為了理解AIOps，轉(zhuǎn)變?yōu)檫@樣的想法會有所幫助：人類建立的技術(shù)系統(tǒng)已經(jīng)變得過于復(fù)雜，無法僅由人類來管理。

 

具體來說，企業(yè)的IT運(yùn)營的復(fù)雜性突飛猛進(jìn)，讓人類陷入比較困惑的境地。這是對人類智能的極大諷刺：人們已經(jīng)構(gòu)建了非常先進(jìn)的IT系統(tǒng)，以至于管理它們超出了人類的能力。

 

在云計(jì)算時(shí)代到來之前，企業(yè)監(jiān)控自己的數(shù)據(jù)中心相對簡單。一些關(guān)鍵數(shù)據(jù)饋送提供了機(jī)器運(yùn)行(或未運(yùn)行)方式的概況。IT專業(yè)團(tuán)隊(duì)獨(dú)自管理，很少有人真正知道他們在做什么或關(guān)心什么。

 

但隨后出現(xiàn)了云計(jì)算技術(shù)，催生了私有云、公有云、混合云和多云，所有這些都正在向云原生過渡，而企業(yè)的容器可以與虛擬機(jī)一起運(yùn)行。

 

企業(yè)可以使用OpenShift，這是一個(gè)支持微服務(wù)的平臺即服務(wù)混合云平臺。這可能會與企業(yè)的Tanzu部署互操作，后者是虛擬化平臺上的容器管理系統(tǒng)。

 

與此同時(shí)，數(shù)據(jù)分析正在被實(shí)時(shí)流數(shù)據(jù)所取代，這對人類來說太快了，因此需要算法進(jìn)行分析。然后是來自邊緣計(jì)算的大量數(shù)據(jù)、物聯(lián)網(wǎng)設(shè)備以及大量的智能手機(jī)(全球現(xiàn)在約為35億部，預(yù)計(jì)到2023年將達(dá)到43億部)。

 

企業(yè)的IT系統(tǒng)遭遇黑客的不斷攻擊，因此需要采用人工智能技術(shù)的幫助。

 

 

人類具有強(qiáng)大的創(chuàng)造力，也發(fā)明了讓人們不知所措的IT系統(tǒng)。但人類可以創(chuàng)建輔助系統(tǒng)來幫助管理原IT系統(tǒng)。

 

而采用的輔助系統(tǒng)的名稱為AIOps，這是人工智能和IT運(yùn)營的混合體。AIOps這個(gè)術(shù)語最初由調(diào)研機(jī)構(gòu)Gartner公司于2017年提出。

 

人們可能認(rèn)為AIOps是“AI Operations”的縮寫。但并不是。Gartner公司將AIOps的定義為“AI for IT Operations”，盡管該術(shù)語本身并沒有提及IT。

 

無論如何，如果Gartner公司沒有創(chuàng)造這個(gè)術(shù)語，IT市場本身也會開發(fā)出來，因?yàn)榉浅Ｐ枰@項(xiàng)技術(shù)。簡而言之，AIOps有助于處理呈指數(shù)級增長的大量數(shù)據(jù)，這些數(shù)據(jù)淹沒了當(dāng)今的IT運(yùn)營系統(tǒng)，以及試圖管理它們的人類。

 

Sageable公司的創(chuàng)始人、Splunk公司前首席技術(shù)倡導(dǎo)者Andi Mann解釋說：“ITOps中的所能做的最好的事情就是數(shù)據(jù)點(diǎn)采樣。”但面臨的問題是，人類可能會錯(cuò)過重要信息，或者只是匯總摘要以供事后審查。在最壞的情況下，系統(tǒng)復(fù)雜性可能意味著會冒著發(fā)現(xiàn)問題太晚而無法預(yù)防災(zāi)難的風(fēng)險(xiǎn)。

 

Mann指出，相比之下，機(jī)器沒有這些限制，通過采用AIOps原則和技術(shù)(例如事件關(guān)聯(lián)、算法處理、機(jī)器學(xué)習(xí)和預(yù)測分析)，機(jī)器可以讀取每個(gè)數(shù)據(jù)源的每個(gè)字節(jié)，而實(shí)時(shí)信息直接來自數(shù)據(jù)流，無需采樣或聚合。

 

AIOps利用人工智能來推動(dòng)企業(yè)急需的數(shù)字化轉(zhuǎn)型。在最好的情況下，AIOps有助于將人工的工作流程轉(zhuǎn)變?yōu)槿藱C(jī)數(shù)字化過程。或者至少這是希望。

 

 

要更好地管理和運(yùn)行IT系統(tǒng)，不僅需要標(biāo)記當(dāng)前的問題，還需要展望未來并預(yù)測未來的面臨的問題——這是新興AIOps技術(shù)的核心目標(biāo)。

 

BMC公司首席產(chǎn)品官Ali Siddiqui表示：“AIOps幫助企業(yè)將解決問題的方法從被動(dòng)轉(zhuǎn)變?yōu)轭A(yù)測，然后最終轉(zhuǎn)變?yōu)橹鲃?dòng)。”

 

根據(jù)BMC公司委托進(jìn)行的一項(xiàng)研究，使用AIOps策略的企業(yè)中的主要用例是：“AIOps提供了第二雙眼睛，基于人工智能的模式跟蹤可以幫助預(yù)測未來。”

 

Siddiqui說，“AIOps可以通過過濾和關(guān)聯(lián)跨IT環(huán)境(包括第三方解決方案)攝取的數(shù)據(jù)，確保在潛在問題成為影響最終用戶的實(shí)際問題之前主動(dòng)標(biāo)記它們。”

 

即使在其短暫的生命周期中，AIOps也吸引了大量財(cái)力雄厚的客戶。Splunk、BMC、NewRelic、IBM、BigPanda等供應(yīng)商正在積極開展競爭,這是有充分理由的：2021年AIOps的全球市場規(guī)模將達(dá)到150億美元左右，預(yù)計(jì)到2026年將達(dá)到400億美元。

 

 

由于AIOps仍處于采用初期，預(yù)計(jì)未來會發(fā)生重大變化。在AIOps中預(yù)期的兩個(gè)關(guān)鍵變化中，一個(gè)變化是非常明顯和可以預(yù)期的;另一個(gè)代表了對技術(shù)理解方式的根本轉(zhuǎn)變。

 

(1)轉(zhuǎn)變1：人工智能應(yīng)用將呈指數(shù)增長

 

第一個(gè)轉(zhuǎn)變是顯而易見的。簡單的自動(dòng)化和實(shí)際的人工智能之間有一條模糊的界線，許多IT流程都可以實(shí)現(xiàn)自動(dòng)化。例如，系統(tǒng)升級可以按照預(yù)先設(shè)定的時(shí)間表自動(dòng)進(jìn)行，而不是使用人工完成電子表格。

 

然而，這種自動(dòng)化并不是真正的人工智能。它只是相當(dāng)于工廠中機(jī)器人采用的軟件。相比之下，基于人工智能的系統(tǒng)會自行適應(yīng)和響應(yīng)——這就是人工智能發(fā)揮重要作用的地方。一旦人類對算法進(jìn)行編程，人工智能系統(tǒng)的自學(xué)習(xí)就提供了超越簡單自動(dòng)化的巨大飛躍。

 

因此，預(yù)計(jì)AIOps將在未來采用越來越多的人工智能技術(shù)，并以指數(shù)級的速度地?cái)U(kuò)展其對IT系統(tǒng)的支持。擁有一個(gè)經(jīng)過良好調(diào)整的AIOps系統(tǒng)將提供巨大的競爭優(yōu)勢。而沒有部署AIOps的企業(yè)可能無法長期競爭。

 

(2)轉(zhuǎn)變2：AIOps的意義將會改變

 

當(dāng)然，“AIOps”這個(gè)術(shù)語會過時(shí)。所有IT運(yùn)營都必須內(nèi)置人工智能——否則它們將無法生存。因此，“Ops”前面的“AI”將變得多余。例如如今將某些汽車稱為“電動(dòng)汽車”，但是當(dāng)所有汽車都是電動(dòng)的時(shí)，將自然會放棄“電動(dòng)”這個(gè)單詞。

 

但AIOps的變化將遠(yuǎn)遠(yuǎn)大于術(shù)語的變化。當(dāng)Gartner公司創(chuàng)造這個(gè)術(shù)語時(shí)，該公司認(rèn)為AIOps代表“IT運(yùn)營的人工智能”。需要注意的是：這表明企業(yè)將擁有一個(gè)獨(dú)立的人工智能系統(tǒng)，專門用于運(yùn)行其IT運(yùn)營。

 

隨著時(shí)間的推移，這個(gè)概念會顯得很古怪。鑒于企業(yè)的IT系統(tǒng)對其整體運(yùn)營(從HR到銷售再到采購)的整合程度，任何人工智能支持系統(tǒng)都不太可能在IT運(yùn)營中的使用受到阻礙。

 

AIOps術(shù)語最終將代表它一直以來應(yīng)該代表的含義：不是“用于IT運(yùn)營的人工智能”，而是“人工智能運(yùn)營”。而包羅萬象的人工智能系統(tǒng)將有助于監(jiān)控IT運(yùn)營、預(yù)測業(yè)務(wù)支出、預(yù)測員工保留率，以及分析營銷活動(dòng)。

 

Progress Software公司首席執(zhí)行官Yogesh Gupta日前對這種人工智能愿景進(jìn)行了闡述。Gupta說，“對我來說，AIOps是一個(gè)更廣泛的術(shù)語。”他指出，人工智能運(yùn)營不僅僅是關(guān)于IT運(yùn)營，而且是關(guān)于“如何將人工智能引入業(yè)務(wù)的各個(gè)方面?”，這包括核心業(yè)務(wù)應(yīng)用程序和數(shù)據(jù)科學(xué)家使用的方法的安全性。

 

這個(gè)更廣泛的定義的出現(xiàn)意味著，從長遠(yuǎn)來看，使用AIOps的企業(yè)需要選擇一個(gè)可以在多個(gè)級別上擴(kuò)展的AIOps系統(tǒng)。這可能遠(yuǎn)遠(yuǎn)超出有關(guān)網(wǎng)絡(luò)和服務(wù)器性能的數(shù)據(jù)，以促進(jìn)一系列業(yè)務(wù)實(shí)踐。即使到了2021年，也有人在談?wù)揂IOps和或機(jī)器人流程自動(dòng)化(RPA)的融合。因此，單個(gè)系統(tǒng)將處理企業(yè)的重復(fù)性辦公任務(wù)，并監(jiān)督虛擬機(jī)的健康狀況。

 

考慮到AIOps供應(yīng)商在推進(jìn)其工具集方面有著更多的投入，肯定會出現(xiàn)更多這樣的變化。那么，AIOps被視為支持幾乎所有業(yè)務(wù)和技術(shù)任務(wù)的系統(tǒng)還需要多久?

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。