search

公司新闻

让我们谈谈 AIOps

欢迎回来!在之前的博客中,我们与我们的小组成员讨论了 AIOps 是什么以及它在 ITOps 中扮演的重要角色:Forrester 首席分析师 Carlos Casanova 和 ManageEngine 产品管理负责人 Gowrisankar Chinnayan。

在这篇博客中,我将引导您完成我们剩下的讨论。我们的谈话围绕着组织应该采用 AIOps 的原因展开。

在当今世界,企业已经开始依赖数字技术,这反过来又催生了复杂的数字问题。多样化、不断变化的 IT 环境最终推动组织和 IT 专业人员倾向于 AI 和 ML,以确保整个 IT 环境的平稳运行,最终导致组织的平稳运行。

Casanova 表示,实际上,近 70-80% 的组织已经开始投资于 AI 和 ML 等洞察型技术。他认为这些工具在一定程度上简化了环境,因为它们可以从大量源中提取数据并将其全部合并到一个包中,从而向 IT 团队展示其 IT 环境的综合视图。

卡萨诺瓦支持 AIOps 的另一个原因是,工人定期执行的平凡和重复性任务可以从他们的盘子里拿走,这使他们能够专注于工作并提高工作效率。这最终会提高他们组织的整体效率。


在列出采用 AIOps 的原因后,我们逐渐转向组织可能面临的挑战。

1. 技能组合不足

如今,许多简单的任务都由技术处理。但在你告诉你的员工交出这些简单的任务并执行复杂的任务之前,你应该问自己这三个问题:

我们的员工是否具备足够的技能来完成这些任务?
我们需要为他们提供培训吗?
现在是时候从他们那里拿走简单的任务了吗?

避免这一障碍的一种方法是确保您的公司拥有强大的学习文化。

2. 不同的能力领域

在处理能力领域时,重要的是组织要评估其成熟度水平以及它愿意预先在成熟度上进一步投资多少。Casanova 发布了一个参考架构指出组织需要关注的 18 个不同的能力领域。

3. 对 AI 缺乏信任

改变并不容易。就这么简单。许多组织面临着让客户意识到人工智能不会接管世界,它只是一种增强 IT 运营的工具的艰巨任务。即使是一线的 IT 专业人士也对 AI 持怀疑态度,同时他们也知道自己正处于另一次数字演进的顶峰。

4.缺乏对数据驱动技术的认识

AIOps 预测分析的第一步是编译数据。尽管了解此步骤的重要性,但大多数组织未能采取行动。一些曾经被认为完全是实体的组织直面大流行病的挑战,并引人注目地展示了他们的存在。有趣的是,最困难的公司是那些不确定是否要投资这项技术的公司。


然后,我问 Chinnayan,作为供应商,ManageEngine 将如何应对这些挑战。

Chinnayan 回答说,AIOps 必须成为一种商品而不是奢侈品。

直到几年前,只有少数 IT 公司提供 AIOps。它需要大量投资,而且并非所有人都负担得起。所以 Chinnayan 建议理想的选择是选择解决方案。他认为在添加更多功能之前寻找产品并尝试利用 AIOps 来处理简单的用例和问题是明智的。

Chinnayan 说要及时做最适合组织的事情。如果那一天他们能负担得起,他们可以在几年后重新审视它,并在后端进行更多投资以进行监控等。

我完全同意他的说法。

然后,我向小组成员提出了最紧迫的问题:

我们如何在人们之间建立对人工智能的信任?
我们如何解决围绕 AIOps 功能的模因?
我们如何帮助提高透明度?

时不时地,会弹出很多关于 AIOps 的模因。AIOps 基于大量数据预测价值的能力以及完成这项任务所需的时间不断受到质疑。

Chinnayan 表示,造成不信任的主要问题之一是缺乏背景。仅仅将所有数据、事件和警报引入系统并不能使 AIOps 工具提供适当的建议和见解,因为系统可能不知道上下文。为避免这种情况,他建议使用发现和拓扑映射。

卡萨诺瓦同意并说上下文真的是秘诀。Chinnayan 还认为,让人类参与工作流程等功能将有助于进一步提升信任度。

这就是我总结的第二部分。在下一部分也是最后一部分,我们将讨论 AIOps 在 IT 领域的未来。敬请关注。

 

 

Back to Top