过去,数字化成熟度最高的企业利用自动化来执行基于明确定义的业务和运营目标的脚本,以进行配置更改和策略调整。生成式人工智能的引入使得这种做法几乎过时了,现在的新目标是建立一个更加自主的系统。
这是我近期阅读 Intel 2024 年云优化现状后得出的结论,其中 “60% 的受访者认为优化工具的自主性非常重要和极其重要”。
如果您想了解什么是优化工具,其实这些工具与成本息息相关,更具体地说,与实现 2024 年首要任务 “削减云成本” 有关。
基本上就是 FinOps。
但自主性不仅仅是削减云成本,它还涉及消除运营层面的精力投入,以及利用生成式人工智能自主实现交付优化和安全。
当被问及受访者希望通过生成式人工智能获得的最大价值时,应用程序安全与交付用途的最佳答案都是自主调整。
换言之,企业正寻求生成式人工智能来提升自动化策略(从自动化脚本到自主调整和生成策略),以管理安全、性能和成本控制目标。
运营更加自主听起来可能有些极具前瞻性并且难以实现,但实际上企业现有的自动化水平相当高。如果考虑企业去年的自动化进程,便会发现情况更是如此。
截至 2022 年底,大多数企业 (52.5%) 仍在采用混合自动化策略。他们使用脚本更改配置和推送策略,但都是手动执行这些脚本的。只有约四分之一 (25.4%) 的企业使用系统启动脚本,还有高达 21.9% 的企业根本没有使用任何自动化技术。
时至 2023 年底,大多数企业在自动化之路上取得了令人难以置信的进展。
今年,只有不到十分之一 (8.2%) 的企业忽视了自动化,而自动化技术最为成熟的企业比例几乎翻了一番。
大家可能会注意到,我在便捷图表中添加了一个新目标:自主性。
这是因为生成式人工智能的面世表明,完全自主运营的目标不仅可能,而且还可以实现。这是因为当被问及开放式问题时,生成式人工智能可能会产生机器幻觉,但当其专注于生成结构化内容(如配置和具有良好模式和语法规范的代码)时,便会表现得十分出色,并且越做越好。经过一段时间的学习,生成式人工智能可以熟练地生成正确的策略和配置,以调整基础设施和应用程序服务,从而达到规定的服务级别目标。
我们研究发现,各大企业都希望实现这一目标。这可能是因为当自动化得到更充分的应用时,企业从自动化流程中获得的益处会更大。
所有这些自动化都必须有一定的驱动因素,即具体、可衡量且可操作的因素。
这种因素就是数据。具体来说,就是由支持应用和 API 的系统和服务生成的遥测数据,企业希望确保它们快速、可用和安全。
因此,当我们谈及企业加速数字化转型所需的六大关键技术能力时,自动化和可观测性会被归为一个领域。因为没有可观测性,自动化便只是猜测,而没有自动化,可观测性则无法利用实现组织几十年来所期望的可见性。
所有这些数据以及所有的遥测数据还可以为预测式人工智能引擎提供动力,这些引擎将对这些数据进行分析,并提出切实可行的见解,以便生成式人工智能可以利用其自主调整配置和策略。
现在一切都水到渠成。AIOps 会是自动化发展的下一阶段,而这一切都要归功于生成式人工智能。