آینده دواپس (DevOps) چیست؟ از GitOps تا AIOps و Platform Engineering

دواپس (DevOps) دیگر صرفاً مجموعه‌ای از ابزارها برای Build، Deploy و مدیریت Server نیست. در سال‌های اخیر، DevOps از یک فرهنگ و مجموعه‌ای از Practices برای همکاری تیم‌های Development و Operations به سمت یک رویکرد جامع‌تر برای Automation، Reliability، Platform Engineering و مدیریت هوشمند زیرساخت حرکت کرده است.

ظهور رویکردهایی مانند Infrastructure as Code، GitOps، Kubernetes، Platform Engineering و AIOps نشان می‌دهد که آینده DevOps بیشتر از آنکه به اضافه شدن یک ابزار جدید وابسته باشد، به افزایش سطح اتوماسیون و انتزاع زیرساخت وابسته است.

اما آیا AI جایگزین DevOps Engineer خواهد شد؟ آیا GitOps جایگزین CI/CD می‌شود؟ آیا تیم‌های DevOps در آینده کوچک‌تر می‌شوند؟ و در نهایت، سازمان‌ها باید از امروز برای این تغییرات چه کاری انجام دهند؟

در این مقاله مسیر تحول DevOps را بررسی می‌کنیم و مهم‌ترین روندهایی را که می‌توانند آینده این حوزه را شکل دهند، بررسی خواهیم کرد.

DevOps از کجا به اینجا رسید؟

برای درک آینده DevOps، ابتدا باید مسیر تحول آن را ببینیم.

در مدل‌های سنتی، تیم Development مسئول تولید نرم‌افزار بود و تیم Operations وظیفه اجرای آن را بر عهده داشت. فاصله میان این دو تیم معمولاً باعث ایجاد مشکلاتی مانند Deploymentهای کند، خطاهای انسانی، مسئولیت‌های مبهم و اختلاف بر سر محیط اجرا می‌شد.

DevOps تلاش کرد این شکاف را با ترکیبی از فرهنگ، Automation و فرآیندهای مشترک کاهش دهد.

سپس ابزارهایی مانند:

• Git
• CI/CD
• Docker
• Kubernetes
• Terraform
• Ansible
• Prometheus
• Grafana
• Argo CD

به تدریج وارد چرخه DevOps شدند و Infrastructure و Software Delivery را بیشتر به سمت Automation بردند.

امروز نیز مرحله بعدی این تحول در حال شکل‌گیری است.

نسل بعدی DevOps چه ویژگی‌هایی دارد؟

اگر بخواهیم روندهای اصلی آینده DevOps را خلاصه کنیم، چند مفهوم بیش از بقیه اهمیت دارند:

• GitOps برای مدیریت Declarative زیرساخت و Deployment
• Platform Engineering برای ایجاد Internal Developer Platform
• AIOps برای تحلیل و Automation مبتنی بر هوش مصنوعی
• Infrastructure as Code برای مدیریت قابل تکرار Infrastructure
• Observability برای درک رفتار سیستم‌های پیچیده
• DevSecOps برای ادغام Security در چرخه توسعه
• FinOps برای کنترل و بهینه‌سازی هزینه Infrastructure
• Policy as Code برای Automation در Governance و Compliance

این فناوری‌ها قرار نیست الزاماً DevOps را حذف کنند؛ بلکه بخش بیشتری از کارهای تکراری و Manual را از دوش تیم‌ها برمی‌دارند.

GitOps چیست و چرا در آینده DevOps مهم است؟

GitOps رویکردی برای مدیریت Infrastructure و Application Deployment است که Git را به عنوان منبع اصلی حقیقت (Source of Truth) در نظر می‌گیرد.

به جای اینکه یک Engineer مستقیماً Configuration سیستم Production را تغییر دهد، وضعیت مطلوب سیستم در Repository تعریف می‌شود و ابزارهای Automation تلاش می‌کنند وضعیت واقعی Infrastructure را با وضعیت تعریف‌شده در Git هماهنگ کنند.

یک جریان ساده GitOps می‌تواند به شکل زیر باشد:

Developer
   |
   v
Git Repository
   |
   v
CI Pipeline
   |
   v
Container Registry
   |
   v
GitOps Repository
   |
   v
Argo CD / GitOps Controller
   |
   v
Kubernetes

این مدل مزایای مهمی دارد:

• Version Control برای Infrastructure
• Auditability
• Rollback ساده‌تر
• کاهش تغییرات دستی
• امکان Review کردن تغییرات
• هماهنگی بهتر بین تیم‌ها

برای آشنایی بیشتر با این رویکرد، مطالعه مقاله فلسفه GitOps و ابزارهایی مانند Argo CD نیز پیشنهاد می‌شود.

آیا GitOps جایگزین CI/CD می‌شود؟

خیر. GitOps و CI/CD معمولاً مکمل یکدیگر هستند.

CI Pipeline می‌تواند وظایفی مانند Build، Test و Security Scan را انجام دهد، در حالی که GitOps می‌تواند فرآیند Deployment و هماهنگ نگه داشتن وضعیت Cluster با Configuration تعریف‌شده در Git را مدیریت کند.

Platform Engineering؛ قدم بعدی DevOps

یکی از مهم‌ترین روندهای سال‌های اخیر، حرکت سازمان‌ها از تیم‌های DevOps صرفاً عملیاتی به سمت Platform Engineering است.

در Platform Engineering، یک تیم تخصصی Internal Platform ایجاد می‌کند تا Developerها بتوانند بدون درگیر شدن با جزئیات پیچیده Infrastructure، Application خود را Deploy و مدیریت کنند.

به جای اینکه هر Developer مجبور باشد بداند:

• Kubernetes چگونه Configuration می‌شود.
• Ingress چگونه کار می‌کند.
• Secretها کجا قرار می‌گیرند.
• Monitoring چگونه راه‌اندازی می‌شود.
• CI/CD چگونه طراحی می‌شود.

Platform Team می‌تواند یک تجربه استاندارد و Self-Service در اختیار Developer قرار دهد.

در این مدل، Developer ممکن است فقط یک Repository و چند Configuration ساده در اختیار داشته باشد و Platform بقیه مراحل را Automation کند.

Internal Developer Platform چیست؟

Internal Developer Platform یا IDP مجموعه‌ای از ابزارها، فرآیندها و سرویس‌های داخلی است که برای ساده‌تر کردن تجربه Developerها ساخته می‌شود.

یک IDP ممکن است شامل موارد زیر باشد:

• Templateهای آماده Application
• CI/CD Pipeline
• Kubernetes Deployment
• Logging
• Monitoring
• Secrets Management
• Database Provisioning
• Environment Management
• Documentation

هدف این نیست که Developer را از Infrastructure کاملاً جدا کنیم؛ هدف این است که پیچیدگی غیرضروری از مسیر توسعه حذف شود.

آیا Platform Engineering جایگزین DevOps می‌شود؟

Platform Engineering را بهتر است تکامل بخشی از Practices مرتبط با DevOps بدانیم، نه جایگزین کامل آن.

DevOps یک Culture و مجموعه‌ای از Practices است، در حالی که Platform Engineering بیشتر بر ساخت Platform و Developer Experience تمرکز دارد.

در سازمان‌های بزرگ ممکن است این دو در کنار هم وجود داشته باشند: تیم Platform زیرساخت و ابزارهای مشترک را فراهم کند و تیم‌های Product از آن برای Delivery سریع‌تر استفاده کنند.

AIOps چیست؟

AIOps مخفف Artificial Intelligence for IT Operations است و به استفاده از تکنیک‌های هوش مصنوعی و Machine Learning برای تحلیل داده‌های عملیاتی IT و کمک به Automation و تصمیم‌گیری اشاره دارد.

سیستم‌های مدرن حجم بسیار زیادی از داده تولید می‌کنند:

• Metrics
• Logs
• Traces
• Events
• Alerts
• Deployment Data
• Infrastructure Data

تحلیل دستی تمام این داده‌ها برای تیم Operations دشوار است. AIOps تلاش می‌کند الگوها، Anomalyها و ارتباط میان Eventها را پیدا کند.

AIOps چه کاربردهایی دارد؟

Anomaly Detection

سیستم می‌تواند رفتار معمول Application را یاد بگیرد و در صورت مشاهده رفتار غیرعادی، آن را شناسایی کند.

Event Correlation

گاهی ده‌ها Alert مختلف در نتیجه یک Failure اصلی ایجاد می‌شوند. AIOps می‌تواند تلاش کند این Eventها را به یک Incident اصلی مرتبط کند.

Root Cause Analysis

در معماری‌های Distributed، پیدا کردن Root Cause یک مشکل دشوار است. تحلیل همزمان Metrics، Logs و Traces می‌تواند به تشخیص سریع‌تر علت کمک کند.

Predictive Operations

در برخی سناریوها می‌توان از داده‌های گذشته برای پیش‌بینی مشکلاتی مانند افزایش مصرف منابع یا احتمال Failure استفاده کرد.

Automated Remediation

پس از شناسایی یک الگوی مشخص، برخی اقدامات می‌توانند به صورت خودکار اجرا شوند؛ البته Automation باید با Guardrail و کنترل مناسب طراحی شود.

رابطه AIOps و Observability

AIOps بدون داده باکیفیت ارزش محدودی خواهد داشت.

اگر Metrics ناقص باشند، Logs ساختار مناسبی نداشته باشند یا Traceهای Distributed در دسترس نباشند، سیستم هوشمند نیز اطلاعات کافی برای تحلیل نخواهد داشت.

به همین دلیل یکی از پایه‌های مهم AIOps، Observability است.

برای مثال ترکیب Prometheus، Grafana، Loki و OpenTelemetry می‌تواند بخش مهمی از Data Layer مورد نیاز برای Observability مدرن را فراهم کند.

مقاله Observability چیست؟ نیز دید جامع‌تری نسبت به این موضوع ارائه می‌دهد.

هوش مصنوعی چگونه DevOps را تغییر می‌دهد؟

AI احتمالاً بیشترین تأثیر را روی کارهای تکراری DevOps خواهد داشت.

برخی از کاربردهای محتمل و در حال گسترش عبارت‌اند از:

• تولید و اصلاح Configuration
• تحلیل Logs
• تشخیص Anomaly
• پیشنهاد Root Cause
• تولید Pipeline
• بررسی Infrastructure as Code
• پیشنهاد Resource Optimization
• کمک به Incident Response
• تولید Documentation
• تحلیل Security Findingها

اما این به معنی حذف Engineer نیست.

AI می‌تواند سرعت تحلیل و اجرای کار را افزایش دهد، اما تصمیم‌گیری درباره Architecture، Risk، Business Impact، Security و Reliability همچنان به تخصص انسانی نیاز دارد.

آیا AI جایگزین DevOps Engineer می‌شود؟

احتمالاً بخش زیادی از وظایف تکراری یک DevOps Engineer در آینده Automation خواهد شد، اما این با حذف نقش DevOps Engineer تفاوت دارد.

نقش Engineer می‌تواند از اجرای Manual Taskها به سمت مواردی مانند:

• Architecture
• Reliability Engineering
• Security
• Platform Design
• Automation
• Governance
• Capacity Planning
• Incident Management

حرکت کند.

به عبارت دیگر، آینده DevOps احتمالاً کمتر درباره «اجرای دستور روی Server» و بیشتر درباره «طراحی سیستمی است که خودش بتواند بسیاری از این کارها را انجام دهد» خواهد بود.

Infrastructure as Code در آینده DevOps

Infrastructure as Code یا IaC یکی از پایه‌های اصلی DevOps مدرن است و اهمیت آن در آینده نیز بیشتر خواهد شد.

با IaC، Infrastructure به شکل Code و Configuration تعریف می‌شود و می‌توان آن را Version، Review، Test و Automate کرد.

ابزارهایی مانند Terraform و Ansible در این حوزه نقش مهمی دارند.

ترکیب IaC با GitOps و Policy as Code می‌تواند Infrastructure را به یک سیستم قابل کنترل، قابل Audit و قابل تکرار تبدیل کند.

Policy as Code چیست؟

با افزایش Automation، سازمان‌ها نیاز دارند قوانین Security و Compliance نیز به صورت خودکار بررسی شوند.

در Policy as Code، قوانین سازمانی به شکل قابل اجرا تعریف می‌شوند.

برای مثال می‌توان Policyهایی تعریف کرد که:

• Container نباید با Root اجرا شود.
• Storage حساس باید Encryption داشته باشد.
• Public Exposure برای برخی سرویس‌ها ممنوع باشد.
• Resource Limit برای Podها اجباری باشد.

این رویکرد باعث می‌شود Governance از یک فرآیند Manual به بخشی از Automation تبدیل شود.

DevSecOps؛ امنیت از ابتدا

در مدل‌های قدیمی، Security گاهی در انتهای چرخه توسعه بررسی می‌شد. در DevSecOps، Security باید در کل چرخه Software Delivery حضور داشته باشد.

در آینده انتظار می‌رود Security Automation حتی عمیق‌تر شود و ابزارهای هوشمند برای تحلیل Vulnerability، Dependency، Configuration و Runtime Behavior استفاده شوند.

این تغییر باعث می‌شود Security دیگر یک مرحله جداگانه نباشد و به بخشی از Pipeline و Platform تبدیل شود.

برای آشنایی بیشتر با این موضوع می‌توانید مقاله DevSecOps چیست؟ را مطالعه کنید.

Observability؛ از Monitoring فراتر می‌رویم

Monitoring سنتی معمولاً می‌پرسد:

آیا سیستم سالم است؟

Observability مدرن سؤال‌های عمیق‌تری مطرح می‌کند:

• چرا سیستم رفتار غیرعادی دارد؟
• کدام Dependency باعث افزایش Latency شده است؟
• کدام Deployment باعث افزایش Error Rate شده است؟
• تأثیر یک Failure روی User Experience چیست؟

با افزایش پیچیدگی Microservices، Kubernetes و Multi-Cloud، Observability به یکی از پایه‌های مهم DevOps آینده تبدیل خواهد شد.

برای چنین محیط‌هایی، خدمات Monitoring و Observability باید از ابتدا بخشی از Architecture باشند.

FinOps و آینده مدیریت هزینه Cloud

با افزایش استفاده از Cloud، Kubernetes و Infrastructureهای Dynamic، کنترل هزینه به یک چالش جدی تبدیل شده است.

FinOps تلاش می‌کند هزینه Infrastructure را در کنار تیم‌های Engineering و Business مدیریت کند.

در آینده DevOps Engineerها احتمالاً بیشتر درگیر سؤالاتی مانند این خواهند شد:

• کدام Workload بیشترین هزینه را ایجاد می‌کند؟
• آیا Resourceها بیش از نیاز واقعی Provision شده‌اند؟
• آیا Scaling Policy بهینه است؟
• هزینه یک Feature جدید چقدر است؟

در نتیجه، Infrastructure Engineering به تدریج با Cost Engineering نیز پیوند بیشتری پیدا خواهد کرد.

GitOps، AIOps و Platform Engineering چگونه کنار هم قرار می‌گیرند؟

این سه مفهوم رقیب یکدیگر نیستند و می‌توانند در یک معماری مدرن در کنار هم قرار بگیرند.

Developer
    |
    v
Internal Developer Platform
    |
    +------ CI/CD
    |
    +------ GitOps
    |          |
    |          v
    |      Kubernetes
    |
    +------ Security / Policy
    |
    +------ Observability
               |
               v
        Metrics / Logs / Traces
               |
               v
             AIOps
               |
               v
     Detection / Analysis / Automation

در چنین معماری‌ای:

• Platform Engineering تجربه Developer را ساده می‌کند.
• GitOps وضعیت مطلوب Infrastructure و Application را مدیریت می‌کند.
• Observability وضعیت واقعی سیستم را قابل مشاهده می‌کند.
• AIOps داده‌ها را تحلیل و به تصمیم‌گیری و Automation کمک می‌کند.
• Security و Policy به صورت مستمر کنترل می‌شوند.

آینده Kubernetes در DevOps

Kubernetes به دلیل توانایی مدیریت Containerهای Distributed همچنان یکی از اجزای مهم Cloud-Native Infrastructure خواهد بود؛ اما نحوه استفاده از آن احتمالاً تغییر خواهد کرد.

Developerها در بسیاری از سازمان‌ها نباید مجبور باشند مستقیماً با تمام جزئیات Kubernetes کار کنند. Platform Engineering می‌تواند پیچیدگی Kubernetes را پشت یک Interface ساده‌تر پنهان کند.

به این ترتیب ممکن است Kubernetes همچنان در Backend زیرساخت حضور داشته باشد، اما Developer تجربه‌ای شبیه یک Platform ساده و Self-Service داشته باشد.

این موضوع یکی از دلایل اصلی اهمیت Platform Engineering در آینده DevOps است.

Serverless و آینده DevOps

Serverless و FaaS نیز بخشی از این تحول هستند. در این مدل‌ها بخش بیشتری از مدیریت Infrastructure به Platform واگذار می‌شود.

اما حتی در معماری Serverless نیز CI/CD، Security، Observability، Cost Management و Reliability همچنان وجود دارند.

بنابراین Serverless نیز باعث حذف DevOps نمی‌شود؛ بلکه سطح Abstraction را بالاتر می‌برد.

Chaos Engineering و آینده Reliability

هرچه سیستم‌ها بیشتر Automation شوند، نیاز به اطمینان از رفتار آن‌ها در شرایط Failure نیز افزایش پیدا می‌کند.

Chaos Engineering یکی از روش‌هایی است که می‌تواند برای آزمایش Resilience سیستم‌های مدرن استفاده شود.

برای مثال در یک Kubernetes Cluster می‌توان Failureهایی مانند حذف Pod، Network Delay یا از دست رفتن Node را به شکل کنترل‌شده آزمایش کرد.

ابزارهایی مانند Chaos Mesh می‌توانند اجرای این Experimentها را ساده‌تر کنند. در نتیجه Reliability در آینده DevOps بیشتر از گذشته به یک فرآیند مهندسی و قابل اندازه‌گیری تبدیل خواهد شد.

تغییر نقش DevOps Engineer در آینده

با افزایش Automation، تعریف نقش DevOps Engineer نیز در حال تغییر است.

مهارت‌های مهم برای DevOps Engineer آینده

اگر بخواهیم بر اساس این روندها نگاه کنیم، یادگیری مجموعه‌ای از ابزارها به تنهایی کافی نخواهد بود.

مهارت‌های مهم‌تر عبارت‌اند از:

• Linux و Networking
• Cloud-Native Architecture
• Kubernetes
• Infrastructure as Code
• GitOps
• CI/CD
• Observability
• Security
• SRE و Reliability Engineering
• Automation و Programming
• Platform Engineering
• آشنایی با AI و AIOps

مهم‌تر از همه، Engineer آینده باید بتواند رابطه بین این اجزا را درک کند. دانستن ۲۰ ابزار مختلف بدون درک Architecture معمولاً ارزش کمتری از تسلط عمیق بر چند مفهوم پایه دارد.

آیا DevOps در آینده حذف می‌شود؟

احتمال حذف کامل DevOps بسیار بعید است؛ اما شکل آن تغییر خواهد کرد.

همان‌طور که Cloud بسیاری از کارهای مربوط به مدیریت فیزیکی Server را تغییر داد، Automation و AI نیز بخشی از کارهای Manual DevOps را کاهش خواهند داد.

اما هرچه Infrastructure پیچیده‌تر شود، نیاز به افرادی که بتوانند Reliability، Security، Cost، Architecture و Automation را در کنار یکدیگر ببینند بیشتر می‌شود.

بنابراین احتمالاً آینده DevOps کمتر درباره «انجام دادن کارها» و بیشتر درباره طراحی سیستم‌هایی برای انجام خودکار کارها خواهد بود.

چگونه برای آینده DevOps آماده شویم؟

سازمان‌ها لازم نیست تمام Technologyهای جدید را همزمان پیاده‌سازی کنند. بهتر است تحول مرحله‌ای باشد.

مرحله اول: Automation پایه

کارهای Manual تکراری را شناسایی و با CI/CD، IaC و Automation کاهش دهید.

مرحله دوم: استانداردسازی Infrastructure

Configurationها، Deploymentها و Environmentها را استاندارد کنید.

مرحله سوم: GitOps

برای Kubernetes و Infrastructureهای مناسب، Git را به Source of Truth تبدیل کنید.

مرحله چهارم: Observability

Metrics، Logs و Traces را یکپارچه کنید تا رفتار واقعی سیستم قابل مشاهده باشد.

مرحله پنجم: Platform Engineering

اگر تعداد تیم‌ها و Applicationها زیاد است، یک Internal Platform برای Self-Service و استانداردسازی ایجاد کنید.

مرحله ششم: AIOps

پس از ایجاد Data Foundation مناسب، از AI برای Anomaly Detection، Event Correlation و Automation هدفمند استفاده کنید.

این ترتیب اهمیت زیادی دارد؛ زیرا AIOps نمی‌تواند زیرساختی با Observability ضعیف و داده‌های نامعتبر را به شکل جادویی اصلاح کند.

اشتباهات رایج در حرکت به سمت DevOps آینده

دنبال کردن هر Trend جدید

هر Technology جدید الزاماً برای سازمان شما مناسب نیست. انتخاب باید بر اساس Business Requirement و Architecture انجام شود.

خرید ابزار به جای حل مسئله

داشتن یک AIOps Platform یا Kubernetes Cluster به تنهایی DevOps سازمان را Mature نمی‌کند.

تمرکز بیش از حد روی AI

بدون Automation پایه، داده باکیفیت و Observability مناسب، AI معمولاً خروجی قابل اتکایی ایجاد نمی‌کند.

نادیده گرفتن Culture

DevOps همچنان یک مسئله فرهنگی و سازمانی است. ابزار نمی‌تواند به تنهایی Silos میان تیم‌ها را از بین ببرد.

پیاده‌سازی Platform بدون شناخت Developer Experience

Internal Platform باید برای Developerها ارزش ایجاد کند. اگر Platform فقط پیچیدگی جدیدی اضافه کند، هدف Platform Engineering محقق نشده است.

آینده DevOps در یک نگاه

سؤالات متداول درباره آینده DevOps

آیا DevOps در آینده از بین می‌رود؟

خیر. احتمالاً وظایف Manual و تکراری کاهش پیدا می‌کنند، اما نیاز به Automation، Reliability، Security و Infrastructure Engineering همچنان وجود خواهد داشت.

GitOps چیست؟

GitOps رویکردی برای مدیریت Infrastructure و Application Deployment است که Git را به عنوان Source of Truth برای وضعیت مطلوب سیستم در نظر می‌گیرد.

AIOps چیست؟

AIOps استفاده از تکنیک‌های AI و Machine Learning برای تحلیل داده‌های IT Operations، شناسایی Anomaly، Correlation و کمک به Automation است.

آیا AIOps جایگزین DevOps می‌شود؟

خیر. AIOps بیشتر بخشی از عملیات هوشمند و Automation است و به تیم‌های DevOps و Operations کمک می‌کند تا سریع‌تر و دقیق‌تر عمل کنند.

Platform Engineering چیست؟

Platform Engineering رویکردی برای ساخت Internal Platformهایی است که Infrastructure و ابزارهای موردنیاز Developerها را به صورت استاندارد و Self-Service ارائه می‌کنند.

آیا Kubernetes در آینده DevOps همچنان مهم خواهد بود؟

احتمالاً Kubernetes همچنان یکی از فناوری‌های مهم Cloud-Native باقی خواهد ماند، اما کاربران بیشتری ممکن است از طریق Platformهای داخلی با آن کار کنند و کمتر با جزئیات مستقیم آن درگیر شوند.

آیا AI می‌تواند Infrastructure را به صورت کامل مدیریت کند؟

AI می‌تواند بخش‌هایی از تحلیل و Automation را انجام دهد، اما برای محیط‌های حساس و Enterprise همچنان کنترل انسانی، Policy، Security و Governance ضروری است.

برای ورود به DevOps آینده چه چیزهایی باید یاد بگیریم؟

درک Linux، Networking، Cloud-Native، Kubernetes، IaC، CI/CD، GitOps، Observability، Security، SRE، Automation و مفاهیم AI می‌تواند پایه مناسبی برای این مسیر باشد.

جمع‌بندی

آینده دواپس را نمی‌توان در یک ابزار یا Technology خلاصه کرد. DevOps در حال حرکت از Automation ساده به سمت یک اکوسیستم کامل‌تر شامل GitOps، Platform Engineering، Observability، AIOps، DevSecOps، FinOps و Reliability Engineering است.

در این مسیر، GitOps تغییرات Infrastructure را قابل کنترل‌تر می‌کند، Platform Engineering پیچیدگی زیرساخت را از Developerها دور می‌کند، Observability دید عمیق‌تری از سیستم ارائه می‌دهد و AIOps می‌تواند تحلیل و بخشی از عملیات را هوشمندتر کند.

با این حال، مهم‌ترین نکته این است که آینده DevOps درباره حذف انسان نیست؛ درباره افزایش توانایی انسان با Automation و AI است.

سازمان‌هایی که امروز روی استانداردسازی Infrastructure، Automation، Observability، Security و فرهنگ DevOps سرمایه‌گذاری کنند، آمادگی بیشتری برای استفاده مؤثر از GitOps، Platform Engineering و AIOps خواهند داشت.