当前位置:首页 > 资讯动态
AIOps的发展和应用
AIOps的发展和应用
随着人工智能作为一种软件开发方法越来越主流化，企业IT运营需要参与管理其复杂性。随着组织试图将AI系统纳入其生产环境，人工智能帮助IT运营的需要加快。
AIOps市场的工具定位包括分析和机器学习，以帮助完成工作。Gartner预计，该类工具的使用将从2018年的5%增长到2023年的30%。
AIOps的工具为现代ITOps团队提供了对任何类型问题的实时理解。Venugopala Chalama在福布斯最近的一份账户中表示，该公司是IT服务公司Atlas的创始人和CEO。“传统的IT管理解决方案既不能跟上卷，也提供实时洞察和预测分析。”
APEN首席技术官Wilson Pang被要求向以AIOps为起点的组织提供咨询意见，他建议需要明确界定需要解决的问题。“目标是检测人类难以发现的异常吗？或者，您希望使用工具，使Ops团队能够在问题发生时快速识别根本原因？或者您想通过AI部署一些自动恢复机制？AIOps可以在许多领域提供帮助。”。APEN是一家AI服务公司，它协助收集构建AI系统所需的图像、文本、语音、音频、视频和其他数据。
另一位执行人员建议，随着人工智能系统数量的增加，监测战略需要调整。“你需要对监控和存储所需的内容有一个很好的了解。人工智能模型越多，监控策略越复杂。然后，您需要定义模型或模型组可接受性能的标准，“RosariaSilipo博士，KNIME的主要数据科学家，总部位于苏黎世，提供机器学习和数据挖掘分析软件。“最后，当成绩低于接受门槛时，需要采取一种策略，重新进行夸大训练，”她说。
Forrester分析师建议自动化工具可以释放IT运营人员
Forrester research高级研究分析师RichLane 在SiliconANGLE的一篇文章中指出，AIOps工具可以自动化IT操作任务，IT运营人员可以腾出去从事其他工作。
莱恩说，It人员最好集中精力“项目工作，为客户带来更好的数字服务，让他们摆脱每天至少20%的时间里花费在低复杂度和高容量任务上，如果不是更多的话。”。
他建议，使用智能分析工具可以查看从一系列应用程序和终端用户设备收集的数据，并自动实时响应问题，是首选工具。“如果你看看人们今天的基础设施运作，特别是在大流行的几个月里，他们中的许多人都是因为一次又一次地做同样的任务，只是试图保持灯亮着而被烧掉了，”莱恩说。“我们应该自动化这些事情。”
从应用程序性能管理公司AppDynamics的角度来看，AIOps是指利用AI和机器学习从IT环境的每个角落摄取和分析大量数据，通过将数据存储库与过滤数据、检测模式等手段结合起来，降低其复杂性，并将有意义的信息聚集起来，以更有效地执行操作
这使IT团队能够在成为全系统问题之前，主动、实时地管理性能挑战。AIOps工具还能够预测问题何时可能发生，因此可以防止问题的发生。
目前，AIOps可应用于以下用例，公司建议：
智能警报：通过从IT环境的任何部分接收数据，AIOps过滤并将有意义的数据关联到事件中。这可以防止来自domino效应的警报风暴。智能警报还可减少警报疲劳，并有助于根据用户和业务影响确定优先级。
跨领域态势理解：AIOps聚合所有数据并创建因果关系，为其提供了有关风险的概述，并使其能够根据需要对信息进行切片和切分，以便更好地了解情况。
自动识别可能的根本原因：一旦发出警报，就会显示出导致AIOps结论的最主要的疑似原因和证据。这有助于建立信任，并提供反馈的机会，使AI引擎能够从人类的专业知识中学习。
在《福布斯》引述的高管们的其他建议中，领先的企业软件公司BMC的首席产品官Alisid Diqui建议，AIOps工具的价值会增加它可以观察和分析的数据越多。
“同样重要的是，有一种开放的方法可以与现有的It工具和数据源集成。一旦你有了工具，就要确定支持跨功能的敏捷性和协作的正确流程，以便跨开发、运营和安全进行集成。“最后，组织必须考虑到员工——重新部署最有价值的资源，以确保有合适的工具和流程，并根据见解采取行动。”
寻求AIOps的组织必须有一个系统来跟踪It操作中发生的事情，这一点很重要。人工智能服务管理软件供应商Aisera的创始人兼首席执行官Muddu Sudhakar说：“关键是要有一个好的事件管理系统。您还需要有一个非常好的日志系统。此外，应对事故和停机进行前瞻性和预测性管理。”
AIOps市场的工具定位包括分析和机器学习，以帮助完成工作。Gartner预计，该类工具的使用将从2018年的5%增长到2023年的30%。
AIOps的工具为现代ITOps团队提供了对任何类型问题的实时理解。Venugopala Chalama在福布斯最近的一份账户中表示，该公司是IT服务公司Atlas的创始人和CEO。“传统的IT管理解决方案既不能跟上卷，也提供实时洞察和预测分析。”
APEN首席技术官Wilson Pang被要求向以AIOps为起点的组织提供咨询意见，他建议需要明确界定需要解决的问题。“目标是检测人类难以发现的异常吗？或者，您希望使用工具，使Ops团队能够在问题发生时快速识别根本原因？或者您想通过AI部署一些自动恢复机制？AIOps可以在许多领域提供帮助。”。APEN是一家AI服务公司，它协助收集构建AI系统所需的图像、文本、语音、音频、视频和其他数据。
另一位执行人员建议，随着人工智能系统数量的增加，监测战略需要调整。“你需要对监控和存储所需的内容有一个很好的了解。人工智能模型越多，监控策略越复杂。然后，您需要定义模型或模型组可接受性能的标准，“RosariaSilipo博士，KNIME的主要数据科学家，总部位于苏黎世，提供机器学习和数据挖掘分析软件。“最后，当成绩低于接受门槛时，需要采取一种策略，重新进行夸大训练，”她说。
Forrester分析师建议自动化工具可以释放IT运营人员
Forrester research高级研究分析师RichLane 在SiliconANGLE的一篇文章中指出，AIOps工具可以自动化IT操作任务，IT运营人员可以腾出去从事其他工作。
莱恩说，It人员最好集中精力“项目工作，为客户带来更好的数字服务，让他们摆脱每天至少20%的时间里花费在低复杂度和高容量任务上，如果不是更多的话。”。
他建议，使用智能分析工具可以查看从一系列应用程序和终端用户设备收集的数据，并自动实时响应问题，是首选工具。“如果你看看人们今天的基础设施运作，特别是在大流行的几个月里，他们中的许多人都是因为一次又一次地做同样的任务，只是试图保持灯亮着而被烧掉了，”莱恩说。“我们应该自动化这些事情。”
从应用程序性能管理公司AppDynamics的角度来看，AIOps是指利用AI和机器学习从IT环境的每个角落摄取和分析大量数据，通过将数据存储库与过滤数据、检测模式等手段结合起来，降低其复杂性，并将有意义的信息聚集起来，以更有效地执行操作
这使IT团队能够在成为全系统问题之前，主动、实时地管理性能挑战。AIOps工具还能够预测问题何时可能发生，因此可以防止问题的发生。
目前，AIOps可应用于以下用例，公司建议：
智能警报：通过从IT环境的任何部分接收数据，AIOps过滤并将有意义的数据关联到事件中。这可以防止来自domino效应的警报风暴。智能警报还可减少警报疲劳，并有助于根据用户和业务影响确定优先级。
跨领域态势理解：AIOps聚合所有数据并创建因果关系，为其提供了有关风险的概述，并使其能够根据需要对信息进行切片和切分，以便更好地了解情况。
自动识别可能的根本原因：一旦发出警报，就会显示出导致AIOps结论的最主要的疑似原因和证据。这有助于建立信任，并提供反馈的机会，使AI引擎能够从人类的专业知识中学习。
在《福布斯》引述的高管们的其他建议中，领先的企业软件公司BMC的首席产品官Alisid Diqui建议，AIOps工具的价值会增加它可以观察和分析的数据越多。
“同样重要的是，有一种开放的方法可以与现有的It工具和数据源集成。一旦你有了工具，就要确定支持跨功能的敏捷性和协作的正确流程，以便跨开发、运营和安全进行集成。“最后，组织必须考虑到员工——重新部署最有价值的资源，以确保有合适的工具和流程，并根据见解采取行动。”
寻求AIOps的组织必须有一个系统来跟踪It操作中发生的事情，这一点很重要。人工智能服务管理软件供应商Aisera的创始人兼首席执行官Muddu Sudhakar说：“关键是要有一个好的事件管理系统。您还需要有一个非常好的日志系统。此外，应对事故和停机进行前瞻性和预测性管理。”
上一篇：人工智能在不同行业中的应用
下一篇：利用AI工具，可以从患者生理数据中识别疼痛程度
推荐资讯
-
【第二十五期】期医学影像组学AI深度学习应用实践培训班
2024-09-23
-
【第十五期】基于python机器学习临床大数据分析挖掘培训班
2024-09-23
-
【第七期】基于Python机器学习的生物信息学疾病诊断模型构建培训班
2024-09-23
-
【第十三期】医学SCI临床科研思路国自然撰写实践培训班
2024-09-23
-
【第十三期】临床数据统计分析SPSS及科研绘图应用培训班
2024-09-23
-
【第六期】基于R语言的真实世界研究与二分类结果机器学习临床实战培训班
2024-09-23
京公网安备11030102045050号