2024 年application战略状况： 生成式人工智能重新定义自动化演进
过去，数字化最成熟的组织使用自动化根据明确的业务和运营目标执行脚本来更改配置并推动政策调整。 生成式人工智能的引入使得这一模式几乎过时，新的目标是建立一个更加自主的系统。
这是我根据最近阅读的英特尔《2024 年云优化状况》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甚至极其重要。”
如果您想知道什么是优化工具，那么，它们与成本有关，更具体地说，与实现 2024 年“削减云成本”的首要任务有关。
基本上就是 FinOps。
但自主性不仅仅意味着削减云计算成本。 它还可以消除操作上的辛苦，并利用生成式人工智能的力量来自主执行交付优化和安全性。
当被问及受访者希望从生成式人工智能中获得的最大价值时，对于应用程序安全和交付用途而言，首要的答案是自主调整。
- 安全性：根据检测到的威胁自动调整安全策略并生成安全配置
- 交付：根据服务级别目标 (SLO) 自动调整应用程序和 API 策略，以优化交付
换句话说，企业正在寻求生成性人工智能来提高自动化策略的水平，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。
自动化现状
更加自主的运营可能听起来有点未来化和难以实现，但企业现有的自动化水平实际上相当令人印象深刻。 如果你考虑到去年各组织在自动化进程中的情况，这一点就更正确了。
截至 2022 年底，大多数 (52.5%) 组织仍在混合自动化策略下运营。 他们使用脚本来更改配置并推动策略，但他们手动执行这些脚本。 只有大约四分之一（25.4％）的人使用系统来启动脚本，而高达 21.9％ 的人根本没有使用任何自动化工具。
快进到 2023 年底，大多数组织在自动化进程中取得了令人难以置信的进步。
今年，不到十分之一（8.2%）的组织忽视了自动化，而达到最高成熟度（自动化）的组织百分比几乎翻了一番。
但你会注意到，我的便捷图表有了一个新目标：自主。
这是因为生成式人工智能的出现，指出完全自主操作的目标不仅是可能的，而且是可以实现的。 这是因为生成式人工智能在被问到开放式问题时可能会产生幻觉，但当专注于生成结构化内容（如具有良好格式和语法规范的配置和代码）时，它的表现良好。 而且做得越多，效果就越好。 经过一定方式的学习，它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服务，从而满足定义的服务级别目标。
而且，根据我们的研究，组织希望实现这一目标。 可能是因为当自动化得到更充分的利用时，组织从自动化工作中获得的益处会更大。
但所有这些自动化都必须由某种东西来驱动。 一些具体的东西。 一些可衡量的事物。 一些可行的事情。
那个东西就是数据。 遥测具体来说，由支持组织希望确保快速、可用和安全的应用和 API 的系统和服务生成的。
这就是为什么当我们谈论组织加速数字化转型所需的六项关键技术能力时，自动化和可观察性会合并为一个领域。 因为前者如果没有后者就只是猜测，而后者如果没有前者就无法实现组织几十年来一直渴望的可见性。
所有这些数据、所有这些遥测数据还可以为预测性人工智能引擎提供动力，预测性人工智能引擎将对其进行分析并产生可操作的见解，以便生成性人工智能可以使用它来自主调整配置和策略。
哦，是的。 现在一切都已经明朗了。 AIOps是自动化的下一个发展阶段，这一切都归功于生成式人工智能。