Fatigué de la documentation fastidieuse dans Automic ? Découvrez comment l'IA la transforme

Frustré par la documentation dans Automic ? Découvrez comment l'IA peut éliminer les tâches pénibles.
Tricise | Blog | Fatigué de la documentation fastidieuse dans Automic ? Découvrez comment l'IA la transforme

Comment l'intelligence artificielle transforme l'automatisation dans l'informatique

La documentation dans Automic a toujours été un défi, et l'IA change désormais la manière dont elle peut être gérée. L'intelligence artificielle a commencé à remodeler le paysage informatique au début des années 2020, et son influence n'a cessé de croître depuis. L'un des domaines où cette transformation est la plus visible est l'automatisation.

De l'automatisation aux opérations intelligentes

L'intégration de l'IA dans l'Automation Engine (AE) ouvre de nouvelles perspectives. Elle démontre que l'automatisation ne se limite plus à l'exécution de processus, mais consiste également à générer de la valeur grâce à des analyses plus approfondies et un support intelligent. L'un des domaines où cela devient particulièrement marquant est la documentation. Une documentation claire et structurée a toujours été essentielle pour les infrastructures informatiques, garantissant que les jobs et les workflows restent maintenables au fil du temps, même si leur créateur initial n'est plus disponible.

Le défi de la documentation

Malgré son importance, la documentation est souvent négligée ou minimisée. Les développeurs la sautent souvent pour gagner du temps, mais ce gain à court terme peut créer des risques à long terme, tels que des lacunes dans les connaissances, une intégration plus lente des nouveaux membres de l'équipe et des coûts de maintenance plus élevés. C'est exactement là que GenAI peut apporter une avancée – en rendant la documentation plus rapide, plus facile et, dans de nombreux cas, même automatique.

Comment GenAI améliore les flux de travail d'AE

Un flux de travail d'AE bien structuré, amélioré par GenAI, peut générer automatiquement de la documentation dans le cadre du processus d'exécution du job. Cela permet de s'assurer que des détails importants ne sont jamais oubliés et que des informations précises et actualisées sont toujours disponibles.

Étape 1 : Activation du job plan

Le processus commence par l'activation du job plan. Dès que cette étape est déclenchée, le flux de travail prépare les informations nécessaires à la documentation, ce qui en fait une partie intégrante du processus plutôt qu'un ajout de dernière minute.

Étape 2 : Définir l'objet de la documentation

Une fois activé, l'objet à documenter doit être défini. Ceci est réalisé par une combinaison d'un PromptSet et d'une SQLI VARA. La SQLI VARA exécute une requête pour collecter les objets potentiels à documenter, qui sont ensuite présentés dans une liste déroulante pour une sélection facile. À ce stade, des objets spécifiques peuvent également être exclus de la boîte de dialogue s'ils ne sont pas pertinents pour la documentation.

De l'automatisation à l'intelligence

Cette approche illustre comment l'IA ne se contente pas de rationaliser les flux de travail, mais redéfinit également le rôle des professionnels de l'informatique. En intégrant la GenAI à AE, la documentation devient un résultat fiable et automatisé qui élimine l'une des faiblesses les plus courantes des opérations informatiques. Il en résulte une plus grande cohérence, un risque réduit et plus de temps pour que les équipes informatiques se concentrent sur l'innovation plutôt que sur des tâches répétitives. De cette manière, l'automatisation alimentée par l'IA aide les organisations à s'adapter plus rapidement aux changements tout en construisant une base plus solide pour le succès à long terme.

Requête SQL sélectionnant des noms de jobs distincts dans la table OH avec des filtres pour le type d'objet JOBS, non supprimé, client 2 et un nom correspondant à SAMPLE.
Exemple de requête SQL utilisée dans Automation Engine

Une fois l'installation terminée, configurez le PromptSet avec la DataReference correcte — le nom de la SQLI VARA — et le Nom de la variable, qui sera ultérieurement référencé dans le job plan. Après avoir enregistré ces paramètres, le flux de travail d'automatisation peut commencer.

Écran de configuration de PromptSet montrant la référence de données définie sur EDU.AI.OBJECTS.VARA, le nom de variable &OBJECT_NAME# et l'étiquette PICK AN OBJECT.
Exemple de configuration d'un PromptSet dans Automation Engine, lié à la SQLI VARA EDU.AI.OBJECTS.VARA et définissant le nom de la variable &OBJECT_NAME#.

La première action consiste à exporter le contenu du script de l'objet sélectionné. Pour ce faire, la fonction intégrée d'AE EXPORT() est utilisée. Elle accepte le nom de l'objet issu de la variable PromptSet et un fichier de destination dans lequel le système écrit le script extrait.

Script Automation Engine utilisant la fonction EXPORT() pour écrire le contenu du script de l'objet dans le fichier export.xml.
Exemple de script dans Automation Engine montrant comment la fonction EXPORT() est utilisée pour exporter l'objet sélectionné dans un fichier XML (export.xml).

Une fois que le contenu est disponible, il doit être analysé. Dans ce cas, un simple analyseur Python développé en interne avec le module xml.etree.ElementTree a été utilisé, bien que n'importe quelle solution d'analyse XML puisse fonctionner – en fin de compte, il faut juste que le fonctionnement soit fiable. L'analyseur stocke le script dans un fichier externe, et un autre job lit ce fichier et charge le contenu dans des variables AE afin qu'il puisse être traité par le cadre d'IA.

Extrait de script Automation Engine montrant les variables PromptSet avec les instructions ASK_AI pour les sections pré-traitement, traitement et post-traitement.
Exemple de script dans Automation Engine où les variables PromptSet sont remplies avec des instructions de documentation pilotées par l'IA pour les parties pré-traitement, traitement et post-traitement d'un job.

Si le contenu du script n'est pas vide, l'IA est appelée par l'intermédiaire de la fonction ASK_AI() prévue à cet effet. Ici, il est demandé à l'IA de produire une documentation pour le script extrait. AE ayant des limites, la réponse est limitée à 1024 caractères pour éviter la troncature. Il est également demandé à l'IA d'éviter les caractères susceptibles de rompre la structure XML. Une fois la documentation générée, elle est réinscrite dans le fichier XML sous la bonne section de documentation à l'aide du même analyseur Python que précédemment. La dernière étape consiste à réimporter l'objet dans AE.

Extrait de script Automation Engine utilisant la procédure IMPORT() pour réimporter un objet du fichier output.xml.
Exemple de script montrant comment la fonction IMPORT() est utilisée dans Automation Engine pour réimporter un objet à partir du fichier output.xml.

Pour ce faire, la fonction intégrée IMPORT() est utilisée avec le chemin d'accès au fichier XML mis à jour. L'argument dossier peut être laissé vide, mais le paramètre Objet doit être défini sur 1, sinon l'importation ignorera l'objet puisqu'il existe déjà. Le résultat de ce job plan apparaîtra dans le volet de documentation de l'objet sélectionné.

Exemple de documentation automatisée générée pour un job Automation Engine, comprenant les sections pré-script, script et post-script.
Exemple de documentation automatisée générée montrant les descriptions des sections pré-script, script et post-script d'un job Automation Engine.

Le résultat ci-dessus est généré à partir du contenu du script suivant :

Script de pré-traitement Automation Engine utilisant PUT_ATT pour définir l'hôte WIN01.
Entrée de script de pré-traitement montrant l'utilisation de PUT_ATT pour attribuer l'hôte WIN01.
Script de post-traitement Automation Engine utilisant GET_UC_OBJECT_STATUS, SYS_ACT_ME_NR, SYS_ACT_ME_NAME et ACTIVATE_UC_OBJECT pour la gestion des erreurs.
Exemple d'onglet post-traitement montrant comment Automation Engine vérifie les codes de retour et déclenche un job d'analyse des erreurs si des problèmes sont détectés.
Script de traitement Automation Engine gérant le statut de connexion de l'utilisateur avec SYS_TIME, PREP_PROCESS_VAR, GET_PROCESS_LINE et ACTIVATE_UC_OBJECT.
Exemple d'onglet de processus montrant comment Automation Engine vérifie le statut de connexion de l'utilisateur, met à jour les variables et déclenche l'activation d'un job.

Affiner l'IA pour structurer la documentation dans Automic

Cette solution peut être affinée pour créer une documentation structurée, ou enrichie d'informations prédéfinies telles que priorité, gravité ou personne responsable. Cela permet aux équipes de créer une documentation cohérente et détaillée qui va au-delà des détails techniques et intègre la pertinence opérationnelle.

Recommandations pour une utilisation fiable

Bien que cette approche accélère considérablement la phase de documentation du développement, il est toujours recommandé d'examiner attentivement les résultats du plan de travail. Il n'est pas conseillé de documenter plusieurs objets en même temps, car cela augmente le risque d'inexactitudes et réduit la transparence.

Au-delà de la documentation : les avantages plus larges de l'IA dans AE

L'accélération de la documentation n'est qu'un des domaines dans lesquels nous pouvons profiter des avantages de l'IA dans AE. Il existe plusieurs autres possibilités cachées derrière l'IA qui peuvent apporter une valeur ajoutée encore plus grande.

Alertes basées sur l'IA

L'analyse IA intégrée au système d'alerte peut s'avérer extrêmement utile. Les opérateurs et les administrateurs disposent déjà d'un grand nombre d'informations lorsqu'ils reçoivent une alerte, notamment la description des erreurs, l'analyse des causes profondes éventuelles et les solutions proposées. Cela réduit considérablement le temps de dépannage et permet une résolution plus rapide.

Modèles personnalisés avec Ollama

Avec l'intégration d'Ollama, les entreprises peuvent entraîner leurs propres modèles personnalisés et les utiliser de façon fluide dans Automic. Cela signifie que l'IA dans AE peut être adaptée aux besoins spécifiques de l'organisation, créant ainsi une aide à l'automatisation plus pertinente et contextuelle.

Extension des cas d'utilisation

L'IA dans AE ne soutiendra pas seulement l'analyse des erreurs et le développement de logiciels, mais peut également être appliquée à des domaines d'activité plus larges tels que l'analyse des données, l'exploration des données, la prévision des tendances et même la prise de décision automatisée. Cela ouvre un éventail beaucoup plus large de possibilités pour les entreprises désireuses d'innover.

Conclusion

L'IA devenant de plus en plus intelligente, sa combinaison avec Automic ouvre de nouvelles perspectives pour des processus plus intelligents, plus rapides et plus fiables. Les organisations qui se positionnent en tant que pionnières dans l'adoption de l'IA sont susceptibles de bénéficier d'un avantage concurrentiel substantiel en débloquant des gains d'efficacité importants, en gagnant du temps et en réduisant la consommation de ressources.

Vous souhaitez que nous vous aidions à explorer les fonctions avancées de l'IA dans Automic ? Parlons-en.

Formulaire de contact (superposition)
Image de Author: Ádám Murányi

Auteur : Ádám Murányi

est un professionnel de la technologie avec une expertise dans l'automatisation et l'intégration de l'IA, aidant les organisations à rationaliser les flux de travail et à améliorer la qualité de la documentation.

Suivez-nous sur LinkedIn
Actualités sur Automic Automation, mises à jour sur les formations et nouvelles de la communauté
Suivre sur LinkedIn

À propos de l'auteur

Image de Adrienn Vasas

Adrienn Vasas

Articles connexes

Défiler vers le haut