人工智慧營運（AIOps）能夠加速 IT 發現與排除問題的流程，但是它並不是萬靈丹。IT 營運人員仍必須預先準備好資料餵進機器學習系統，而且有些問題仍需要靠人工手動解決。
文／Robert Scheier‧譯／葉庭筠
人工智慧（artificial intelligence）和機器學習（machine learning）可減少困擾 IT 管理者的假警報、加速問題排除，並協助開發人員及架構師了解與管理變化快速的雲端 IT 環境。
但是資訊長們不應期望某些人口中神乎奇技的優異成果，像是自動預測和修復任何可察覺的 IT 問題、記錄所有日誌紀錄或事件流（event steam）；或是不做任何資料清洗與資料正規化（normalization），就下去直接分析資料等。
人工智慧營運（AIOps）利用人工智慧使 IT 系統的管理、最佳化及維護工作，比一般人工更快、更有效率也更有效果。研究機構 Gartner 估計，AIOps 市場將從 2020 年的 9 億美元，成長到 2025 年的 15 億美元，年複合成長率達 15%。除了獨立的 AIOps 平臺，許多 IT 觀測、管理及監控工具也被整合進 AIOps 平臺，或是在其產品中加入 AI 能力。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球CIO同步獲取精華見解 ]
從企業用戶及分析師的角度來看，AIOps 最適合應用在從數百或數千個資料源中快速掃瞄資料、過濾出最重要的警告、找出深層趨勢，以及快速偵測新元件，如連結應用程式的 API 等。研究與教學領導機構 Wiley 資訊長暨資訊安全長 Sean Mack 指出，由於人類大腦已無法處理這些細緻工作，AIOps 很擅長為 IT 問題提供洞察。這是因為現今的企業系統及服務複雜度快速增加，裡頭的虛擬元素可能才剛出現，不久後又馬上消失。
但如果企業不了解 AI 的侷限性，AIOps 很快就會露出窘態。
AIOps 擅長的 3 大領域
一、模式辨識（Identifying patterns）
AIOps 最常見而成功的應用情境，是減少警示中重複出現、反應 IT 基礎架構常態性變更，且不影響關鍵業務流程的雜訊（noise）。
市場分析機構部門 IDC 副總裁 Stephen Elliot 指出，利用 AIOps 來了解什麼模式是正常現象，而那些是異常情況；像是早上或季報結算時，大量使用者登入會造成流量突然上升。好的 AIOps 也能找出反覆出的問題，像是伺服器過載等，以協助管理者在影響使用者之前就加以解決。此外，將多道警訊串聯成一個單一底層問題，也能減輕營運管理者作業負擔，加速根本原因分析（root cause）。
藥劑代理商 AmerisourceBergen 公司 IT 營運部門副總裁 Paul Stuart 指出，在採用 New Relic 觀測平臺之初，發現減少了三分之二不需要採取行動的警示，讓該公司工程師得以專注解決重要問題、優先處理重要事件、加速根本原因分析，及提升應用程式可用性。而 Wiley 公司 Mack 的團隊運用 Dynatrace 的 AIOps 方案減少超過 50% 的假警告。而真碰到問題時，Wiley 團隊解決的平均所需時間也縮短了 37%，Mack 認為這算是大幅改善。這也讓他的團隊得以將更多時間用來提升客戶體驗，推出創新服務。
二、監控與追蹤
AIOps 也讓 IT 營運部門更容易追蹤 IT 環境的變化、監控效能、以更少成本管理更大型環境。Stuart 指出，目前該公司正在忙一樁大型整併案，利用 AIops，使他們不用增加很多人手，就能接下更多監控工作。
機場停車場營運商 Park ‘N Fly 的 IT 總監 Ken Schirrmacher 則表示，該公司是利用 Dyantrace 的 AIOps 平臺，監控自家 IT 基礎架構與從合作夥伴接收資訊的 API；這些資訊能夠讓客戶追蹤接駁巴士位置，或在出國期間提供車輛維修的服務。Dynatrace 也能自動發現新元件，像是 Park ‘N Fly 代管在雲端的伺服器，進而分析伺服器行為，如存取資料、再把資料送到其他應用系統等等，藉此建立網路拓墣，追蹤 IT 基礎架構上元件是怎麼串聯起來的。
[ 推薦閱讀： CIO都在讀什麼？【Top 10】2022-5 文章閱讀排行 ]
Wiley 在這方面的應用方式之一，是管理事件日誌。該系統不只是進行觀測，也用於分析系統可用性及穩定性的背後原因。Mack 認為，監控的概念已經過時了，團隊需要的是「可觀測性」（observability），意謂能對系統詢問問題並找出答案。監控只能看到系統每秒延遲多少，但團隊更想知道的是「為什麼在某個角落的某個使用者，會出現問題？」
三、找出根本原因（ root cause ）
Elliot 表示，AIOps 也很擅長加速問題的根本原因分析、協助判斷問題出現在服務中哪一層，是瀏覽器、資料庫或程式碼、或其實是本地資料中心網路問題。Wiley 則將應用堆疊各層，包括資料庫和應用程式效能，以及使用者在應用與服務層的體驗等資料，加以關聯，同時結合 Dynatrace 和其他工具，可減少 40% 的平均問題解決時間。這大大改善了該公司對客戶的服務效能。
許多客戶警告，AIOps 需要調整組態設定，且通常短期內不會展現節省成本的效益。但 Schrimacher 指出，在導入期不會立即感覺到省下什麼成本。想看到導入效益，要等到在當企業 IT 環境愈來愈大，卻只需較少的人來管理、不再需要排班半夜更新軟體或解決停機問題，或在假日排定更新時，才會比較明顯。
AIOps 尚待加強的領域
一、處理資料問題
資料愈多且資料品質愈好時，機器學習演算法愈能理解和分析複雜 IT 基礎架構的工作。要是少了這些資料，或是資料有所欠缺，就會限制住 AIops 平臺的效用，因此適當的資料管理就成為 AIOps 的成功關鍵。
Danske 銀行服務穩定度與可觀測性主管 Vilius Ellikas 表示，該公司的 AIOps 專案在早期一波三折。原因就出在服務商無法如承諾接納該公司一團混亂的資料，再從這些資料辨識出 IT 基礎架構的異常和問題所在。Danske 銀行認為，StackStake 的觀測性平臺極具潛力，可自動集結、關聯和標註資料，使系統可掌握，在基礎架構上，那一些特定元件，能夠支援那一些應用程式和服務。有助於該公司先把地基打好，再發揮機器學習的魔力。
活動、公關及投資人關係通訊雲端服務業者 Notified，採用了雲端基礎架構，提供企業溝通訊和活動服務。該公司首度牛刀小試，採用 Splunk 和 New Relic 的 AIops 功能。Notified 技術長 Thomas Squeo 指出，雖然 AIOps 能加速根本原因分析及事件集結，但 Notified 仍然持續蒐集效能的歷史資料，以便預測投資人關係會議等大規模事件中所需的雲端資源。
[ 推薦下載： 2022年度CIO大調查報告PDF ]
對 AmerisourceBergen 來說，整合必要的基礎架構營運資料相當關鍵。Stuart 認為，該公司目前最大痛點，就是在互為獨立的環境下，以不同工具看顧各部門的負責區域，而未形成整體視野。現在改為將資料全部集中儲存，AIOps 引擎就能把不來自不同地方的警示建立關聯性，使 AmerisourceBergen 團隊成員可以很快處理核心問題。將所有資料置於單一處並建立關聯後，就能著手找出其中模式，以便在問題萌發之前就見微知著。
二、自動化矯正（ automated remediation ）
全自動化矯正安全、效能或其他問題，也是 AIOps 廠商目前說得到卻做不到的地方。Gartner 資深分析總監 Gregory Murry 表示，如果客戶是想要一個能立即且持續發現問題，接著會建議理想解決方案的「萬用工具箱」的話，那麼 AIOps 會令人大失所望。
Murry 認為，有某些風險，像是駭客攻擊未知資訊安全漏洞，要預測起來是相當困難甚至不可能的。Elliott 則表示，IT 基礎架構上會有各種變動，要穩定預測這些變動的影響，對任何 AI 系統來說也都是件不可能的任務。
有某些公司的 IT 部門，已開始導入自動矯正方案。有的案例是採用新服務或新基礎架構，來防止交易量或需求激增時效能下降；而其他案例，則是自動轉移到不同 AWS 區域或不同資源上運作。
Squeo 表示，基於風險調控理由，Notified 目前只在 20% 到 25% 的應用程式上執行自動矯正任務。
IT 團隊文化率先轉變
對某些公司而言，AIOps 並非單獨發展的管理領域，而只是敏捷 IT 及業務流程的工具之一。IDC 稱其為「IT 營運分析」。Notified 的 Squeo 表示，該公司並未採用 AIOps 這個詞，而是改用 DevSecOps 來替代。這是在具備良好監控、通知和事件流程前提下，偕同開發、營運和安全的整體考量來運用 AIOps。
在 Wiley，AIOps 是讓開發團隊承擔更多應用和服務品質責任的一環。Mack 說，Wiley 在穩定性及管理採取 DevOps 制。最後責任仍應落在開發系統團隊身上，實際運作效能和該團隊有著最大關連。
Stuart 預測，AIOps 最後將促成整個 IT 團隊文化的質變。意指發生問題時，自動化是運作主軸，而非由傳統的人員回應。一旦這種運作更成熟時，就該是從服務角度來審視 IT 環境；而這將需要整合應用程式、基礎架構元件與業務驅動要件才能完成。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
