企业在IT运营中使用人工智能被称为AIOps。AIOps对于监视和控制混合、流动、分布式和组件化的IT基础架构至关重要。AIOps通过算法分析IT数据，使IT运营和DevOps团队能够更智能、更快速地运营，使他们能够在业务运营和消费者受到损害之前更快地识别和解决数字服务问题。企业IT运营团队可以使用AIOps来管理现代IT基础设施所产生的巨大复杂性和数据量，防止故障，保持正常运行时间，并实现持续的高质量服务。通过将IT置于数字化转型活动的中心，AIOps使企业能够以当代业务需求的速度运营。AIOps是如何运作的？并非所有AIOps产品都是生而平等的。企业应将其安装为独立的基础架构，从所有IT监控源获取数据，并作为交互的中央系统发挥作用，以从中获取尽可能多的价值。企业可以使用五种方法和算法来为这样的平台提供动力，这将完全自动化和简化IT运营监控的五个重要方面：数据选择：从当代IT系统创建的大量极其冗余和嘈杂的IT数据中选择数据块，这通常需要过滤掉高达99%的无效数据。模式发现：在选定的相关数据组件之间关联并建立链接，并对它们进行分类以供将来分析。推理：确定困难和反复出现的问题的根本原因，以便企业可以根据他们学到的知识采取行动。协作：通知并允许运营人员和团队之间的协作，特别是当人员在不同地域时，以及存储可能有助于在未来加快诊断类似问题的事件数据。自动化：为了使答案更准确、更快速，请尽可能多地自动化响应和清理。成功采用AIOps的4个步骤(1)谨慎选择初始用例尽管有许多可能的数字化候选人（例如，BMCService&Consulting专家通过结合他们的产品线和事件制作、服务管理和机械化的三个功能，已经帮助了许多客户，这是非常了不起的业务定义解决方案），专注于可实现和实用的内容以最大限度地实现数字化转型至关重要。鉴于人工智能发展的现状，我们看到许多客户首先关注基本的AIOps用例，这些用例也可以用作更复杂用例的构建块。(2)采用新的成功策略采用AIOps需要的不仅仅是技术；它还需要实施新的角色、程序和数据策略。在大多数企业中有效采用AIOps需要文化转变，因为它通常需要重组以专注于数据源而不是部署中涉及的技术。(3)发展核心能力IT团队可以通过采用AIOps来建立类似于其他数字化转型技术的基础能力。(4)跟踪交付价值IT必须展示采用AIOps成功推动数字化转型工作所实现的商业价值。CustomerSuccess使客户能够通过创建统一、正式的商业价值数据库来监控商业价值。该价值应与业务价值数据库中更广泛的组织目标相关联，例如缩短修复时间(MTTR)。AIOps的驱动因素似乎没有推动AIOps部署的草根运动。行业专家O'Connell表示：“AIOps由企业CIO领导，ITOps紧随其后。这是有道理的，因为AIOps本质上是跨领域的，可以打破孤岛。如果在等式中加入自动化，天平将更倾向于支持业务主管。”根据EMA进行的一项研究，自动化在所有实践领域都变得越来越流行。在没有人为控制的情况下，人们对拥抱自动化犹豫不决。当然，准备拥抱自动化不会自动发生。它会随着时间的推移而发展。与自动化的结合是AIOps成功的地方。根据参与者的说法，更高的IT/业务同步、更高的IT服务性能以及增强的员工/客户交互是AIOps项目的优势。总而言之，即使是最成功的技术解决方案也不是没有困难。即使是最成功的AIOps用户也面临技术成本、数据完整性和可用性、IT冲突以及对AI的不信任或怀疑等障碍。此外，大多数成功的采用者希望调查新的AIOps系统。对IT之间联系的影响根据EMA的研究，如果做得好，公司的其他部门可能会发生变革，部分原因是IT/业务调整几乎是不可避免的。自动化是正确执行AIOps的重要因素。然而，在这种情况下，在一个需要业务敏捷性和坚如磐石的IT服务才能取得成功的社会中，这种结合有可能成为一种生存机制。关于AIOps和随之而来的机械化的论点非常简单，以至于EMA预计AIOps这个词会随着时间的推移而消亡。这些功能现在是全新的，将成为IT运营的常规部分。另一个AIOps还有很长的路要走。结论AIOps是一种改变游戏规则的技术，是一条路径，而不是目的地。成功的初始部署可以帮助数字化转型计划并将IT提升为真正的业务合作伙伴形象。当今的企业期望IT技术能够满足不断增长的消费者需求，为此，IT团队必须采用AIOps等技术。如果不改变后端技术，企业就无法在前端提供数字体验。AIOps允许IT运营跨混合云平台自主编排基础设施、应用程序和服务，使复杂和分布式环境更易于管理。
