生成式AI将如何影响企业IT运维？

技术正在以碘伏性的速度演进，生成式AI赋能业务流程，已经成为企业降低风险、减少错误、提升效率的关键手段。眼下，企业迫切想知道：如何用这项技术真正实现降本增效，甚至创造额外收入？IT运维管理和IT服务管理领域，同样站在这一变革的十字路口。

01 生成式AI对IT运维的影响

大多数企业的动作都受成本约束。生成式AI能够自动化执行IT运维操作，让企业优化资源配置、降低运营费用、高效完成任务。更重要的是，它还能帮助进行数据分析，确保决策和洞察建立在数据之上。

IT运维必须始终掌握对服务和网络的可见性。传统的人工及被动响应方式，早已无法支撑业务灵活、快速的发展。于是，越来越多的企业转向智能运维，通过数据驱动确保最佳的可观察性——使IT运维从被动响应变为主动治理，同时缩短故障处理时间。这也直接推动了企业在AI技术，尤其是生成式AI方面的投入。

通过优化流程、提高效率、降低成本，生成式AI正在重新定义IT运维工作。它借助大语言模型的潜力，增强AIOps能力，最大程度缩短故障修复时间，改善IT运维或IT服务管理的效率。不过，开发大模型的成本和安全问题，是企业在应用过程中面临的主要障碍。

在国家政策和市场环境的双重推动下，上云已成为企业数字化转型的必经之路。将IT基础设施迁移到云端后，企业获得了更高的扩展性和灵活性，同时降低了成本。但云管理和云安全也带来了新的挑战。

随着Serverless架构和微服务应用的兴起，传统IT基础架构无法提供优化服务和推动实时业务决策所需的数据分析与洞察力，已不足以支撑当前复杂的IT服务交付需求。

业务敏捷性的要求，直接提高了对IT敏捷性的要求。企业对IT系统的依赖越来越深，由生成式AI赋能的IT运维，很可能成为关键胜负手。

02 生成式AI在IT运维中的应用

生成式AI可以通过数据分析实现数据驱动的决策和洞察。用于事件分析自动化的生成式AI，能为IT运维团队提供快速、准确、一致的洞察力，帮助他们更快速、更简单、更准确地定位分布式系统中每个事件的影响和根本原因。

目前，事件管理允许用户通过自动更新Slack频道、发布状态页面、通知特定人员、执行查询等方式实现工作流自动化。生成式AI则能发现重复操作，并自动生成用户可选择使用的自动化工作流程，帮助开发人员进一步简化流程。

具体来看，生成式AI在IT运维中的应用场景包括：

• 日常任务自动化。
  用生成式AI自动执行系统配置、补丁管理、日志分析等典型IT流程，直接提升运营效率。

• 事件的检测与解决。
  由生成式AI驱动的智能决策方案能实时发现异常和事件，通过检查日志、分析事件数据来检测潜在问题并提出解决办法。

• 根因分析。
  事件发生时，生成式AI可用于根本原因调查，分析系统组件间的交互作用，迅速确定问题根源，从而更快采取补救措施。

• 优化IT资源分配。
  生成式AI能根据需求扩展或缩减资源，优化分配、降低成本、提高利用率。

通过持续监控网络流量和系统行为，生成式AI还能改善网络安全工作——实时检测和应对风险，协助防止数据泄露和网络攻击。

总体而言，生成式AI有望简化智能运维的工作流程、降低运营成本、提高系统可靠性，从而提升IT运维团队的整体工作效率。但必须强调，生成式AI需要恰当应用，确保符合企业预期目标。企业必须建立适当的防护措施，以管理意外事件的发生。

03 给企业用户的建议

生成式AI为智能运维带来了新机遇，但企业在考虑应用时必须采取谨慎策略，思考清楚以下几点：

企业应明确在IT运维场景应用生成式AI的业务目标——流程自动化、提升生产力，还是增强安全性？同时，要了解市场上的各种智能运维解决方案，评估各自的实施工作量、时间投入以及使用和维护的简易性。

生成式AI依赖大规模高质量数据进行训练。确保IT运维团队拥有经过治理、与业务场景相关、最新的数据。喂给大模型的数据必须没有误导和偏见。此外，需要持续监控模型输出，确保回复准确性，避免意外结果。

让团队掌握生成式AI及其运营活动所需的技能，这往往是落地能否成功的关键一环。