El entorno DevOps se enfrenta a grandes retos: grandes volúmenes de código, tiempos de compilación excesivos, ratios de publicación de software muy lentos, Check-ins tardíos… La aplicación de técnicas de  Machine Learning sobre los datos de actividad provenientes de las diferentes herramientas DevOps (como Jira, Git, Jenkins, SonarQube, Puppet, Ansible, etc.) junto con los datos obtenidos en producción podrían reducir el esfuerzo y el coste del ciclo de vida del producto, mejorando la asignación de recursos; evitando el cambio continuo de tareas…. Nuestro cliente, -mediante nuestros servicios de Enabling– ha identificado el potencial de la aplicación de técnicas de Machine Learning sobre conjuntos de datos masivos para la detección de patrones, identificación de ineficiencias, riesgos y fallos potenciales en aspectos clave de DevOps. De esta manera, pretende ir un paso más allá en la provisión de feedback, estableciendo las bases para una adaptación semi-automática (potencialmente automática) de los entornos de DevOps para resolver ineficiencias, riesgos y problemas.