阿米特·辛加拉 是 Motadata 的联合创始人和首席执行官，Motadata 是一家领先的 AI 驱动的可观察性和 IT 服务管理（ITSM）解决方案提供商。拥有超过 13 年的企业 IT、SaaS 和数字化转型经验，他在帮助组织通过智能自动化、可观察性和 AI 驱动的创新现代化 IT 运营方面发挥了重要作用。
目前，IT 领域内有两种观点正在宣告同一个葬礼的到来，但似乎两者都没有注意到对方的存在。在可观察性领域，人们认为人类读者已经不再需要。过去一年中，人们一直在论证整个学科的历史都是为了将大量的遥测数据压缩成一个人可以在一眼内看到的东西，而人工智能可以消除这种压缩的需要。评论家现在直接认为可观察性是为人类而建的，而人工智能代理需要的是不同的东西。Corey Quinn 在 O11yCon 会议上发表了一个主题演讲，告诉观众，他们的遥测数据的主要读者不再坐在椅子上。在服务管理领域，人们认为票务系统已经不再需要。2026 年的行业预测表明，票务自动化将被票务无化所取代，这两者之间的区别是明确的：票务自动化减少了人类的工作量，而票务无化则旨在消除人类的工作量。该领域的供应商现在承诺提供可以在问题被检测、诊断和纠正之前自动化服务台的解决方案。这两种观点都正确地指出了它们要消除的东西。然而，它们都没有注意到，它们实际上正在拆除同一结构的两个不同部分，而它们正在移除的某些部分实际上是起到了支撑作用的。两个学科，一个约束让我们考虑一下可观察性实际上是什么。采样存在是因为没有人能够读取每个跟踪。聚合存在是因为没有人能够读取每个指标。仪表板存在是因为一个人需要在几秒钟内快速浏览系统并形成印象。警报阈值存在是为了将连续的状态流转换为二进制信号，以便只有当需要中断时才会中断人类。每一个都是压缩机制。从结构上讲，可观察性是将信息量压缩到一个人可以理解的范围内的做法。现在让我们考虑服务管理。严重性级别存在是为了决定谁应该优先得到关注。队列存在是为了持有尚未有人有空处理的工作。升级层级存在是因为专业知识稀缺且昂贵。变更咨询委员会存在是因为不能让每个人都审查所有内容。服务级别协议本质上是一个关于响应速度的承诺，承诺在有限的人员中优先处理问题。每一个都是分配机制。从结构上讲，IT 服务管理是将人类注意力分配到超过人类数量的需求上的做法。因此，两个学科实际上是在解决同一个约束，但从相反的方向来解决。可观察性将信息压缩到一个人可以处理的范围内，而服务管理则将人类注意力分配到超过人类数量的需求上。两者之间的核心是人类，这也是两者具有当前形态的原因。两者都没有描述过它们的工作是为了解决同一个约束，这也是为什么它们都没有意识到它们即将放弃的东西。行业已经决定约束已经消失人工智能移除人类的理由比其批评者承认的更有说服力，我想公正地阐述这一点。采样确实是一个妥协，是在数据存储昂贵的时代出于必要而做出的。它抛弃了机器可以使用的数据，以产生人类可以承受的数据量。机器不需要仪表板。它们可以比任何工程师更好地持有系统的更多信息，并且它们不会在凌晨三点感到疲倦。密码重置不需要队列，它需要一个 API 调用。如果大多数服务台请求都是由几种常见的请求类型组成的，那么为这些请求构建的服务台就是一个不再需要以这种方式解决的问题的纪念碑。所有这些都是正确的，大部分都是过时的。但是，行业正在做出这样的决定：既然人类的缓慢性已经影响了两个学科的设计，那么两个学科中所有缓慢的部分都是因为人类的缓慢性而存在的。这并不正确。当你移除一个影响整个领域的设计决策的约束时，你不能假设所有的设计决策都是仅仅因为那个约束而做出的。其中一些是因为其他原因，而它们恰好是缓慢的，这是偶然的。并非所有缓慢的东西都是瓶颈两个学科中的一些部分是瓶颈。它们仅仅因为人类是缓慢的而存在，它们不产生任何价值，应该在没有任何仪式的情况下被移除。采样是一个瓶颈。凌晨两点手动关联三个工具是一个瓶颈。手动分类一个传入的票务是一个瓶颈。将其路由到正确的队列是一个瓶颈。第一线支持一个密码重置是一个瓶颈。这些步骤都不添加任何价值。它们只是税收。但是，两个学科中的一些部分是制动器，制动器是一个完全不同的对象。严重性分类不是延迟。它是一个强制函数。它使一个有名字的人在记录中声明他们相信此事件的业务影响。输出不是标签。输出是承诺。变更咨询委员会不是因为其中的人是缓慢的而缓慢的。它是因为需要审议。会议不是决策的附加内容。会议就是决策。事后总结是故意缓慢的。反思不是延迟。一个在四秒钟内从失败中学习的组织什么也没有学到。这些是制动器。它们存在是为了在速度不是所期望的时刻故意引入摩擦。从外部来看，制动器和瓶颈几乎无法区分。它们在流程图中看起来一样。在调查中，它们会产生相同的投诉。它们都会显示为可能发生的时间和实际发生的时间之间的差距。它们看起来都像是在等待。移除制动器的真正成本这是一个需要证据的问题。谷歌的 DORA 研究已经花了两年时间测量人工智能采用率上升对软件交付的影响。2024 年的发现估计，人工智能采用率的增加伴随着交付稳定性的下降，约为 7%。第二年，交付量的图景有所改善，但与稳定性负相关的关系仍然存在。谷歌自己的总结是，人工智能加速了开发，但加速暴露了下游的弱点。显然的辩护是，速度弥补了损害。更快地交付，更多地破坏，快速修复，占据优势。DORA 测试了这一点。研究人员检查了人工智能的交付量收益是否抵消了不稳定性带来的损害，数据不支持这一假设。不稳定性并不是由速度所弥补的，而是被其他地方所吸收。现在看看最尖锐的预测。2025 年 6 月，Gartner 预测，到 2027 年底，超过 40% 的代理人工智能项目将被取消。这个数字被到处引用，通常没有日期，通常被视为对技术的判决。数字并不是有趣的部分。原因才是有趣的。Gartner 提到了三个原因：成本增加、商业价值不明确和风险控制不足。模型能力并没有被列入清单。这些失败模式都不会因为更好的模型而得到解决。将其视为运营诊断，它变得更加清晰。Gartner 并不是在描述人工智能不够好的组织。它是在描述那些已经移除制动器的组织。“一个来自现场的观察。理想的形状是一个团队自动化了一个步骤，结果发现它是负载的，并在事后意识到这一点，或者是一个客户在建议下保持了一个缓慢的流程，并且是正确的。” 没有人在运行的分类练习如果论点成立，IT 运维的下几年工作将不是速度，而是分类。对两个学科中的每一个缓慢的步骤提出一个问题。它之所以缓慢，是因为人类是缓慢的，还是因为判断需要时间？第一类应该在没有任何感情的情况下被自动化。没有人应该在手工票务分类的基础上辩护。没有人应该在采样不再需要时为其辩护。这些步骤不是神圣的。它们从来都不是什么，只是一个稀缺性的税收，现在稀缺性正在消失。第二类需要比移除更谨慎的处理。重点不是为了让一个人留在循环中，而是为了改变要求他们做的事情。停止要求他们执行工作。开始要求他们在记录中做出决定。不是“审查这个变更”，而是“声明你相信爆炸半径是什么”。不是“分类这个事件”，而是“对这个严重性调用负责”。机器可以进行调查，收集证据，提出行动，并执行它。然而，机器无法对其负责，责任不是快速事物的慢速版本。它是一个完全不同的东西。票务是制动器这让我回到了葬礼。行业已经决定票务正在消失。我认为相反的更接近真相。剥去票务周围的所有东西，这些东西都是瓶颈。去掉路由、分类、队列、层级、手动分类、等待。所有这些都是为缓慢的人类而构建的脚手架，都可以去掉。剩下的是票务中不可还原的功能。它是记录一个有名字的人接受责任的结果的文物。这不是工作流步骤。这是决定的记录，它是整个机制中唯一不随着机器变快而变快的东西。服务台被自动化。仪表板变得可选。队列消失了。而大家都急于埋葬的东西原来是从来都不是关于速度的唯一组件。所以，我想问任何团队在移除一个缓慢的步骤之前的一个简单问题。你们知道这是什么样的缓慢吗？
