تتجه أدوات مراقبة البنية التحتية التقنية نحو مرحلة جديدة لا تكتفي بعرض التنبيهات والرسوم البيانية، بل تحاول تفسير ما يحدث فعلياً داخل الأنظمة. وفي هذا السياق، تستعرض Selector منصة للرصد التشغيلي مدعومة بالذكاء الاصطناعي تهدف إلى مساعدة فرق العمليات الشبكية على التعامل مع سيل التنبيهات، وربط الإشارات المتفرقة، والوصول إلى السبب المرجح للمشكلة بسرعة أكبر.
الفكرة الأساسية التي تبني عليها الشركة منصتها بسيطة من حيث الطرح، لكنها معقدة في التنفيذ: عندما تتعطل الخدمة أو تظهر مشكلة في الشبكة، لا ينبغي للمهندس أن يقضي وقتاً طويلاً في التنقل بين أدوات منفصلة للبحث عن الخيط الأول. بدلاً من ذلك، تجمع المنصة البيانات من مصادر مختلفة وتعيد تنظيمها في صورة واحدة تساعد على فهم الحادثة وتقليل التشويش التشغيلي.
من التنبيهات المتناثرة إلى صورة موحدة
تعاني فرق تشغيل الشبكات عادةً من كثافة عالية في التنبيهات الناتجة عن أدوات المراقبة التقليدية، خصوصاً في البيئات التي تجمع بين الشبكات المحلية والسحابة والتطبيقات والبنية التحتية. هذا التعدد قد يؤدي إلى تكرار البلاغات نفسها بصيغ مختلفة، ما يزيد من الضغط على المهندسين ويؤخر الوصول إلى السبب الحقيقي للمشكلة.
المنصة التي تعرضها Selector تحاول معالجة هذه الفجوة عبر تجميع الإشارات من مصادر متعددة ثم تحليل العلاقات بينها. والنتيجة ليست مجرد قائمة أحداث، بل حزمة سياقية توضح ما الذي حدث، وأين بدأ الخلل، وما العناصر التي تبدو مرتبطة به. بهذه الطريقة، تتحول الأداة من مجرد لوحة مراقبة إلى طبقة تفسيرية تساعد في اتخاذ القرار.
وتستهدف هذه المقاربة بالدرجة الأولى فرق عمليات الشبكات، لكنها لا تتوقف عند حدود الشبكات فقط. فالبنية التي تعتمدها الشركة يمكنها التعامل مع بيانات أخرى مرتبطة بالمؤشرات والسجلات والتتبعات، مع توجه واضح نحو توسيع القدرات لتشمل مراقبة السحابة والبنية التحتية أيضاً.
الذكاء الاصطناعي كمحرك لتحليل السبب الجذري
تعتمد Selector على خوارزميات ذكاء اصطناعي وتعلم آلي لالتقاط الأنماط الخفية داخل البيانات وربطها ببعضها. وفي عرض المنصة، جرى التركيز على قدرة النظام على تحويل سيل المعلومات الخام إلى ملخص عملي يختصر رحلة طويلة كان من الممكن أن تشمل عدة لوحات تحكم وأدوات منفصلة.
أحد الاستخدامات الرئيسية هنا هو تحديد السبب الجذري أو السبب المرجح للحادثة. فإذا ظهر انقطاع في وصلة أو فشل في جلسة بروتوكول توجيه، يمكن للمنصة أن تلاحظ التنبيهات المرتبطة بذلك من أنظمة مختلفة، ثم تستنتج أي الإشارات كانت مجرد نتائج لاحقة وأيها كان سبب البداية. هذا النوع من التحليل مهم في بيئات الشبكات لأن الخطأ الأصغر قد ينتشر سريعاً إلى مشكلات متعددة على مستوى الخدمات.
كما توفر المنصة ملخصات مولدة بالذكاء الاصطناعي للحوادث، بحيث يحصل المستخدم على وصف مختصر لما يجري بدل أن يواجه بيانات متناثرة يصعب تفسيرها بسرعة. وبهذا، تقترب الأداة من أسلوب العمل الذي يحتاجه فريق العمليات في المواقف الحرجة، حيث يكون الزمن عاملاً حاسماً.
الاستعلام باللغة الطبيعية يغير طريقة التحقيق
من أبرز العناصر التي تقدمها المنصة واجهة محادثة تسمح للمستخدم بطرح الأسئلة بصيغة طبيعية. بدلاً من كتابة استعلامات معقدة أو فتح عدة شاشات، يمكن للمهندس أن يسأل عن أحداث معينة في مدينة أو عن الشذوذات المسجلة خلال فترة زمنية محددة، ثم يحصل على نتائج منظمة تساعده في متابعة التحقيق.
هذه الميزة تعكس توجهاً واسعاً في أدوات التقنية الحديثة، حيث لا يقتصر الذكاء الاصطناعي على التحليل الخلفي، بل يمتد أيضاً إلى تبسيط التفاعل اليومي مع الأنظمة. وفي بيئات التشغيل الكبيرة، قد يختصر هذا الأسلوب وقتاً ثميناً كان يُستنزف في البحث اليدوي بين السجلات والرسوم البيانية.
وتقول الشركة إن الواجهة المحادثية ليست مجرد طبقة إضافية للتجربة، بل جزء من فلسفة العمل داخل المنصة. كما تدعم الشركة تكاملات مع وكلاء ذكاء اصطناعي خارجيين عبر خادم مخصص، ما يفتح المجال أمام الشركات التي تريد ربط أدواتها الداخلية بمنطق التحقيق ذاته.
الدعم لبيئات الشبكات والسحابة والبنية التحتية
تسعى Selector إلى بناء منصة لا تعتمد على نوع واحد من البيانات. فهي تتعامل مع مؤشرات الشبكات، مثل بروتوكولات الاكتشاف والربط ومسارات التوجيه، كما يمكنها التعامل مع بيانات السحابة والموارد المرتبطة بها. ويعكس هذا التوسع حقيقة أساسية في مشهد التقنية اليوم: معظم المؤسسات لا تعمل داخل بيئة واحدة، بل داخل بنية هجينة تربط بين الخوادم المحلية والخدمات السحابية والتطبيقات الموزعة.
وفي جانب السحابة، تمتد قدرات المنصة لتشمل بيئات مثل AWS، مع العمل على توسيع الدعم ليشمل منصات أخرى. الفكرة هنا هي استخدام النهج نفسه في الربط والتحليل، سواء كانت البيانات قادمة من شبكة تقليدية أو من موارد سحابية. وهذا ما يمنح المنصة مرونة أعلى في التعامل مع المؤسسات التي تحتاج إلى رؤية موحدة عبر طبقات تقنية متعددة.
أما على مستوى المخرجات، فيمكن تكييف العرض بحسب الجهة المستفيدة. فهناك من يحتاج إلى رؤية تنفيذية سريعة، وهناك من يريد تفاصيل فنية دقيقة، وهناك من يبحث عن مسار واضح للغوص من المشكلة العامة إلى نقطة الخلل المحددة. لذلك تتيح المنصة لوحات عرض قابلة للتخصيص وعمليات تنقل عميقة داخل الحادثة نفسها.
التكامل السريع ونموذج النشر السحابي
من النقاط التي تبرز في هذا النوع من المنصات أن سرعة النشر غالباً ما تكون عاملاً حاسماً في قرار التبني. ووفق ما تعرضه Selector، يمكن تشغيل المنصة كخدمة سحابية، كما يمكن نشرها داخل بيئات العملاء المحلية عبر Kubernetes، بما في ذلك توزيعات شائعة داخل المؤسسات. هذا يعني أن اعتمادها لا يتطلب بالضرورة مشروعاً طويلاً أو تعقيداً كبيراً في الإعداد.
وتشير الشركة إلى أنها تعتمد أيضاً على نهج منخفض الكود أو بلا كود في استخراج البيانات وتحويلها. ويأتي ذلك استجابةً لطبيعة العمل الفعلية في هذا المجال، حيث لا تكمن الصعوبة دائماً في التحليل، بل في جمع البيانات وتوحيد صيغها وتنظيفها قبل إدخالها إلى المنصة. عندما تُحل هذه المرحلة، تصبح بقية السلسلة التشغيلية أسرع وأكثر قابلية للتوسع.
كما تقدم الشركة دعماً استشارياً خلال إثبات المفهوم أو أثناء التنفيذ الأولي، بحيث تتم مواءمة مصادر البيانات مع حالات الاستخدام المطلوبة. هذا النوع من الدعم مهم خصوصاً للمؤسسات التي تمتلك أنظمة مختلفة العمر والبنية، وتحتاج إلى ربطها تدريجياً بدلاً من إعادة بنائها بالكامل.
أهمية الأدوات الذكية في مستقبل العمليات
يكشف هذا النوع من المنصات عن اتجاه واضح في سوق التقنية: الانتقال من المراقبة السلبية إلى الفهم النشط. فالمؤسسات لم تعد تحتاج فقط إلى معرفة أن عتبةً ما تم تجاوزها، بل إلى فهم لماذا حدث ذلك، وما الذي تغير قبله، وما أثره المحتمل لاحقاً. هنا تحديداً يظهر دور الذكاء الاصطناعي كأداة لفرز الإشارات المهمة من الضوضاء التشغيلية.
وفي بيئات اليوم، حيث تتقاطع الشبكات مع التطبيقات ومع السحابة ومع الأتمتة، يصبح تحليل السبب الجذري مهمة تتطلب أكثر من لوحة رسوم بيانية. المنصات التي تستطيع تجميع البيانات، وبناء علاقات بينها، وتقديم تفسير بلغة مفهومة، ستكون أقرب إلى احتياجات فرق التشغيل التي تبحث عن السرعة والدقة في آن واحد.
وبينما لا تزال كثير من المؤسسات تعتمد على عمل يدوي متكرر لتجميع المؤشرات من أدوات مختلفة، يوضح هذا النهج كيف يمكن للذكاء الاصطناعي أن يقلص المسافة بين الحدث والمعلومة المفيدة. النتيجة ليست فقط استجابة أسرع، بل أيضاً رؤية تشغيلية أوضح وأكثر قابلية للتوسع في بيئات تقنية تتغير باستمرار.