IT組織正在采用基于人工智能的工具來改進支持，優(yōu)化基礎設施并預測系統(tǒng)故障，從而釋放員工去完成更高價值的任務。
人工智能正一步步的吞噬世界，IT運營也不例外。
盡管還處于部署的早期階段，企業(yè)正在利用人工智能和機器學習來改進技術支持和管理基礎設施。在這里，自然語言處理被證明是一個有價值的IT工具。為大多數(shù)客戶服務聊天機器人提供動力的這項技術，正被用于內部的IT運營，改善技術支持和用戶界面。
例如，瑞士信貸集團去年12月推出了一款聊天機器人，幫助處理密碼重置和電腦重啟等日常請求。
“我們最初有一個只支持語音的支持中心，在處理用戶查詢方面缺乏效率”，公司的認知和數(shù)字服務主管Jennifer Hewit說。
她說，為解決問題而打電話來的員工將不得不排隊等待下一個可用的代理，這種方法不能很好地進行擴展。“所以我們想為服務臺提供一個新的頻道，并引入聊天功能，讓我們的用戶能更快地得到響應和行動，”她說。
瑞士信貸于2016年底開始考慮此事，并于2017年初選擇了IPSoft的Amelia chatbot系統(tǒng)，并于6月份開始安裝。到今年年底，它就開始運行了。
“當我們介紹她的時候，她還是個嬰兒，”Hewit說，他指的是聊天機器人。“我得說她現(xiàn)在是個嬰兒。”我們還在花時間訓練她的大腦。
例如，當聊天機器人不能處理請求時，它就會把請求轉移給人。聊天機器人跟隨著對話，從對話中學習，銀行會在該內容進入到聊天機器人之前對它進行審查，以避免錯誤和偏見的滲入。
新系統(tǒng)為全球40個國家的7.6萬用戶提供服務，并允許瑞士信貸將其80家技術支持機構中的一些轉移至更高級別的支持。“我的目標是到今年年底，讓25%的查詢自動進入服務臺進行處理，”Hewit說。
其最終目標是釋放其三分之一的技術支持人員，瑞士信貸在IT中使用人工智能突顯了推動這一趨勢的動力：通過將更低級別的工作移交給更適合的機器，讓IT人員能夠推動更深層次的業(yè)務價值。
使用AI來保護和激勵
得克薩斯州A&M大學系統(tǒng)是另一個讓AI在IT部門工作的組織，它部署了來自Endgame的智能助手Artemi，以幫助新入職的員工保護大學不受網絡攻擊。
“我們監(jiān)控著11所大學和7個州立機構的網絡，”德克薩斯州大學系統(tǒng)安全分析師Barbara Gallaway說。Gallaway的團隊包括9名全職員工和8名兼職學生，他們沒有處理安全事故所需的經驗。
人工智能系統(tǒng)可以讓她的員工用淺顯的英語提問，幫助培訓他們的工作，作為副業(yè)。“這是在職培訓，同時還要做本職工作，”Gallaway說。
“我們剛剛在一月份進行了新一輪的招聘，他們花了兩個小時才弄明白自己在做什么，然后就開始工作了，”她說。“但他們學得更快了，我們的全職員工問問題的人也更少了。”他們在谷歌上的搜索量減少了，觀看學習視頻的時間也減少了。
她說，AI對招聘也產生了積極影響。兩年前，當他們想聘用三名安全分析師時，他們找不到足夠多的求職者。
她說：“今年1月，我們的7個職位有88個申請者”。“我們做的事很有趣，廣為流傳。”但他們實際上需要做各種調查，而不僅僅是坐在那里盯著屏幕，他們需要獲得現(xiàn)實世界的經驗。我希望能讓更多的人對網絡安全感興趣。
基礎設施管理
墨菲石油，總部位于阿肯色州，是一家在美國，加拿大和馬來西亞開展業(yè)務的石油公司，在全球擁有1，200名員工。該公司過去一年來一直將其基礎設施從傳統(tǒng)的內部部署和托管遷移到云和SaaS上來，但最大的節(jié)約來自于為其云基礎架構增加了智能化的管理，墨菲石油的數(shù)字轉換IT主管Mike Orr說道。
“如果你只是將工作負載提升到云端，你無法省下一分錢，”他說。“它甚至可能會讓你花更多的錢。”
云確實提供了很大的靈活性，但是需要很多人來調整工作負載，這就增加了工作量。因此，該公司轉而使用Turbonomic提供的以人工智能為動力的系統(tǒng)，以便就如何優(yōu)化基礎設施提出建議。但真正的回報來自于墨菲石油對這個系統(tǒng)的熟悉，并信任它能夠自動執(zhí)行布局和大小調整。
“里面有這樣一種設置：根據這些經驗，我們將采取這些行動，你同意嗎?”一旦我們打開它，我們發(fā)現(xiàn)軟件可以比人做出更好的決定，Orr說。“它讓數(shù)據驅動決策，而不是直覺和情緒。”
在此之前，Orr有四分之一的全職工作人員只處理票據相關的工作。“現(xiàn)在只需要十分之一，”他說。
這使得墨菲石油能夠將員工從基本操作和維護轉移到業(yè)務支持上來。例如，一名員工正在學習自動化流程，以便公司能夠在成熟度曲線上更進一步。
“總是有積壓的項目，”Orr說。“但我們不打算裁員。”
確保連接
俄亥俄州的北坎頓學校則面臨著另一種基礎設施管理挑戰(zhàn)：保持整個校園無線網絡的暢通。包括確保用戶筆記本電腦和移動設備能夠正確連接網絡。
該網絡共有約4400名學生、650名員工、7座大樓、6000至8000臺設備，但只有3人負責網絡管理。去年8月，該地區(qū)轉而使用Mist Systems進行無線網絡管理，并且還獲得了一個新的AI供電接口。
“它確實感覺更快，讓我們可以更快地了解各種意外狀況，”北坎頓的系統(tǒng)管理員John Fano說，“你可以說，'接入點一是怎么回事'，它就會告訴你所有的信息，然后你就可以進一步深入研究。”
除了自然語言接口，在后端也有能夠分析網絡活動的人工智能系統(tǒng)。“我們一整年都在用它來尋找網絡上我們甚至不知道的正在發(fā)生的小事情，”他說。
例如，去年，他的團隊花了9個月的時間做數(shù)據包捕獲和跟蹤，以向他們的供應商證明員工筆記本電腦的無線網卡出現(xiàn)了故障。“在Mist下，我們幾乎可以實時查看問題，所有信息包的信息，并可以在大約一個小時內重復查找問題，”他說。
Mist通過分析組織自己的數(shù)據發(fā)現(xiàn)網絡問題，并將其與來自其他選擇加入數(shù)據共享的客戶的匿名參考數(shù)據相結合。 Mist Systems的首席技術官Bob Friday表示，根據具體算法的不同，學習要么是連續(xù)的，要么是批量的。他說，其他算法使用的是監(jiān)督訓練模型，這些模型會按小時不斷變化。
由于人工智能被納入產品中，即使是內部沒有人工智能專業(yè)知識的企業(yè)，仍然可以從這項技術中受益，F(xiàn)riday補充道。
可預測的維護
總部位于東京的Konica Minolta曾以相機而聞名，但在2017年初，它開始在公司內部使用AI驅動的IT基礎設施管理工具ScienceLogic，以支持其辦公室和IT服務業(yè)務，以幫助預測哪些設備即將出現(xiàn)故障。
該公司副首席技術官Dennis Curry表示，起初，這些預測的準確率約為56%，但隨著時間的推移，該系統(tǒng)越來越準確。他說：“現(xiàn)在我們可以預測在接下來的兩周內95%的故障，這讓我們可以減少停機時間，降低整體成本。”
該公司正在將該技術添加到Workplace Hub中，并且該公司的ScienceLogic-powered IT管理平臺也將于今年晚些時候推出。
Nlyte軟件公司還計劃提供一種基于AI的預測性維護工具。 Nlyte采用IBM的Watson技術，利用客戶的一般信息來收集有關常用設備的狀況，并將其與個體客戶環(huán)境的學習相結合。
“我們有我們已經建立的模式，我們正將這些模式提供給客戶，”該公司首席戰(zhàn)略官Enzo Greco說。“但是我們發(fā)現(xiàn)，每個客戶的環(huán)境都略有不同，因此我們也為客戶提供了一個工具包，用于創(chuàng)建他們自己的用例，他們自己的AI模式。”
最主要的兩種用途是能源優(yōu)化，比如在哪里放置新服務器以優(yōu)化散熱，以及工作流優(yōu)化，也就是在哪里放置工作負載。
這些工具通常是由公司定制的，根據他們自己的操作進行定制。現(xiàn)在，有了現(xiàn)成的軟件和預先構建的模型，企業(yè)就可以快速地啟動和運行，而不必在內部部署深入的人工智能技術。
總部位于荷蘭的Interxion公司已經看到了利用機器學習來改善運營的好處。幾年前，這家在全球13個城市運營著50個數(shù)據中心的公司，開始從施耐德電氣部署數(shù)據中心基礎設施管理(DCIM)技術EcoStruxure.
“我們每年都會新建四個數(shù)據中心，”公司的首席數(shù)據中心技術和工程官員Lex Coors說。“這讓我們有機會回顧過去，看看沒有任何EcoStruxure的老客戶，EcoStruxure的早期版本以及最新版本都在做什么。”
他說，早期的版本很難使用。他們提供了大量信息，但需要更多的工作人員來理解數(shù)據并做出決定以加以實施。
“即使使用新系統(tǒng)，它也提供了如此多的建議，”他說。“我整天都在執(zhí)行這些建議。”
他說，但該產品的最新版本包含了更多的智能功能，現(xiàn)在可以節(jié)省成本了。
重置資本支出預算節(jié)省了1%至2%的資金。“在維護運營預算中，我看到了10%的下降，所有的分析都帶來了好處。”
這是因為該公司可以在正確的時間做適當?shù)木S護，以避免設備故障，并且還提出了優(yōu)化能效的建議。
但即使是最新的版本也需要改進。“今天它可以告訴我要改變到這個溫度，明天換到另一個溫度，第二天再回到第一個溫度，因為那是當時最好的決定，”他說。該系統(tǒng)應該基于長期的預測提出建議，并優(yōu)先考慮這些建議。他的公司正在與施耐德合作，以改進該系統(tǒng)。
“DCIM系統(tǒng)的機器學習能力仍然有限，”他說。“看看我們現(xiàn)在的數(shù)據中心，想想我們可以用機器學習做些什么，顯然，現(xiàn)在還不夠多。”
但是AI在DCIM中的技術能力可能會不斷擴大。
“這是一個全新的領域，是這個行業(yè)的一個新發(fā)展，而且它很強大，”她說。451 Research的數(shù)據中心和關鍵基礎設施的研究主管Rhonda Ascierto表示，Eaton是DCIM領域的另一個供應商。“我認為這是一個將物理數(shù)據中心管理與許多其他服務集成在一起的長期演進性變革的開始。隨著技術的發(fā)展，可能會增加其他數(shù)據和服務，包括集成工作負載管理，能源管理，員工服務，安全和網絡管理。
她說，所有這些都需要時間來完成，而且數(shù)據供應商可以收集的數(shù)據越多，他們的平臺就會越聰明，也越有價值。因此，客戶可以以極低的成本獲得這些工具。
局限性
但Forrester Research的分析師Michele Goetz表示，用于IT運營的通用AI平臺仍然難以實現(xiàn)。
“目前還沒有真正能夠替代數(shù)據庫管理或系統(tǒng)管理員的人工智能系統(tǒng)，”她說。“這些AI解決方案的成熟還需要幾年時間，我們也需要時間讓企業(yè)組織對在IT環(huán)境中部署人工智能有一個更好的愿景。”
其中一個挑戰(zhàn)是人工智能目前需要大量的訓練數(shù)據，而這些數(shù)據只能用于特定類型的問題。此外，國際數(shù)據公司分析師Shannon Kalvar表示，系統(tǒng)之間的對話也需要改進。
“從技術上講，對于IT服務管理和IT運營管理的融合，我們可以在兩到三年內完成，”他說。“它們之間存在技術掛鉤。但說實話，我并沒有看到太多這樣的設計思維。”
他說，這不僅僅是關于自動化流程。“現(xiàn)在，我們依靠人們的經驗，支持人們，運營人員，去理解并把它們聯(lián)系在一起。我不想過分苛刻，有幾個供應商正朝這個方向努力，但我們確實還沒走到那一步。”
他稱之為一個過程抽象層，一種綜合智能。
根據Turbonomics調查公司與Red Hat和AppDynamics合作的對750名IT運營經理進行的調查顯示，68%的人說他們還沒有將人工智能用于IT管理，24%的人說他們正在試驗人工智能。
然而，84%的人認為人工智能可以通過創(chuàng)建自組織系統(tǒng)來降低復雜性。
IDC的Kalvar表示：“我認為這是很多人想要實現(xiàn)的目標，但我不確定我們當中有任何人曾經觸碰到它。”
