AIOps是人工智能和IT運營的融合，通常被稱為解決方案，代表著有效的自動化。但在許多情況下，它只解決了一小部分問題——對警報進行分類，并將數據級別降低到更易于管理的程度。為了充分挖掘其潛力，組織應該為AIOps尋找更復雜的用例，這些用例可以擴展到IT操作之外——想讓DevOps自動化的AI，或者更好的BizDevSecOps。

AIOps的作用和責任

通過使業務、開發和運營團隊能夠自動化現代云環境并驅動自愈應用程序，此類AIOps有巨大的潛力來加速數字創新。這是一種更全面的方法來控制數據增長，這需要一種新形式的AIOps。為了支持這一點，AI需要立即從廣泛、結構良好、高質量的數據中學習，而不是簡單地分析非結構化數據集中的歷史模式。因此，組織必須重新思考捕獲、處理和操作數字服務數據的方式。

云原生技術和多云環境

創新者正越來越多地依賴云本地技術和多云環境來提高其數字靈活性并加速轉型。然而，這增加了復雜性，這往往使IT和業務團隊難以管理動態技術堆棧。AIOps，即人工智能和IT運營的合并，通常被視為一種解決方案，但在許多情況下只解決了一小部分問題——將警報分類并將數據級別降低到更易于管理的程度。要解鎖其完整的多云組織，組織應該為AIOps尋找更復雜的用例，這些用例擴展到IT操作之外——想想AI自動化DevOps，或者更好的BizDevSecOps。

AIOps的潛力

通過使業務、開發和運營團隊能夠自動化現代云環境并驅動自愈應用程序，此類AIOps有巨大的潛力來加速數字創新。這是一種更全面的方法來控制數據增長，這需要一種新形式的AIOps。為了支持這一點，AI需要立即從廣泛、結構良好、高質量的數據中學習，而不是簡單地分析非結構化數據集中的歷史模式。因此，組織必須重新思考捕獲、處理和操作數字服務數據的方式。

人們普遍認為，人工智能的智能程度取決于用戶提供給它的數據。因此，組織專注于提高其技術環境的可觀察性，以確保從所有可用來源捕獲數據，從而豐富其人工智能產生的見解。然而，云本地多云和多云環境的使用導致了復雜性，這使得難以以標準化和整體的方式捕獲每天產生的數PB的數字服務數據。業務、運營和開發團隊使用多種監控工具來捕獲不同的數據源。因此，數據收集和交付格式不一致，使得人工智能很難保留防止多重跛行所需的結構和場景。