云平臺、托管服務提供商和進行數字化轉型的組織正開始從一種新興的IT趨勢中獲益：使用人工智能驅動的IT運營技術來自動監控和管理其IT產品組合。

這種新出現的實踐稱為AIOps，它能夠幫助企業在潛在的停機和性能問題對運營、客戶和利潤產生負面影響之前加以防范。但更先進的部署已經開始使用人工智能系統了，不僅能識別問題，或在問題發生之前預測問題，還能夠以智能、自動化的緩解措施對事件做出反應。

但是AIOps到底是什么，現在的組織又是如何使用它的呢?在這里，我們將深入了解人工智能輔助IT運營的技術、策略和挑戰。

[[320451]]

什么是AIOps?

AIOps是一種新興的IT實踐，它能夠將人工智能應用于IT運營，幫助組織智能地管理基礎設施、網絡和應用程序，以獲得相應的性能、彈性、容量、正常運行時間，在某些情況下，還包括安全性。通過將傳統的、基于閾值的警報和手動流程轉型為利用人工智能和機器學習的系統，AIOps使組織能夠更好地監控IT資產，并在負面事件和影響發生之前進行預測。

Carhartt的CIO John Hill在三個主要的領域利用了這家工作服裝零售商的AIOps:包括服務管理、績效管理和IT自動化。多虧了智能監控，Carthartt現在可以在問題影響用戶或客戶之前發現問題了。

“這是一個自動進行監測的環境，幫助你了解發生了什么，然后可以根據這些指標采取行動，”他說。“以前，你會依賴于停機或某些東西不工作的指示”來了解何時需要進行修復--但是在你知道這些事件之前，它們可能已經降低了客戶體驗。

AIOps的用例

AIOps可能已經在你的IT投資組合中工作了，而你甚至都不知道它。先進的CRM或ERP系統通常就已經內置了智能管理。大多數主要的云平臺也使用了機器學習--即監視和管理工具。

但是依賴于單點解決方案中的內置功能依然有其缺點。在一項AIOps的交流調查中，65%的IT組織表示，他們仍然依賴于監控的方法(無論是否智能)，這些方法要么是孤立的、基于規則的，要么就是無法滿足整個IT環境的需求。此外，根據最近BigPanda的調查，42%的IT組織對其IT環境使用了超過10種不同的監視工具。

Carhartt就是這樣開始AIOps的。“在以前，對于不同的環境，我們必須獨立地監控它們，”Hill說。為了管理這種復雜性，Hill選擇將監控結合到了兩個平臺上，首先是在AppDynamics上進行應用程序性能監控，然后又添加了Turbonomic來監視Carhartt的基礎設施。

在“黑色星期五”和“網購星期一”期間，該公司網站的性能問題迫使公司不得不做出改變。但當公司發現問題時，客戶已經感覺到服務質量有所下降了，Hill說。

自從Carhartt在2017年秋天部署了AppDynamics以來，在黑色星期五和網絡星期一的峰值期間就再也沒有出現過宕機。

“我們實現了創紀錄的增長，”他表示。“我們的增長速度是整個行業的兩倍，再也沒有出現我們之前經歷過的任何中斷或性能下降。”

Carhartt在2019年初增加了Turbomency，用于本地和云環境的資源管理。有了新系統，利用率從70%提高到了92%，他說。“這可能為我們節省了25%的基礎設施成本。”

增加的利用率需求是自動處理的，不需要人工干預，而容量的減少仍然需要人工批準。

“當它發現我們面臨著產能挑戰，就會向ServiceNow提出更改請求，”Hill說。“而當我們的容量太大時，它也會在ServiceNow中創建一個票證，有人會先查看它。這只是一個快速的回顧——只需點擊一下。這在目前還不需要自動化。”

公司的下一步是自動化業務任務，例如使用文本識別和自然語言處理來處理客戶訂單。

AIOps的采用

根據Gartner的數據，到2023年，40%的公司將使用AIOps對應用程序和基礎設施進行監控。但無論如何，AIOps的采用仍處于初級階段。波士頓咨詢集團的董事總經理兼合伙人Akash Bhatia表示，根據Loom Systems在2019年發起的一項調查，到目前為止，只有5%的公司實施了AIOps。其中有一件事損害了AIOps的采用，那就是市場上有太多的供應商。“實在是太多了。”

根據Loom Systems的報告，有59%的公司還處于探索階段，客戶仍然很難確定他們到底提供了什么。此外，Bhatia也說，許多供應商只是提供了AIOps的一個部分，如應用程序性能監視、基礎設施管理或網絡性能監視和診斷。但他補充說，隨著技術的成熟，市場已經出現了整合跡象。

國際數據公司(IDC)預測，被稱為運營分析的AIOps市場將從2018年的29億美元增長到2023年的45億美元，其中大部分增長來自于作為服務的AIOps。IDC分析師、AIOps項目副總裁Stephen Elliot表示，盡管AIOps常常與企業軟件平臺或云服務捆綁在一起，但大型企業正開始將AIOps作為一個獨立的預算項目來進行投資。

“他們意識到自己身處于一個多云的世界，”他說。“他們正在進行敏捷轉型，他們有DevOps團隊，他們意識到了他們必須加快步伐，復雜性正在增加。”

AIOps的價值主張

利用AIOps的公司已經開始認識到，從執行分析和預測的系統轉向自行決策的系統的重要性。是時候開始自動化了。

“他們需要能夠收集大量信息、應用分析、降低噪音、更快地進行識別和解決問題的工具，”Elliot說。

自動化還需要更好的AIOps集成。應用程序的性能問題可能是由軟件問題、網絡問題或硬件問題造成的。在一個多云環境中，根本原因可能是在一個云中，也可能是在另一個云中，或者是多種因素組合的結果。如果你的AIOps基礎結構是碎片化的，那么查找和修復問題的根源也可能是一個挑戰。

“然后你就又回到了白刃戰，每個團隊都將有自己的工具，”AIOps供應商ScienceLogic的首席執行官David Link表示。“如果你對每一個應用項目都有一個獨特的工具，你就不能以那種方式擴展企業。”

與此同時，像Carhartt這樣已經部署了AIOps的公司也發現他們的投資正在獲得回報。根據企業管理協會的一項調查，81%使用AIOps的企業報告了積極的投資回報。事實上，42%的人說AIOps的價值“大大”超過了成本。

根據EMA的說法， AIOps最常見的六個用例是跨域應用基礎設施和性能、容量管理和基礎設施優化、DevOps和敏捷、客戶和終端用戶體驗管理和業務一致性、成本管理和變更管理。

作為收入來源的AIOps

Cincinatti Bell的CBTS子公司正在為企業客戶提供通信服務。CBTS過去代表著“Cincinnati Bell技術解決方案”，但隨著公司擴展到其他地區，它現在已經代表了“咨詢構建轉型支持”，公司的首席創新官Joe Putnick說。

他表示，加入AIOps對于幫助改善反應時間是至關重要的，現在它已經成為了新的商機來源。例如，Putnick說，在公司轉向AIOps之前，將客戶設備安裝到CBTS監控、管理和計費系統可能需要花費數小時、數天甚至是“無窮無盡”的時間。

“現在我把供應時間從5小時減少到了2分鐘，”Putnick說。“當我說配置時，我指的是整個IT服務管理和事件管理系統的全面配置。我知道這些數據會很有說服力。”

該公司還使用了AIOps來分析使用模式和自動化響應。“我們正在應用AIOps來預測哪里需要產能，以便我們能夠保持最大的正常運行時間和最大的客戶滿意度，”他表示。

Putnick說，AIOps幫助CBTS從每月不到40個站點發展到了每月超過500個站點，而每個站點的用戶數量幾乎相同。

CBTS使用了AWS內置的工具、ServiceNow內部的自定義編碼應用程序、自定義機器學習和自適應算法以及ScienceLogic的AIOps工具的組合。而下一步:則是為客戶提供增值服務。例如，CBTS為其客戶提供的客戶服務聊天機器人可以通過其AIOps系統提供的數據、分析和預測，使其變得更智能、響應更快。

AIOps和托管服務提供商

但要看到AIOps的全部潛力，你不應該只關注于托管服務提供商 (MSP) 行業。

“這可能是目前市場上最大的一塊，”數字服務咨詢公司Nerdery的數據科學主管Justin Richie表示。“他們肯定是在盡可能地投資算法支持。他們知道，在硬件之外，他們最大的開支是人力資本。”

對于MSP們來說，AIOps意味著更高的效率、更低的成本和更快的解決時間——這些都是該領域的重要競爭優勢。

“這只是我們為AIOps提出的價值主張的一半，”總部位于圣何塞的MSP NetEnrich負責戰略與運營的高級副總裁Raghu Kamath表示。“我們開始在一些客戶中實施它，然后在過去的12個月里逐漸擴展到了我們的整個客戶群。現在，我們有超過50%的客戶都在使用AIOps平臺。”

對于NetEnrich來說，最明顯和最直接的好處之一是減少了噪音。假警報給員工帶來了不必要的工作，也降低了客戶的響應時間。

“最終，我們檢測和采取行動的響應時間增加了——在實施AIOps之后，我們的平均修復時間至少縮短了30%，”Kamath說。“隨著AIOps變得更加成熟，并引入了更多的推理模型，它還將繼續增長。”

因為NetEnrich在許多不同的客戶環境中都使用了AIOps，所以Kamath對這項技術有自己獨特的看法。首先，他發現環境越同質化，就越容易部署AIOps。

“當你開始整合所有這些不同的環境時，情況就會變得復雜得多，”他表示。

另外，使用公共云基礎設施的客戶也會有一些優勢，因為環境更加一致。不過，要讓云供應商開放他們的系統，偶爾也會遇到一些障礙。

“但是，公共云供應商正在改變他們的立場，”他說。“如果你看看兩年前到現在的數據，就會發現情況已經好多了。”

為遺留應用程序和硬件來使用AIOps是一件棘手的事情，Kamath說。“如果沒有足夠的日志，就很難推斷出任何東西。這就是為什么我們要鼓勵我們的客戶加速他們的數字化轉型和使他們的應用程序現代化的原因了。”