AIOps & AI-Powered Kubernetes Troubleshooting

Inżynierowie DevOps, SRE oraz Platform Engineers odpowiedzialni za utrzymanie i diagnostykę klastrów Kubernetes, którzy chcą skrócić czas triażu incydentów i wdrożyć narzędzia AI w procesach operacyjnych.

Po szkoleniu uczestnicy będą potrafili wykorzystywać narzędzia AIOps do szybkiej diagnostyki problemów w Kubernetes, integrować AI z procesami monitoringu i obsługi incydentów oraz projektować workflow skracające czas triażu i zwiększające skuteczność działań operacyjnych. Poznają możliwości i ograniczenia współczesnych rozwiązań AI, dzięki czemu będą mogli wdrażać je w sposób bezpieczny i świadomy.

Dzień 1 – Diagnostyka klastra z AI

AIOps — hype vs reality

• Co AIOps potrafi w 2026, czego nie potrafi
• Przegląd rynku: Datadog Bits AI, Dynatrace Davis CoPilot vs narzędzia open-source
• Dlaczego "alerting discipline first, AI second"

k8sgpt — diagnostyka klastra

• Instalacja i konfiguracja: tryb CLI oraz Operator
• Integracja z Prometheus i Grafana
• Redakcja danych wrażliwych w outputcie AI
• Rule-based analyzer vs LLM-explained output — różnica i kiedy używać której
• k8sgpt MCP server — podłączenie do asystenta AI
• Warsztat: diagnostyka 5 typowych problemów (bad image, missing secret, imagePullSecret, wrong ingress class, resource limits)

HolmesGPT

• AI investigation na bazie alertów Prometheus
• Workflow: alert → HolmesGPT → root cause → remediation proposal
• Warsztat: wygeneruj alert, puść HolmesGPT, porównaj z manualną diagnozą

Dzień 2 – Workflow AIOps i zaawansowane scenariusze

Grafana AI Assistant

• AI-generated dashboard descriptions i query suggestions
• Natural language querying metryk (Grafana Cloud)
• Warsztat: analiza anomalii na rzeczywistych metrykach klastra

Zaawansowane scenariusze diagnostyczne

• Wielopoziomowe awarie: jak AI radzi sobie z kaskadowymi błędami
• Custom analyzery w k8sgpt — pisanie własnych reguł
• Limity AI: co narzędzia pomijają i kiedy nie ufać outputowi
• Warsztat: "Spot the AI mistake" — znajdź błąd w diagnozie AI

Budowanie workflow AIOps dla zespołu

• Jak złożyć narzędzia w spójny proces operacyjny
• Human-in-the-loop — gdzie AI, gdzie człowiek
• Integracja z systemami ticketowymi i runbookami
• Warsztat: zaprojektuj własny AI-ops workflow dla swojego zespołu

Podsumowanie i case study

• End-to-end: produkcyjna awaria z 3 w nocy — jak AI skraca czas triażu
• Sesja Q&A

Praktyczna znajomość Kubernetes (deployments, services, namespaces, podstawy RBAC), umiejętność pracy z kubectl oraz podstawowa znajomość Prometheus i Grafana.

format: 2 dni (online/offline) 

język: polski