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
Pengenalan Agentic AI untuk Operasi
- Dari runbook statis ke agen penalaran: evolusi otomasi TI
- Anatomi agen: loop penalaran, penggunaan alat, memori, dan perencanaan
- Kapan harus mengotomasi vs kapan harus mempertahankan human-in-the-loop
Kerangka Kerja dan Arsitektur Agen
- Pola single-agent: ReAct, Plan-and-Execute, dan loop pemanggilan alat
- Arsitektur multi-agen: pola supervisor, hierarkis, dan swarm
- Perbandingan kerangka kerja: LangGraph, CrewAI, AutoGen, dan agen kustom
- Membangun agen operasional pertama Anda: mengambil kueri pemantauan, mendiagnosis, mengusulkan
Integrasi Alat untuk Operasi TI
- Menghubungkan agen ke API Prometheus, Grafana, Datadog, dan PagerDuty
- Pengambilan kueri log dengan agen: integrasi Elasticsearch, Loki, dan Splunk
- Penggunaan alat infrastruktur: kubectl, Terraform, Ansible melalui aksi agen
- Merancang antarmuka alat yang aman dengan validasi parameter dan idempotensi
Otomasi Respons Insiden
- Triage insiden otomatis: klasifikasi severity dan routing
- Generasi hipotesis akar masalah dan pengumpulan bukti
- Remediasi otomatis: aksi restart, scale, rollback, dan failover
- Membangun agen runbook insiden dengan tingkat otonomi progresif
Keamanan, Guardrails, dan Human-in-the-Loop
- Klasifikasi aksi: read-only, risiko rendah, risiko tinggi, dan destruktif
- Gerbang persetujuan dan kebijakan eskalasi untuk operasi kritis
- Pola guardrail: allowlist aksi, batasan blast radius, dan jaminan rollback
- Audit trail dan provenance keputusan untuk kepatuhan
Orkestrasi Multi-Agen untuk Insiden Kompleks
- Koordinasi agen spesialis: agen triage, agen diagnosis, agen remediasi
- Komunikasi antar-agen dan manajemen konteks bersama
- Resolusi konflik ketika agen mengusulkan aksi yang bertentangan
- Simulasi insiden mayor end-to-end dengan respons multi-agen
Observabilitas dan Evaluasi
- Tracing rantai penalaran agen untuk debugging dan audit
- Evaluasi kualitas keputusan agen: presisi, recall, waktu-resolusi
- Loop umpan balik: belajar dari override operator dan hasil
- Penelusuran biaya dan ekonomi token untuk agen operasional
Deployment Produksi dan Operasi
- Deploy agen sebagai layanan: API, webhooks, dan tugas terjadwal
- Rollout otonomi bertahap: dari mode bayangan ke auto-remediasi penuh
- Runbook untuk kegagalan agen: apa yang terjadi ketika agen itu sendiri rusak
- Membangun kasus bisnis dan mengukur ROI untuk operasi otonom
Persyaratan
- Pengalaman dengan operasi TI, DevOps, atau praktik SRE.
- Kenalan dengan scripting Python dan REST API.
- Pemahaman dasar tentang kemampuan LLM dan prompt engineering.
Audience
- Insinyur SRE dan DevOps yang mengeksplorasi otomasi berbasis AI.
- Insinyur platform yang membangun infrastruktur self-healing.
- Pimpinan operasi TI yang mengevaluasi Agentic AI untuk manajemen insiden.
14 Jam