避免中等信息化陷阱 运维是最好AI落地场景

人工智能从未得到现在这样的重视，今天的人工智能似乎更像是一场计算的狂欢，少了些灵魂，只有简单的Training。今天的数据足够支撑起人工智能这个大IP了吗？人工智能最好的应用落地场景又在哪里？在5月16日与LinkedSee灵犀CEO朱品燕女士沟通的过程中，得到了一个答案：运维或许是最好AI落地场景。

LinkedSee灵犀CEO朱品燕

原因其实很简单。其一是人工智能遇到的挑战是大家越来越关注的隐私问题，涉及"人"与"物"两个维度。其中物的数据属于IT系统，本身是没隐私可言的，它是开放的，只要企业主允许，就可以充分利用、加工，产生价值。其二是因为人本身是一个高级动物，他的理性的部分和情感的部分是综合交织的整体，所以人的数据本身有更多的不可预测性。从运维的视角看数据则不同，它有一个稳定结构里面，在运维场景中，针对稳态数据能够借助人工智能做更多的工作，人工智能能够对数据做更好的应用和加工。

IT运维升级只有经验是不够的

如果将IT运维系统分级，那么可以简单的分成四代，其本质是效率的不断提升。

1.0时代是手工运维时代。那个时候，运维人员对维护的对象几乎是毫无干预能力的，如果做复杂的诊断，就一定要交给供应商完成。

2.0时代是要通过工具辅助运维、提升效率。企业需要建设监控系统，监控之后，再建设工单流程管理系统。但是，这种模块化的组成会面临一个问题--孤岛效应。朱品燕女士表示：我们将其命名为"中等信息化陷阱"。就是说信息化建设看起来很多，但是因为我的系统变得越来越庞大了、应对这些系统也越来越滞后，因为他们相互之间没有关联，反而导致在处理问题后，会出现类似多米诺骨牌效应一样的连带问题。

3.0时代是大数据运维时代。此时，运维团队将所有数据集中在一起，看似解决了数据孤岛问题，但是这种方式依然不够智能化。

LinkedSee灵犀做的则是4.0时代的智能化AI运维模式，其核心使用机器学习的方式来帮助运维人员处理数据、分析数据。未来甚至会接管整个运维流程，通过模型和算法，提供一种比人的经验更可靠的方式。

可以看出，在过去几十年中，无论是人类本身还是IT运维系统都处在一个经验至上的进程中。比如，今天发生了一个故障，这类问题恰好曾经我解决过，我们会尝试把这样一种方法惯性地转化成一种适用于所有人的经验，下一次当这个问题再出现的时候，能够自动化的按照别人的经验区处理。这是经验的力量，但是，这种循环逻辑面临：人的局限性和经验沉淀机制的可靠性问题。

换句话说，现在的IT运维环境中，只有经验是绝对不够的，通过机器学习才能够获得更准确、可靠、稳定的IT系统。AIOps是LinkedSee灵犀最新发布的智能运维系统，基于人工智能和机器学习的智能运维方式，将运维大数据的管理机制进行融合。

AI赋能运维差的竟然是数据

既然AIOps能够提供最新一代的智能运维系统，那是不是所有问题就解决了呢？在于用户的实际接触中，会发现这样的问题：人工智能算法和模型都不是问题，问题的关键在于我们的运维体系没有足够的数据支撑。

换句话说，今天企业IT运维系统进化落地过程中，遇到最大的难点是没有足够的数据源作支撑。而在帮助企业进行数据采集过程中，又会遇到旧架构和旧系统的封闭性问题。

我们看到在LinkedSee灵犀提供的智能运维方案中面向不同的客户场景分为多个版本。如果用户拥有一套新架构的话，LinkedSee灵犀可以从头帮用户建设一个完整的运维系统。但如果企业有大量的传统架构，那么就在现有架构基础上搭建一个现实版的智能运维方案。在现有数据基础上，做一个对这些数据的机器学习、深度学习操作。实现智能故障预测和故障预处理，综合评判与调度IT业务需求与IT支撑能力的智能匹配，辅助管理者进行IT运营决策。

因此，我们也看到了LinkedSee灵犀在大数据采集、大数据分析，到大数据智能三个维度的产品定位。

作为IT运维行业少有的女性创业者，朱品燕女士从法律专业到运维人员的转行，可谓挑战重重。但正是这种跳出传统运维窠臼的思维模式，帮助LinkedSee灵犀找到了一条能够帮助企业实现智能化运维的通路，找到了一条不同于传统运维方式的产品逻辑。