine è stata condotta su 450 professionisti IT responsabili dell’automazione DevOps e della sicurezza nelle grandi organizzazioni. Tra ivantaggi più significativi: un miglioramento del 61% della qualità del software; -57% di fallimento dei rilasci e -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 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.
I risultati della ricerca
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 diversi motivi. Ad esempio supportare la gestione della sicurezza e della conformità (55%), il provisioning e la gestione dell’infrastruttura (52%) e l’ottimizzazione delle prestazioni (51%).
Tuttavia, solo il 38% ha una strategia di automazione DevOps chiaramente definita per orientare questi investimenti.
L’automazione DevOps
In media, le organizzazioni sono riuscite ad automatizzare poco più della metà (56%) del loro ciclo di vita DevOps end-to-end.
L’organizzazione media si affida a più di sette strumenti diversi per l’automazione DevOps.
Tra i principali ostacoli ad automatizzare i nuovi casi d’uso DevOps: preoccupazioni per la sicurezza (54%), difficoltà a rendere operativi i dati (54%), complessità della toolchain (53%).
Un approccio frammentato
Bernd Greifeneder, Chief Technology Officer di Dynatrace 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. 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.
L’automazione DevOps, una nuova ricerca esplora lo stato dell’arte
Ulteriori risultati della ricerca evidenziano:
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% 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 (51%), dati isolati (43%) e la necessità che i dati fluiscano attraverso molti sistemi per essere analizzati (41%).
Tre vantaggi principali
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% si aspetta che i modelli linguistici di grandi dimensioni (LLM), come ChatGPT e Bard, abbiano un impatto significativo sulle proprie capacità di automazione DevOps. Con i tre vantaggi principali di aumento della produttività e riduzione dello sforzo manuale (57%), miglioramento della collaborazione tra sviluppo, sicurezza e operations (56%) e consentire ai team di generare codice automaticamente (48%).
Massimizzare il valore dei dati
Bernd Greifeneder, Chief Technology Officer di Dynatrace L’automazione guidata dai dati è la chiave per sbloccare l’innovazione e soddisfare le aspettative dei clienti nell’era cloud-native. 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.
Le tecniche di AI tradizionali sono limitate in termini di portata e applicabilità. Mentre 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.
Metodologia della ricerca
Il rapporto si basa su un’indagine globale condotta su 450 professionisti IT responsabili dell’automazione DevOps e della sicurezza nelle grandi organizzazioni. Di questi 150 negli Stati Uniti, 150 nell’area Emea e 150 nell’area Asia-Pacifico. La ricerca è stata condotta da Coleman Parkes e commissionata da Dynatrace.
