Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Lanskap Observabilitas Berbasis AI
- Dari panel pemantauan ke komunikasi: pergeseran menuju observabilitas yang lebih berbasis interaksi manusia-AI
- Kemampuan LLM dalam ranah observabilitas: penyusunan laporan, penalaran, serta pengenalan pola sistem.
- Pola arsitektur integrasi AI ke dalam ekosistem observabilitas yang sudah terbentuk.
Kueri Telemetri Berbasis Bahasa Alami
- Konversi kalimat bahasa manusia menjadi kueri PromQL: penggunaan bahasa alami untuk mengakses data telemetri.
- Penerapan kueri berbasis bahasa alami pada penyimpanan log seperti Elasticsearch, OpenSearch, dan Loki.
- Penyusunan perintah SQL dari deskripsi verbal untuk mendapatkan informasi struktural dari sistem telemetri.
- Pembuatan agen asisten kueri dengan kemampuan memanfaatkan alat pendukung serta memperhatikan konteks komunikasi.
Analisis Log Berbasis LLM
- Penguraian struktur log secara otomatis dengan bantuan LLM.
- Deteksi anomali dalam aliran log lewat perbandingan tingkat kemiripan embedding.
- Klasifikasi klaster data serta penemuan pola sistem yang tersembunyi di dalam kumpulan log besar.
- Pembentukan penjelasan mudah dipahami bagi manusia dari sekumpulan urutan catatan log mentah.
Pemberitahuan Cerdas serta Pengayaan Informasi Insiden
- Korelasi antar peringatan dan pengurangan duplikasi secara otomatis berdasarkan analisis semantik.
- Pengambilan konteks insiden dengan bantuan sumber daya seperti panduan operasional, catatan kejadian sebelumnya, serta dokumentasi terkait.
- Pengalokasian peringatan secara cerdas sesuai isi pesan serta spesifikasi tim penerima notifikasi.
- Pengurangan jumlah notifikasi tak penting lewat reduksi kebisingan yang dikelola AI.
Analisis Akar Masalah dengan Bantuan Teknologi AI
- Pembentukan hipotesis awal dari kombinasi data metrik, log, dan informasi lain.
- Penggabungan bukti-bukti secara terstruktur: pengikatan indikasi penyimpangan di antara berbagai sumber data.
- Penyelesaian masalah dengan panduan dari sesi dialog AI yang interaktif.
- Pembentukan agen analisis akar masalah yang mampu menyusun langkah-langkah investigasi secara bertahap.
Respons Insiden serta Komunikasi Otomatis
- Penyusunan laporan singkat dan pembaruan status insiden menggunakan data telemetri aktual.
- Penulisan draf laporan pasca-insiden dengan rekonstruksi kronologi kejadian.
- Penyampaian informasi kepada pihak terkait sesuai tingkat keahlian teknis atau administratif masing-masing.
- Pengusulan panduan operasional serta langkah-langkah perbaikan yang dihasilkan secara otomatis.
Model Machine Learning untuk Observabilitas
- Prediksi siri waktu guna merencanakan kapasitas sistem serta mendeteksi kemungkinan kelainan.
- Pemanfaatan model dasar dalam melakukan deteksi anomali pada metrik tanpa perlu latihan terlebih dahulu.
- Penentuan pola ketergantungan antar layanan serta pemetaan topologi jaringan lewat embedding.
- Pelatihan dan penggunaan model ML ringan yang serasi dengan alur kerja sistem observabilitas.
Penempatan Produksi serta Pertimbangan Etika AI
- Faktor keterlambatan respons sistem dan biaya implementasi dalam penggunaan teknologi observabilitas AI secara real-time.
- Pelindungan privasi data: cara memastikan bahwa LLM tidak membocorkan informasi telemetri sensitif.
- Pentingnya supervisi manusia: kapan perlu verifikasi pihak ahli sebelum penggunaan diagnosa AI secara otomatis.
- Metode evaluasi efektivitas sistem: MTTD, MTTR serta indikator kualitatif seputar pengalaman on-call.
Persyaratan
- Pengalaman mengoperasikan alat observabilitas seperti Prometheus, Grafana, Datadog, atau OpenTelemetry.
- Pemahaman mengenai manajemen log dan konsep-konsep metrik sistem.
- Keterampilan penulisan skrip Python dasar untuk pengolahan data.
Target Peserta
- Insinyur SRE dan observabilitas yang mulai memanfaatkan perangkat bantu berbasis AI.
- Insinyur platform yang sedang merancang sistem pemantauan generasi terbaru.
- Pemimpin DevOps yang ingin mengintegrasikan LLM ke dalam alur kerja penanganan insiden.
14 Jam
