ソフトウェアのデリバリーにおいてコラボレーションと自動化を促進するDevOpsは、テクノロジー管理の新たな章の始まりにすぎない。現在では、DataOpsやMLOps(機械学習と運用の融合)、ModelOpsが生み出されているほか、ソフトウェアやデータのデリバリーにおけるスピードや信頼性、コラボレーション能力を企業のチャネルをまたがって向上させるための各種のOpsも登場している。さらには、2001年にまとめられた「アジャイルソフトウェア開発宣言」(Agile Manifesto)に酷似した「DataOps Manifesto」も生み出されている。
しかし、こういった物事は一朝一夕に実現できるわけではなく、わずか数カ月で実現できるものでもない。そして、将来性のあるテクノロジーと同様に、プロセスや文化の見直しは必要不可欠と言える。
そこでITの管理者やプロフェッショナルはどういった役割を期待されるのだろうか。よりスムーズ、そしてより迅速なサービスのデリバリーを約束するこれらすべてのOpsを推進していく中、彼らはどのように動いていけばよいのだろうか。SAS Instituteの人工知能(AI)及びアナリティクス担当ディレクターであるAlice McClure氏は、「準備段階で重要なのは、プロセスが公式であるか非公式であるかに関係なく、既存のプロセスに関する核心的な疑問を投げかけることだ」と述べ、「これにより、最初に注力する物事や、見直す必要のある部分、ボトルネックの場所を識別する手がかりが得られる」と続けた。
McClure氏はDataOpsを例に挙げ、これによって「データのライフサイクル全体、すなわち準備からレポーティングに至るまでで、データのアクセスや品質、準備、ガバナンスのためのアジャイルなアプローチがもたらされる」と述べ、「その結果、データや分析のワークフローを運用する取り組みの信頼性と速度、コラボレーション能力の向上を図れるようになる。また、スケーラビリティーに優れた予測分析を実現するための必須の手法になりつつあるModelOpsは、アナリティクスを本番環境へと移行する際の物事全般を取り扱う。つまり、長期にわたってモデルの品質を確保し、継続的な監視とガバナンスを遂行しつつ、アナリティクスのライフサイクルを通じてモデルを迅速かつ反復的に評価していくためのものだ」と続けた。