AI Destekli NOC Projesi

Projenin amacı

AI Destekli NOC Projesi, dışarıdan alınan izleme, alarm bildirimi, eskalasyon ve raporlama hizmetlerini kurum içinde kurgulamak amacıyla geliştirdiğim bir otomasyon çalışmasıdır. Hedefim; dışa bağımlılığı azaltmak, operasyonel müdahaleyi hızlandırmak ve olay yönetimini yapay zekâ desteğiyle daha tutarlı bir sürece dönüştürmektir.

Bir alarmın oluşması, ilgili kişinin haberdar olması ve olayın sahiplenilmesi farklı adımlardır. Proje bu adımları aynı akış içinde ele alır. İzleme sisteminin ürettiği olayın sınıflandırılması, anlaşılır bir özete dönüştürülmesi, doğru sorumluya yönlendirilmesi ve kapanışa kadar izlenmesi tasarımın temelini oluşturur.

Mevcut durum ve kapsam

Proje geliştiriliyor; çalışmalar laboratuvar ve test ortamında sürüyor. Bu sayfa, hedeflenen mimariyi ve geliştirme yönünü açıklıyor. Üretim ortamında tamamlanmış bir kurulum, doğrulanmış performans sonucu veya kullanıma hazır ticari ürün iddiası taşımıyor. Bildirim kanalları, telefonla eskalasyon ve raporlama işlevleri geliştirme yol haritasının parçalarıdır.

Başlangıç noktası, mevcut sanal sunuculardaki Zabbix ajanları, trigger yapıları ve alarm seviyeleridir. Proje kapsamında disaster, critical ve warning kategorilerindeki olayların ele alınması hedeflenmektedir. Alarmın kaynağı, önem seviyesi ve olay bağlamının süreç boyunca korunması; bildirim ile case kaydının birbirinden kopmaması amaçlanır.

Mantıksal akış

Zabbix Trigger → Webhook / API → AI NOC API → Alarm sınıflandırma → LLM analizi → Main DB kayıt → Bildirim / eskalasyon → Case kabul / kapanış → Raporlama

Görsel, hedeflenen akışı altı grupta özetleyen kavramsal bir illüstrasyondur.

1. Alarm kaynağı: Zabbix trigger, izlenen sistemdeki olayı başlatır. Olayın seviyesi ve ilgili sistem bilgileri sonraki adıma aktarılır.
2. API katmanı: Webhook veya API üzerinden gelen olayın AI NOC API tarafından alınması ve ortak bir veri yapısıyla işlenmesi hedeflenir.
3. Sınıflandırma ve analiz: Alarm sınıflandırmasının ardından LLM ile olayın yorumlanması, okunabilir bir özet ve değerlendirme üretilmesi planlanır. AI çıktıları operasyon ekibinin değerlendirmesine yardımcı olacak şekilde ele alınır.
4. Merkezi kayıt: Olay, analiz ve süreç bilgilerinin ana veritabanında ilişkilendirilmesi amaçlanır. Böylece sonraki adımlar aynı case üzerinden takip edilebilir.
5. Bildirim ve eskalasyon: Sorumlulara bildirim gönderilmesi, yanıt durumunun izlenmesi ve gerektiğinde telefonla bir üst seviyeye geçilmesi hedeflenir.
6. Case ve raporlama: Olayın kabulünden kapanışına kadar geçen sürecin kayda alınması, ardından aylık veya talep bazlı raporlara dönüştürülmesi planlanır.

Teknik bileşenler

Laboratuvar çalışmasının teknoloji setinde Python, FastAPI, PostgreSQL, Redis, Zabbix, Docker, Ollama ve Asterisk bulunuyor. Bu bileşenlerin hedef mimarideki rolleri şöyle şekilleniyor:

• Zabbix: İzlenen sanal sunuculardan olay üretimi ve mevcut trigger yapılarının kullanılması.
• Python / FastAPI: Alarm kabulü, iş kuralları ve diğer bileşenler arasındaki API iletişimi.
• PostgreSQL: Olay, analiz, sorumluluk ve case geçmişi için merkezi kayıt yapısı.
• Redis: Arka plan işlerinin ve geçici süreç durumlarının yönetimini destekleyen katman.
• Ollama: Yerel LLM değerlendirmelerinin denenmesi ve analiz çıktılarının geliştirilmesi.
• Asterisk: Telefon araması ve kademeli eskalasyon senaryolarının çalışılması.
• Docker: Bileşenlerin laboratuvar ortamında düzenli ve tekrarlanabilir biçimde çalıştırılması.

Teknolojilerin aynı mimaride yer alması, bütün entegrasyonların tamamlandığı anlamına gelmiyor. Geliştirme sırasında her bileşenin görev sınırının ve diğer bileşenlerle veri alışverişinin testlerle netleştirilmesi hedefleniyor.

Hedeflenen operasyonel özellikler

Bildirim tarafında WhatsApp, Telegram ve Teams benzeri kanalların değerlendirilmesi planlanıyor. Hangi kanalın hangi alarm seviyesinde kullanılacağı, kurumun operasyon düzenine göre şekillenecek. Bir bildirimin gönderilmesiyle olayın kabul edilmesinin ayrı durumlar olarak izlenmesi, tasarımın önemli noktalarından biri.

Yanıt alınamadığında 1., 2. ve 3. seviye sorumlulara telefonla ulaşılması hedefleniyor. Eskalasyonun ne zaman ilerleyeceği ve case kabul edildiğinde nasıl duracağı, test edilmesi gereken temel senaryolar arasında. Kapanışın kayıt altına alınmasıyla da olayın yalnızca bildirim aşaması değil, tüm yaşam döngüsü görünür hale getirilmeye çalışılıyor.

Raporlama tarafında aylık ve talep bazlı çıktılar amaçlanıyor. Olay dağılımları, kabul ve kapanış bilgileri ile eskalasyon geçmişinin raporlara temel oluşturması planlanıyor. Raporların içeriği, laboratuvar çalışmalarında oluşan kayıtların tutarlılığı doğrulandıktan sonra netleştirilecek.

Geliştirme yol haritası

1. Temel akışın doğrulanması: Zabbix olayının API tarafından alınması, sınıflandırılması, LLM analizine aktarılması ve merkezi kaydın oluşması üzerinde çalışmak.

2. Operasyon senaryoları: Bildirim kanallarını, yanıtsız kalan olayları, kademeli telefon aramalarını ve case kabul / kapanış ilişkisini test etmek.

3. Raporlama ve pilot hazırlığı: Aylık ve talep bazlı raporları geliştirmek; hatalı, eksik veya tekrarlayan olaylarda akışın davranışını değerlendirmek. Pilot kullanıma geçişi bu doğrulamalara göre planlamak.

4. Ürünleştirme: Çözüm kendini ispatladıktan sonra kurulum, yapılandırma ve işletim süreçlerini paket yazılım yaklaşımıyla ele almak. Uzun vadeli hedef, farklı kurumların ihtiyaçlarına uyarlanabilen ticari bir ürün ortaya çıkarmak.

Öncelik, uçtan uca olay yönetiminin laboratuvar ortamında tutarlı biçimde çalıştığını göstermek. Ürünleştirme kararı ve üretim kullanımı, bu geliştirme ve doğrulama adımlarının sonucuna bağlı olarak değerlendirilecek.