可以肯定的是，AIOps已經成為當今流行的術語之一。嚴格來說，它是指使用人工智能來協助IT運營。從另一個意義上來說，它讓人聯想到利用人工智能將企業的技術基礎設施提升到一個全新的水平。在一次網絡研討會中，行業專家討論了以下主題：

什么是AIOps？

如何開始使用AIOps？

面臨的挑戰是什么？如何解決這些問題？

AIOps的未來是什么？未來2～3年將何去何從，而企業現在如何準備？

BMC Software公司首席產品官Ali Siddiqui和Intellyx公司總裁Jason Bloomberg這兩位AIOps行業專家對這些主題進行了分析和探討。

什么是AIOps？

Siddiquiu：“我認為AIOps的字面意思是‘用于運營的人工智能’。人工智能實際上是計算機科學的一個分支，專注于機器模式識別和統計技術來分析其環境，因此在AIOps的案例中，它將分析IT運營環境。而且我要說的是，要不斷提供場景信息，AIOps將能夠在事情發生之前看到它們。而這確實是一項關鍵技術，確實推動了ITOps的數字化轉型?！?/p>

Bloomberg：“實際上，無論這個術語是好是壞，它都是Gartner公司提出的一個術語。它最初是指用于運營的算法基礎設施，而沒有人知道它們的含義，并且根本沒有任何意義。

但是它并沒有流行起來，所以他們很快就改變了其說法，并說：‘每個人都認為AIOps意味著人工智能，所以這就是我們一直以來認為的真正含義，并且是用于運營的人工智能’。但是正因如此，這確實是Gartner公司所做出的努力。該公司還創建IT運營管理（ITOM）這個術語，并將其與人工智能技術以某種方式組合在一起，然后觀察供應商對此怎么做?！?/p>

那么AIOps主要用于IT嗎？還是AIOps可以幫助企業運營業務的更大事情？

Bloomberg：“我想說的是這可能是一個間接的情況，因為當今的現代數字企業是軟件授權的。因此，對于開展數字化轉型的組織來說，軟件可以幫助他們與客戶建立聯系。確保軟件能夠正常運行，并且功能強大并且能夠滿足業務需求是當前業務優先事項的核心部分，因此業務現在與IT一樣令人關注，所以從這個意義上來說，AIOps將為此提供支持數字企業的愿景，但實際上仍與IT運營有關?！?/p>

如果企業希望加入AIOps，那么首先要做的是什么？

Siddiqui：“因此，在IT組織中，需要選擇其中一些用例，最好是一兩個用例，然后將企業的團隊吸引到合適的供應商那里，以解決這些特定用例，并確實有一些主要目標告訴企業是否成功。所以這是我想說的關鍵事情之一，不僅僅是評估，還要知道能夠在哪里結束？成功的標準是什么？”

有什么實際的例子可以證明這一點呢？

Siddiqui：“因此，從ITOps的角度來看，異常檢測將是用例之一。從用例的角度來看，真正含義是不想人工設置閾值或進行基準確定，這是工作人員想通過系統學習來減少噪音，需要自學和自我糾正然后解決問題的東西。通過系統學習并進行異常檢測，然后不僅告訴出現的異常，還要告訴將如何解決問題。”

Bloomberg：“重要的是要了解，在企業運營環境中，已經有許多不同的工具，其中一些是較舊的工具，其中一些可能是較新的工具。其中一部分挑戰在于我們擁有這些不同的工具。”

需要記住，從首席信息官的角度來看，他們不僅擁有很多工具，而且已經在很多工具上花費更多費用，因此引進新工具必須有真正的成本理由。所以實際上有兩種方法，一種是需要淘汰一個或多個老舊工具，因為它們不再滿足業務需要，或者不再支持它。

另外，填補空白可能是將AIOps引入組織的最常見方法，而經常出現的問題是事件過多的問題。較舊的AIOps技術將始終產生事件，這些事件可能代表真正的問題，或者僅代表一些小問題，或者可能是關于同一問題的多個通知，然后企業最終遇到了這樣的情況，即運營人員每小時看到數十個問題，而每天的事件數將會激增。

AIOps特別擅長解決該問題，識別那些異常，因此需要注意的那些奇異事件。它有助于減少次要事件的影響。AIOps也善于結合相關事件……一旦有了AIOps，這些事件現在將為企業帶來額外的好處，以幫助其應對事件風暴。”

部署AIOps有哪些挑戰，企業如何應對這些挑戰？

Siddiqui：“部署AIOps的挑戰是不要忘記平衡。當企業繼續進行AIOps之旅時，必須考慮所有三個方面：人員、流程和工具。而且現在供應商中都有一些非常好的工具。但是人員和流程可能是薄弱環節。

歸根結底，這實際上是將企業的業務重塑為技術驅動型業務。因此，重點實際上是敏捷性，并以客戶為中心。

我認為，業務成果必須是最重要的。無論是敏捷性還是客戶體驗，改善客戶體驗，所以這些都至關重要。”

Bloomberg：“重要的是要理解，一般而言，AIOps和在AIOps場景中使用人工智能與當前在企業中使用人工智能有關，但又有所不同。人工智能在企業中用于提取大數據集的見解特別有用。對于任何在日常業務中處理大數據集的企業來說，這可能都是適用的。

因此，這是AIOps供應商介入的地方。他們說，‘我們將提供AIOps技術，而無需指派數據科學家來處理AIOps技術?！髽I可以分配運營人員以及負責運營環境的其他人員。

故事的另一部分是AIOps故事的安全性部分。AIOps可以檢測到的異常，可能只是某些系統內存不足或某種運營異常。但通常這是某種網絡安全異常。這表明正在發生某種攻擊?！?/p>

AIOps的未來是什么，企業如何為這一未來做準備？

Siddiqui：“因此，如果展望一下AIOps的未來，我認為在未來幾年中，將會有太多數據帶來的影響。因此，企業需要開箱即用的機器學習功能，可以從大量數據中洞悉數據，無論是日志、事件、指標，都無關緊要，然后另一件事是加強IT運營和開發人，這種緊密的聯系將進一步推動一些AIOps的需求。

因此，企業必須有明確的投資回報率，并且工具整合可能會改善客戶體驗。因此，AIOps不僅有助于提高運營效率，而且有助于實現數字化轉型。

因此，我對未來幾年的發展很樂觀，那就是自主數字企業之旅和ITOps緊密合作以找出業務成果。也就是說，供應商正在制造易于使用的工具。

我們有很多客戶，他們中的許多人仍然是混合型的，這意味著他們正在向云端轉移，旅程還沒有結束。這就意味著有內部部署的要求。即使是我們的BMC AMI AIOps套件，特別是剛剛推出的AMI Operational Insight產品，它確實可以在內部部署設施中工作。”

Bloomberg： “我們現在談論AIOps的唯一原因是因為人工智能是新興技術。再過幾年的時間，所有運維管理都將具有人工智能能力。如果所有東西都是人工智能授權的，那么人工智能運營將只是運營管理，而不再認為它是一個獨特的類別。

但是，在企業基礎設施環境中發生這種情況有兩個主要驅動因素。其中之一是，當我們觀察正在發生的大范圍變化時，正在轉向一種稱之為云原生計算的模型，我們在其中將云計算的最佳實踐用于所有企業IT，包括混合IT。

此外，該環境也是非常動態的。這是容器世界（Kubernetes）帶給傳統虛擬機的功能之一，它是一種非常動態的企業基礎設施環境。當企業擁有這樣的環境時 將會生成大量數據，根本沒有辦法人工管理這種環境，而必須使其自動化。所有這些趨勢都不會停止，而且AIOps將在未來變得越來越重要，并且將無處不在。”