自主企业近在咫尺，但还缺一块

构建和支持指导我们业务的人工智能基础设施并非易事。 幕后的应用程序、数据和网络必须尽可能完美地实时运行。 好消息是人工智能本身可以用来缓解压力大的 IT 团队。 AIOps——用于 IT 运营的人工智能——正在为关键企业系统的自主运营铺平道路。 然而，AIOps 中的人工智能有一个致命弱点——要正常运行，它需要可靠和高质量的数据。

引入一种新兴方法，即机器人数据自动化 (RDA)，它有望建立功能良好的 AI 所需的智能数据供应链。 尽管 RDA 有潜力以各种形式和目的增强 AI，但 RDA 的早期阶段集中在 IT 优化领域，重点是运行良好的 AIOps，这为 light-out IT 的道路设置了下一个挑战。

在最近的机器人数据自动化结构和 AIOps 会议上，对 RDA 的目的和潜力进行了深入探讨，涵盖了实现自主企业的问题、机遇和所需技术。 我有机会在活动中发表主题演讲，其中我指出 IT 团队如何承受巨大压力，管理层要求他们立即建立一个自治企业。 每个人都想实现数字化，他们都依赖 IT 来实现这一愿景。

这就是为什么智能数据供应链的时机已经成熟，它将数据从原始采购到最终的精制产品交付给数据消费者。 RDA 提供通往智能数据供应链的途径，这实质上是使用 Databots 自动化数据管道。 可以使用 RDA 实现自动化的数据任务包括数据收集、数据集成、数据验证、数据清理、数据规范化、元数据丰富以及从结构化或非结构化数据中提取数据。 它都可以自动化。 目标是解放 IT 团队，使他们的技术计划更加大胆。

在智能数据管道 RDA 的支持下，AIOps 的出现对 CIO 和其他商业领袖意味着什么？ CloudFabrix 人工智能和营销副总裁兼活动主持人 Shailesh Manjrekar 问道。 “他们正在考虑降低风险——这意味着他们需要能够预测和防止中断和安全漏洞。他们希望优化他们的运营。他们希望通过熄灯运营来提高他们的生产力。 他们希望在面临不确定性的情况下构建可组合的业务。他们希望能够实现数据治理和合规性。他们希望在他们的 AI 操作中建立信任。他们希望能够加深他们的客户洞察力和客户体验。 “

Manjrekar 概述了企业在通往数字自治的道路上经历的四个阶段：

1. 发现：“第一级实际上是一个描述性阶段，您将对所有 IT 资产、应用程序资产和业务资产进行盘点，”他解释道。 “这是关于盘点。”

2. 预测自主：这是“你在观察这些资产、观察趋势和预测异常时进行假设分析”。

3. 规定性自主权：“第三级自主权是规定性的，在进行假设分析后，您可以决定要采取什么行动。”

4. 认知自主：“所有这些智能都成为你信息系统的一部分，”Manjrekar 说。

AIOps 很重要，因为“大多数云转型计划都未能实现预期的结果，”IBM 咨询公司全球 DevSecOps 实践合作伙伴 Meenakshi Srinivasan 说道。 “原因是他们失去了对如何进行事件响应的控制，以及他们无法将计划外停机时间降至最低，这让他们损失了很多钱。” 在过去的 20 年里，随着进入 SaaS、Pass、IoT，基础设施的格局变得复杂起来。“复杂性增加了，可靠性承诺增加了，但可管理性受到了打击。” 挑战在于提高可管理性。”

“这是一段旅程，”斯里尼瓦桑说。 “这不会在一夜之间发生，因为你已经使用了一些工具。一旦我们建立了正确的基础和自动化层，并开始收集数据。定义正确的数据集，以及质量 数据 – 它在 AIOps 中起着重要作用。如果你没有正确的数据集，这个旅程将花费更长的时间。” 她补充说，观察和学习对这段旅程很重要。

许多企业和 IT 经理面临的挑战是“IT 运营的增长从未与其中的复杂性成比例，”Windward Consulting Group 首席执行官 Sean McDermott 说。 “所以我们不断需要提高效率。另一件事是使用数据开始做出更好的决策，例如围绕在哪里分配资源，在哪里分配时间和金钱以及投资，如何优化业务流程，如何 更好地与业务保持一致，如何发现瓶颈。这变得越来越具有挑战性，因为我们现在拥有如此多的数据。”

McDermott 建议围绕 AIOps 制定一个愿景，将其视为影响所有 IT 相关职能的重要战略。 “这是一种策略，”他说。 “这不是产品，也不是算法。这是一种策略，它将对工具、流程、人员和组织行为产生广泛影响。我们看到客户陷入的陷阱之一是他们认为非常 他们缩小了他们的用例范围，当他们试图扩展它时，他们还没有与其他一些同行组织预先完成将他们的数据引入的工作，他们遇到了很多阻力。制定如何部署 AIOps 的愿景 ——将人们聚集在一起，证明我们的数据整合如何使我们的所有工作变得更好，并使组织更有效。”

从更广泛的角度来看，市场正在响应对智能数据供应链的需求，这些供应链可以帮助为组织带来价值，或者帮助数据货币化。 “公司已经花费了数百万和数十亿美元来收集数据。但是一旦你摄取了数据，你会做什么呢？” JMP Bank 技术并购董事总经理 Satya Bajpai。 “大型技术供应商”并不认为 AIOps 只是一个数据问题。 他们看到客户不仅需要智能，不仅需要数据管理，还需要可操作的数据和行动。 我们看到越来越多的收购和资金流向了不仅仅是人工智能检测到问题的公司或用例。 如果你解决了问题。 人工智能有智慧。 我们都知道机器学习很有用，但您如何将其转化为组织的切实利益呢？ 你存的钱是多少？ 你为客户创造的价值是什么？”

AIOps – 由 RDA 支持的智能供应链推动 – 将帮助公司看到通过 AI 提供的洞察力的价值，并帮助 IT 推动他们的公司在他们的自主企业之旅中前进。