人工智能和人性化 最大限度地解决 IT 问题

在 IT 问题解决方面，尤其是在云环境中，人工智能可以改变游戏规则，为组织创造巨大的生产力提升。植根于人工智能的技术解决方案使团队能够实时监控和优化整个混合多云拓扑。

人工智能——尤其是确定性或因果人工智能——可用于观察行为、搜索具有真正业务影响的异常和退化，并在问题发生时立即向团队发出警报并指出根本原因。

Dynatrace 的 DevOps 积极分子 Andi Grabner 表示，人工智能和自动化可以消除解决基本 IT 问题时的人工干预。“这为团队腾出了时间来处理更复杂的问题，他们的时间和接触更有意义，并提供更大的价值，”他说。

通过这种方式，人工智能可以增强人们的表现，使其达到比其他方式更高的水平。  

“团队还需要确保他们的人工智能得出正确的结论，做出正确的决策，并实施正确的解决方案，”

好处已经明确

OpsRamp 产品副总裁 Melissa Herrle 指出，人工智能在 IT 问题解决方面的优势如今已经显现出来，主要是减少警报噪音和服务台请求单。

“智能警报和事件关联可确保不会为同一事件提交多张票证，”她解释道。“这会减少检测和解决问题的平均时间。这通常是客户从 AIOps 实施中看到的第一个好处。”

Herrle 表示，AIOps 系统变得越智能，组织就越能自动化流程来响应检测到的事件，无论是自动修复还是自动引导正确的内部资源（人员或机器）。

“最大的限制是数据，”她说。“使用的工具越多，需要收集、过滤和管理的数据就越多，数据准确性问题就越多。”

人类反馈可以完善和增强推荐，然后可以将它们重新用于 AIOps 系统，以便将来提供更准确的推荐。“这无疑是将有意义的人性化融入基于人工智能的问题解决工具的一种方法，”赫尔说。“同样，我希望看到更多地使用基于人类内部知识构建的生成式人工智能。”

NLP和深度学习部署的优势

HP Federal 首席技术官 Tommy Gardner 表示，有两种形式的人工智能可能会影响 IT 问题的解决：第一种是自然语言处理 (NLP)。

“从 ChatGPT 的原型中就可以看出这一点，”他解释道。“您可以想象这样一个场景，您单击 IT 支持选项卡或链接并谈论您的问题，而不是与 IT 支持人员聊天。”

人工智能算法将理解问题的语法和内容，并搜索相似或确切的问题及其解决方案，并报告最可能的解决方案。

加德纳表示，第二个人工智能领域将是机器学习（ML）及其深度学习的子集。“在这里，问题的搜索算法可以根据从历史或经验中收集的问题数据湖中过去问题的数据进行训练，”他说。

这种方法和相关工具的主要限制是，随着新创新的引入、改进和补丁的创建，技术会随着时间的推移而变化。

“这意味着昨天的解决方案或修复可能不适用于今天的产品，”加德纳说。“可能需要限制您在历史数据中搜索的时间长度，或者将数据库限制为特定一代的产品。”

如果将“人性化”定义为人类从模式识别中获得的本能，那么经验丰富的帮助台顾问通常可以找到解决问题的最短路径或捷径。“人工智能最初可能会提供全面或逐步的过程，但人类有时可以凭直觉看到数据之外的东西，”他解释道。

COO、CIO 和 CISO 的职责

加德纳指出，公司的企业领导层有责任优化企业运营，并确保负责任地部署人工智能以满足各种运营需求。

这些领导者包括首席运营官 (COO)、主管服务的副总裁、首席信息官 (CIO)，有时还包括首席信息安全官 (CISO)。

Grabner 补充说，首席信息官通常负责批准和监督人工智能部署。

“但是，他们将与开发、IT、安全和业务团队协作，以确保技术得到一致实施并达到最佳效果，”他说。

Gardner 指出，尽管像ChatGPT这样的生成式聊天机器人最近吸引了大部分注意力，但许多公司更普遍地采用人工智能来支持 IT 支持的聊天机器人。

“随着数据存储成本的下降和处理能力的提高，这些工具将继续发展，”他补充道。“来自其他公司的竞争将推动时间表的发展。没有人愿意在这项创新中落后。”

他预测，大多数公司都会在全面实施之前先试水并测试人工智能工具，因为公司希望在全面投入之前降低风险。“公司需要为实施新的人工智能工具设定明确的目标，并评估在哪里实施存在不敏感的机会，并确定公司实施人工智能的道德准则，包括对其人工智能进行独立审查，以避免错误和偏见，”加德纳说。

Herrle 解释说，IT 运营团队确实希望提高自动化水平，既包括用于提高效率和生产力的 IT 运营自动化，也包括用于改进运营治理的 IT 流程自动化。

“不过，你不可能一夜之间实现自动化，”她指出。“您首先要改进应用程序和基础设施之间的拓扑映射，整合监控工具（尤其是那些在云中对您没有帮助的退役工具），然后是智能警报和事件关联。一旦实现了这些飞跃，尽可能多的操作和流程的自动化就会变得更加现实。”