人工智能有望使機(jī)器或機(jī)器人能夠承擔(dān)企業(yè)許多部分的繁重工作?，F(xiàn)在，越來(lái)越多的計(jì)劃以及供應(yīng)商產(chǎn)品也將自主地承擔(dān)信息技術(shù)部門(mén)的繁重工作。當(dāng)然，IT功能的自動(dòng)化已經(jīng)發(fā)展了幾十年 - 從20世紀(jì)90年代的工作調(diào)度系統(tǒng)到十多年前推出的自我修復(fù)系統(tǒng)。如今，IT自動(dòng)化有許多名稱 - 例如自動(dòng)系統(tǒng)，自動(dòng)駕駛系統(tǒng)或機(jī)器人。最近，更多的是AIOps的綽號(hào)，加入了xOps方法論的游行，承諾應(yīng)用AI和機(jī)器學(xué)習(xí)來(lái)機(jī)械化，標(biāo)準(zhǔn)化和自動(dòng)化IT服務(wù)的交付。

到目前為止，AIOps非常好，至少在迄今為止的實(shí)現(xiàn)中是如此。一個(gè)調(diào)查的200名IT經(jīng)理說(shuō)，他們誰(shuí)已經(jīng)與工具或工作實(shí)踐中說(shuō)，這是幫助他們管理自己的IT毛球。OpsRamp發(fā)布的這項(xiàng)調(diào)查顯示，87%的人認(rèn)為AIOps工具“通過(guò)主動(dòng)的IT運(yùn)營(yíng)和改善的混合基礎(chǔ)架構(gòu)彈性來(lái)提供價(jià)值”。由于OpsRamp是AIOps工具的提供者，因此他們有理由鼓吹這些結(jié)果。同時(shí)，數(shù)據(jù)指向最佳部署AIOps的位置，并且一些問(wèn)題仍然取得進(jìn)展。

讓我們從AIOps計(jì)劃遇到的問(wèn)題開(kāi)始。這些問(wèn)題反映了人工智能和機(jī)器學(xué)習(xí)的一般問(wèn)題 - 構(gòu)建值得信賴的數(shù)據(jù)集，并找到能夠使AI和AIOps成為現(xiàn)實(shí)的人才。超過(guò)三分之二的AIOps實(shí)施者表示，需要時(shí)間來(lái)建立對(duì)AIOps建議的相關(guān)性和可靠性的信任。在此之前，該調(diào)查的作者指出，“IT團(tuán)隊(duì)將把數(shù)據(jù)驅(qū)動(dòng)的洞察力與人類(lèi)判斷結(jié)合起來(lái)，為性能優(yōu)化得出正確的結(jié)論。”

64%的IT管理人員表示他們無(wú)法找到使AIOps成為現(xiàn)實(shí)的技能。調(diào)查發(fā)現(xiàn)，雇傭數(shù)據(jù)科學(xué)和分析專業(yè)人員需要六到十二個(gè)月的大多數(shù)企業(yè)(53%)。十分之一以上，聘請(qǐng)數(shù)據(jù)科學(xué)家需要一年多的時(shí)間。從理論上講，從長(zhǎng)遠(yuǎn)來(lái)看，AIOps應(yīng)該降低運(yùn)行數(shù)據(jù)中心的技能要求。目前，IT團(tuán)隊(duì)需要獲得機(jī)器學(xué)習(xí)技術(shù)方面的專業(yè)知識(shí)，并將其與事件分析技能相結(jié)合，以支持AIOps部署。

大多數(shù)IT經(jīng)理引用的另一個(gè)問(wèn)題，即57%，也是過(guò)去對(duì)其他新技術(shù)表達(dá)的擔(dān)憂 - 失控。IT經(jīng)理是否準(zhǔn)備好完全控制自動(dòng)駕駛自動(dòng)系統(tǒng)，為問(wèn)題診斷，故障排除和恢復(fù)提供可操作的見(jiàn)解?還沒(méi)有。

調(diào)查顯示，在積極與AIOps合作的人中，有一些明顯的好處，尤其是在運(yùn)營(yíng)方面。通過(guò)在事件生命周期中消除低價(jià)值，重復(fù)性任務(wù)(85%引用)，快速問(wèn)題修復(fù)和更快的根本原因分析(80%)以及通過(guò)“降噪”實(shí)現(xiàn)更好的基礎(chǔ)架構(gòu)性能，可以提高生產(chǎn)率(77%) )。

該調(diào)查還探討了此時(shí)AIOps的五個(gè)主要用例：

智能警報(bào)（69％的人使用AIOps工具引用）。

該調(diào)查的作者稱：“AIOps工具提供上下文警報(bào)通知，讓DevOps團(tuán)隊(duì)了解事件歷史記錄，簡(jiǎn)化事件協(xié)作，并滿足解決問(wèn)題的服務(wù)級(jí)別要求。”

根本原因分析（61％）。

“AIOps通過(guò)快速的問(wèn)題診斷確保更好的服務(wù)正常運(yùn)行時(shí)間和可靠性，結(jié)合了影響可見(jiàn)性和服務(wù)環(huán)境，以確定可能的原因和運(yùn)營(yíng)問(wèn)題。”

異常/威脅檢測(cè)（55％）。

“機(jī)器學(xué)習(xí)算法可以通過(guò)模式識(shí)別快速識(shí)別異常值，以便IT團(tuán)隊(duì)可以從噪聲中提取信號(hào)并識(shí)別偏離常規(guī)系統(tǒng)行為的事件。”

容量?jī)?yōu)化（54％）。

管理系統(tǒng)資源的能力一直是IT績(jī)效管理的基石，人工智能和機(jī)器學(xué)習(xí)現(xiàn)在可以根據(jù)需要在各種云和本地系統(tǒng)中幫助實(shí)現(xiàn)這一目標(biāo)。

事件自動(dòng)修復(fù)（53％）。

調(diào)查發(fā)現(xiàn)，五分之二的受訪者能夠顯著加快糾正事件的時(shí)間，十分之一的受訪者能夠?qū)⒄w事件解決時(shí)間縮短近一半。

到目前為止，AIOps的這些用例和優(yōu)勢(shì)涉及從內(nèi)部角度提高IT服務(wù)的性能和交付。雖然距離直接的商業(yè)利益還有一步之遙，但它仍有可能加強(qiáng)IT作為企業(yè)內(nèi)部業(yè)務(wù)的目標(biāo)，在保持低成本的同時(shí)提供卓越的客戶服務(wù)和客戶體驗(yàn)。