GitOps, Observability e AI: come chiudere il ciclo dell’AIOps

Abstract

In molti contesti sono presenti pratiche e strumenti di DevOps, GitOps, Observability e AI, ma raramente sono davvero integrati. I dati arrivano dai sistemi di monitoring, le pipeline funzionano, qualche analisi automatica produce insight interessanti. Poi però, quando c’è da intervenire, tutto torna manuale oppure dipende dall’esperienza di chi è di turno.

Questo intervento nasce da un’architettura che integra GitLab, OpenSearch e una serie di strumenti e workflow AI che lavorano sui dati operativi. L’idea era chiudere il cerchio e costruire una soluzione di AIOps capace di affrontare problemi concreti: capire cosa sta succedendo, gestire gli alert in modo più intelligente e applicare i cambiamenti in modo controllato.

I segnali arrivano da log e metriche, vengono analizzati e correlati in OpenSearch e da lì alimentano processi di analisi che provano a dare contesto agli eventi. Quando emerge una possibile azione correttiva, questa non viene applicata direttamente: rientra invece in GitLab sotto forma di modifiche versionate, pipeline, revisioni e rollout progressivi, che possono essere eseguiti in automatico oppure, più realisticamente, valutati da una persona.

Il talk si concentra su come questi pezzi sono stati messi insieme e sui benefici ottenuti nella pratica. Il risultato è un approccio che permette di collegare osservabilità, decisione e cambiamento senza perdere il controllo del sistema, facendo un passo in avanti verso forme di automazione guidata dall’AI.