超越自动化：AI 正在改变 IT 运维的哪些方面

降低监控噪声

我们看到显著改进的领域之一是监控。

大型技术环境会产生大量警报，并非所有警报都需要同等关注。重复警报、临时异常和低优先级事件会产生不必要的噪声，使团队更难识别可能对运营产生真实影响的问题。

通过在我们的监控环境中加入AI 驱动的异常检测与噪声抑制，我们实现了监控噪声降低 75%。

对团队而言，这意味着花在处理不必要警报的时间更少，花在调查需要关注的问题的时间更多。这也帮助我们更早识别异常模式，并在工程师开始调查事件时提供更好的信息。

这是 AI 特别有用的领域，因为它能够快速处理海量信息。但一旦识别出异常，了解其原因及潜在影响仍常常需要熟悉环境的人员。

提升常规 IT 运维

我们还通过 AI 支持的远程监控与管理平台使用自动化来管理常规终端活动。

这包括补丁编排、健康检查、脚本化修复和远程故障排除等方面。

以前，补丁合规率常常低于 50%，主要是因为涉及大量手工工作且环境规模庞大。采用 AI 支持的 RMM 框架后，合规率已提升至第 95 百分位。

这种改进帮助我们提升了终端的稳定性，并降低已知漏洞的暴露，同时也减少了工程师需要手动处理的重复性工作量。

这是自动化合理应用的一个好例子。该过程可预测；需要持续执行，并且必须在数千个终端上运行。

该技术可以在后台管理大部分活动，而团队则专注于例外情况、升级以及需要深入调查的问题。

人仍然发挥关键作用的地方

并非所有 IT 问题都遵循可预测的模式。

我们的团队在不同的基础设施环境、网络、系统和客户需求之间工作。表面上看似简单的问题有时会涉及多个依赖关系或需要不同团队之间的协作。

AI 可以帮助识别异常、分析信息并呈现可能的原因，但团队仍需了解更广泛环境中发生了什么。

当问题影响多个系统，或技术上显而易见的解决方案可能在其他地方产生后果时，这一点尤为重要。

这正是经验发挥作用的地方。

了解环境的工程师能够超越单个警报，考虑哪些发生了变化、系统之间的关联、是否曾出现过类似问题，以及特定操作可能对更广泛运营产生的影响。

对我们而言，AI 最有效的方式是为工程师提供更好的信息，而不是试图完全将其从流程中剔除。

支撑高需求环境

环境的规模意味着我们必须寻找提升容量的方法，而不是单纯增加手工工作量。

自动化在这方面提供了帮助。

常规终端活动可以在后台持续进行。监控工具能够在信号到达工程师之前进行过滤和合并。预测能力可以更早识别潜在问题，而自动化修复则可在无需人工干预的情况下处理已知问题。

这为团队提供了更多容量，以专注于服务连续性、升级以及更复杂的技术问题。

它也改变了我们对 IT 运维生产力的思考方式。收益不仅在于任务完成得更快，更在于工程师拥有更多时间去从事其经验能够产生更大影响的工作。

治理仍然重要

随着 AI 和自动化能力的提升，治理变得愈发重要。

必须明确哪些活动可以自动化、何时需要工程师介入，以及当自动化流程未按预期运行时谁承担责任。

这在大型技术环境中尤为重要。跨数千个终端的自动化操作可能产生的影响远大于对单台机器的操作。

为此，我们仍然需要明确的升级路径、定义好的访问级别，以及 适当的自动化活动控制。

这种方法与 National Institute of Standards and Technology’s AI Risk Management Framework 一致，该框架强调持续的 AI系统的监控，以及明确的人类监督和干预的职责与流程。

对我们而言，治理并不是为了放慢 AI 的使用速度，而是确保我们能够在实时运营环境中自信且负责任地使用它。

IT 工程师的角色正在演变

随着越来越多的例行工作实现自动化，工程师的角色也随之变化。

技术知识仍然是必不可少的，但能够解读信息、了解依赖关系并调查没有明显答案的问题，其价值正日益提升。

工程师还需要了解他们所使用的工具。如果 AI 驱动的系统推荐某项操作，负责人必须具备足够的环境知识，以判断该建议是否合理。

这使得培训成为 AI 采纳的重要环节。

我们的团队需要了解技术的能力、其局限所在，以及何时需要以不同方式升级或调查问题。

NIST 同样建议明确界定操作和监督 AI 系统的人员职责，并配合适当的培训和熟练度标准。

迄今为止我们的收获

迄今为止的经验表明，AI 在 IT 运维中的一些最有用的应用相对实用。

监控噪声降低 75% 意味着工程师在处理不必要的警报上花费的时间更少。将补丁合规率从低于 50% 提升至第 95 百分位 加强了端点管理的一致性。对超过 10,000 个端点 的自动化帮助我们管理一个否则需要大量重复手动操作的环境。

与此同时，IT 运维中更复杂的部分仍然高度依赖人员。

技术可以识别异常模式或自动化已知的修复。经验丰富的工程师了解更广阔的环境、相关的依赖关系以及所做决策的潜在影响。

随着 AI 成为日常 IT 运维的一部分，这种平衡变得日益重要。

对我而言，AI 的价值非常实用。它帮助我们管理规模，为团队提供更好的可视性，并消除一些会占用处理更重要问题时间的重复工作。

技术正变得更加强大，但管理环境的人员经验同样重要。