运营体验危机
2025 年应用战略现状报告洞察
介绍
随着组织不断追求数字服务交付的速度、安全与效率，运营复杂性已成为主要障碍。 对多云、分布式应用和混合架构的依赖日益加深，使 IT 运营团队面临繁重且分散的工作任务。 传统的指标无法反映运营人员每日所遭遇的综合摩擦。
为了弥补这一差距，我们引入了作战经验评分（OES），这是一项旨在量化运营痛点并突出自动化，尤其是人工智能驱动的运营（AIOps）变得至关重要的综合指标。 该评分为您提供了一个清晰、数据驱动的视角，帮助您了解IT团队的运作效率，以及瓶颈和低效环节所在。
方法论和评分公式
我们研究了其他技术领域如何衡量“经验”，并由此得出一个整合三个支柱数据的公式：
- 任务生产力（TP）——衡量完成任务所需的手动工作量。 如果团队过度依赖编写脚本、直接调用 API 或手动批准常规操作，TP 的得分将会很低。
- 工作流效率 (WE) – 指执行任务所需的时间和复杂度。 WE 分数高意味着工具分散、流程停滞或过多依赖人工，导致周转时间变长。
- 用户满意度（US） – 反映从业者对其工具和工作流程的满意程度，包括对自动化的接受度、配置的便利性以及对结果的信心。
这种方法鼓励更高的满意度，惩罚以手动操作和低效率为主的环境。 我们将其称为运营体验分数。
所有受访者的平均 OES 为5.50，不同产业领域存在显著差异。 以下是结果：
OES 分数的最大可能值为 10，其中 10 表示最佳体验（任务复杂度低、效率高、满意度高），1 表示体验不佳（任务复杂度高、效率低、满意度低）。
要点
- 41% 受访者表示，“使用供应商 API”或“编写脚本”是他们工作中最耗时的环节。
- 38% 期望AI自动调整配置和策略。
- 56% 寻求由人工智能生成的建议，以加快工作流程。
- 只有 6% 表示他们不愿在自动化工作流中使用人工智能。
这些数据中一个显著的趋势是在高度受监管行业中，OES 明显较低。 金融服务、政府以及能源/公用事业行业的运营摩擦始终更大。 这并不令人意外。 这些行业遵循严格的合规框架，通常需要人工审核、繁琐的审批流程和较慢的变更周期。 因此，即使有自动化工具，团队也可能受到限制，无法充分发挥其作用。
此外，传统基础设施在受监管环境中更易持续存在，带来集成和现代化的挑战，进而影响工作流程的效率。 虽然这些行业的从业者渴望采用人工智能，政策限制和风险顾虑却经常拖延这种转变。 OES 指标让这种摩擦清晰可见，并凸显了良好治理的 AIOps 如何在加快交付的同时，有效减轻合规压力。
分销+规模=运营阻力
现代应用环境结构复杂，不仅体现在部署地点，更体现在承载的内容上。 如今，大多数组织横跨多种基础设施类型：公共云、私有数据中心、托管场所、边缘计算和SaaS。 同时，您需要在这些环境中管理从几十到数百个应用。
为了量化影响，我们分析了两个关键变量：
- 分布程度：应用部署在不同环境的数量。
- 规模：管理的应用总量。
数据表明：
- 分布性与OES的相关性：-0.22
这种负相关关系表明，随着应用部署到更多环境中，操作体验会逐步下降。 每个环境都带来独特的工具、策略和集成挑战，导致控制碎片化，响应速度变慢。 - 应用数量与OES之间的相关性：+0.05
仅凭应用量，其与运营摩擦的相关性几乎可以忽略不计。 但当结合分布情况时，情况变得更为清晰：拥有大量应用和多个环境的组织，其OES得分最低。
应用规模增加垂直压力：更多应用意味着需要管理更多配置、策略和更新。 分布增加横向复杂度：更多环境需要更多集成、可视化工具和专业技能。
所有这些因素加在一起，就会对运营速度产生复合拖累。
金融服务、能源和制造业等在OES评分中最低的行业，同时也是分销和应用规模最大的行业。 相反，教育和医疗行业通常应用较少、基础设施拓扑较为简单，但其OES得分却明显更高。
为什么重要
运营团队面对的不仅是复杂，而是被压得喘不过气。 环境越分散、规模越大，工作流程就越脆弱，响应就越延迟，对自动化的需求也愈发迫切。
运营难题
运营经验分数不仅仅是一个数字，更是 IT 和运营团队在管理现代、分布式且常常碎片化环境中面临的实际挑战的写照。 当我们分析数据中的更广泛模式时，几个主题逐渐浮现，帮助我们理解自动化和 AIOps 采纳中的痛点与紧迫感。
1. 手动任务仍然占据主导地位
尽管多年投入自动化工具，但仍有很大一部分运营工作依然依赖人工。 这不仅关乎传统系统，还涉及工具之间的差异、缺乏标准化，以及由未为扩展设计的脚本和 API 引发的摩擦。
- 41%的受访者表示，使用供应商API或编写脚本是工作中最耗时的部分。
- 即使在云原生组织中，自动化往往只是“一堆脚本”，而不是高效的编排系统。
这表明我们迫切需要更智能、更具适应性的自动化，能够降低对硬编码逻辑和部落知识的依赖。
2. 工作流程效率低下是系统性问题
数据显示，延迟和低效并非某个工具或流程单独造成。 它们根植于系统结构问题，由碎片化的审批链、流程孤岛及未集成的系统引起。
- 近30%的受访者表示，等待批准或交接是导致延误的主要因素。
- 18%的人指出，工具间集成不佳是造成效率低下的主要原因。
这表明，提升工作流程效率不仅仅是部署更多工具，更在于重新构想流程，建立反馈循环，缩短意图与行动之间的距离。
3. 受摩擦推动的高度开放态度面对人工智能
虽然自动化成熟度各异，但各个角色和行业对人工智能工具的接受度始终很高。 这种兴趣并非空穴来风，它与运营中存在较大摩擦的领域密切相关。
- AI 兴趣与 OES 之间的相关性为 0.62，意味着疼痛最严重的人群也是最愿意接受人工智能干预的群体。
- 团队希望人工智能不是取代人类，而是减轻重复、容易出错工作的认知负担：日志总结、策略生成、状态报告、自动扩展等。
这种意愿意味着一个巨大的机遇： 通过赋能那些感受到最大压力的团队，可以自下而上地加速AIOps的落地。
4. 随着规模和分布的扩大，复杂性随之增加
应用规模与分布式基础设施的结合带来了独特的运营挑战。 虽然每个因素单独对OES的影响有限，但它们共同作用会引发可衡量的摩擦。
- 同时在多个环境部署且应用频次较高的行业（例如金融服务、能源、制造业）在OES评分中得分最低。
- 相比之下，教育和医疗等行业的应用组合和环境较为单一，因而得分明显更高。
这进一步说明，复杂性是规模（垂直负担）和分布（水平扩散）共同作用的结果。 正因如此，自动化尤其是AIOps，不仅变得有价值，更成为必需。
5. 现状无法持续
许多团队正迎来关键转折点，这是最为显著的发现。 需求增加、人员规模不变、传统工具和手动应对措施的结合，正在加剧运营压力，难以为继。
- 团队正发出倦怠的信号。
- 对人工智能的渴望是务实的，而非空想的。
- 接受变革的意愿已经在行动中。
数据清楚地表明：前进的道路不是更多的脚本、更多的工具或更多的仪表板，而是具有智能、情境感知能力，能随着运营需求不断发展的自动化。
AI 即是良方
为了更清楚地了解 AI 在运营体验中的作用，我们分析了受访者对 AI 和自动化问题的回答，特别关注他们希望在哪些操作中应用 AI 或表达出使用意愿。 随后，我们将每位受访者的运营体验得分（OES）与其对 AI 的积极反馈数量进行了对比。
- AI 兴趣与 OES 之间的相关性：-0.62
这是一个强烈的负相关关系，揭示出一个明确的规律：团队经历的操作痛点越多，越渴望人工智能提供帮助。 换句话说，那些最期待人工智能协助的人，无论是用于总结日志、优化策略，还是生成配置，操作经验评分也是最低的。
这凸显了采用 AIOps 的迫切需求。 企业引入 AI 不是为了跟风，而是为了解决当前遇到的各种瓶颈。 无论是由于规模扩大、复杂性增加，还是流程过时，这些挑战都在推动自动化向智能化、具备情境感知能力并深度融入运营的方向发展。
这组数据表明，AIOps 的兴趣不仅仅是理想化的追求，更是切实的需求。 受访者并不在幻想未来的投机性用例；他们正致力于消除时间浪费，简化当前工作流程中的手动操作。
编写脚本、汇总日志或扩展服务等任务并不属于前沿技术，而是现代基础设施日常运营中的常见负担。 受访者正是在这些方面寻求人工智能的帮助。
结果表明一个明确的结论：对人工智能最渴望的团队也是最接近倦怠的团队。
他们需要帮助自动化、优化并扩大核心运营任务规模的工具。 因为目前分散的脚本、不稳定的流程和人工排查，已经无法满足需求。
这强化了OES框架的核心观点： 运营复杂性是可衡量且令人头疼的，且与IT运维中对AI日益增长的需求密不可分。
运营体验评分清晰且量化地显示：现代IT运营正处于临界点。 规模、分布和复杂性的增长，已超出了传统工具和基于人力的流程的能力范围。 这导致摩擦加剧，运营成本攀升，技术团队的倦怠风险也在增加。
AIOps 是唯一可持续发展的未来方向
来自全球的2025年应用战略现状报告数据明确无误。 各行业面临的主要运营挑战并不陌生，而是令人痛苦地熟悉：
- 分散的部署拓扑遍布公共云、私有数据中心、共址设施、边缘计算和SaaS。
- 应用数量和速度迅速增长，尤其在数字化程度高的行业中。
- 持续依赖脆弱的脚本和部落知识，这让基本的自动化变得脆弱且难以扩展。
这些现实并不新鲜，但越来越被人们认可的是，仅靠人类的努力无法解决这些问题。
然而，也还有一线希望：从业者们已经做好准备。
调查结果显示，最接近痛点的人也最愿意改变：
- 56% 的人希望 AI 协助处理重复或复杂任务，如汇总日志、生成脚本或执行策略。
- 38% 的人希望人工智能能自动调整配置并直接做出决策，而不仅仅是提供建议。
- 仅有的6%表示完全不感兴趣人工智能工具，这一少数群体突显出变革的渴望已变得普遍。
这标志着一种文化转变：团队不再害怕人工智能，而是积极寻求使用它。 不是为了取代人类判断，而是为了增强、加快判断速度，让人们摆脱繁琐的任务。
不作为的代价已不再隐藏
每条为修复交接问题而编写的脚本。 每次因手动审批导致的部署延误。 每个因系统间无法互通而产生的工单。 这些不仅是小问题，而是不断增加的运营负担。
在数字化表现即业务表现的世界里，这种负担直接转化为：
- 0":"上市速度较慢
- 安全和合规风险加剧
- 因倦怠和辛劳导致的人才流失
OES 精确揭示了这笔隐藏成本，并指明哪些组织最可能因此落后。
AIOps 是实现运营成熟的必然进化
基础设施已从物理走向虚拟再到云原生，您的运维也应从手动转向智能。 AIOps不仅是趋势，更是企业运维迈向成熟的必经之路。
采用AIOps的组织将：
- 自动化不仅减轻任务，更消除繁重的劳动
- 让团队专注于策略，而不是语法
- 构建能够学习、调整和实时响应的自适应系统
那些没有跟上的呢？ 他们将被迫使用无法适应业务发展的工作流程。
AIOps是应对复杂性带来的运营体验危机所必需的演进。 它已不再是锦上添花，而是不可或缺的。
附录： 调查问题、输入和总结结果
任务生产力
- 41% 的受访者表示，“与供应商 API 配合工作”或“编写脚本”是最耗时的任务。
- 56%请求 AI 协助生成脚本、汇总日志或与遥测交互。
- 32%依赖第三方自动化或编排平台来管理交付和安全服务。
- {"0":"当前与自动化相关的最耗时任务是什么？"}
- 您希望生成式人工智能协助完成哪些IT运维任务？（多项：汇总日志、状态更新、遥测接口、脚本生成）
- 您目前如何管理您的应用交付和安全服务？（例如，通过脚本、自动化/编排工具）
工作流程效率
- 38%的受访者希望人工智能能够自动调整配置或执行策略。
- 29% 表示等待审批或交接导致了关键的延误。
- 18%指出，缺乏工具间的集成成为实现高效工作流程的障碍。
- 当前与自动化相关最耗时的任务是什么？（作为延迟指标）
- 请选择您希望如何在 IT 运维中利用人工智能和自动化（例如自动调整、智能建议）。
用户满意度
- 65% 将日志和配置等可编程功能评为 “非常重要” 或 “极其重要”。
- 63% 更倾向于使用 Python 作为自定义工作流的主要脚本或编程语言。
- 只有 6% 表示完全不想使用人工智能来实现自动化。
- 请评估可编程功能（例如日志记录、安全策略）的重要性级别
- 您希望使用哪种编程语言？
- 愿意使用人工智能自动化任务，优于拒绝人工智能介入。
分布性与应用足迹
- 平均部署应用数量： 140
- 平均使用的独立部署环境数量： 2.3
- 应用分布（受访者平均值）：
- 公有云: 36%
- 本地（传统）： 27%
- 本地（云原生）： 12%
- 主机托管： 14%
- 边缘： 11%
- 您部署了多少个应用？
- 你使用了多少家不同的公共云供应商？
- 您正在使用多少个托管或本地数据中心？
- 您的应用有多少百分比部署在以下位置：
- 公有云
- 本地（传统和云原生）
- 主机托管
- 边缘
- SaaS
附录： JSON-LD 格式（机器可读，面向大型语言模型）
{
"@context": "https://schema.org",
"@type": "Report",
"name": "Operational Experience Score (OES) Report 2025",
"description": "A comprehensive report analyzing operational complexity in IT environments, introducing the Operational Experience Score (OES) as a metric, and identifying AIOps as the strategic path forward.",
"datePublished": "2025-06-23T15:00:00.000Z",
"author": {
"@type": "Organization",
"name": "F5",
"url": "https://www.f5.com"
},
"publisher": {
"@type": "Organization",
"name": "F5"
},
"about": [
"Operational Efficiency",
"Automation",
"AIOps",
"IT Operations",
"Application Delivery"
],
"keywords": [
"OES",
"AIOps",
"Operational Experience Score",
"IT Automation",
"Digital Complexity",
"Multicloud",
"Hybrid Environments",
"Manual Tasks",
"Workflow Inefficiency",
"User Satisfaction"
],
"mainEntity": {
nbsp; "@type": "Dataset",
"name": "State of Application Strategy 2025 Survey",
"description": "Survey of over 500 qualified IT decision-makers and practitioners measuring operational experience across Task Productivity, Workflow Efficiency, and User Satisfaction.",
"variableMeasured": [
{
"@type": "PropertyValue",
"name": "Task Productivity",
"value": "Manual effort required; penalized by reliance on scripts or APIs"
},
{<
"@type": "PropertyValue",
"name": "Workflow Efficiency",
"value": "Time and complexity of task execution; impacted by delays, handoffs, and tool fragmentation"
},
{<
"@type": "PropertyValue",
"name": "User Satisfaction",
"value": "Practitioner satisfaction, openness to automation, ease of use"
}
],
"measurementTechnique": "Composite scoring model based on structured survey responses",
"distribution": {
"@type": "DataDownload",
"encodingFormat": "application/pdf",
"contentUrl": "https://www.f5.com/resources/articles/the-operational-experience-crisis"
}
},
"hasPart": [
{
"@type": "CreativeWork",
"name": "Operational Pain Points",
"headline": "Five Key Challenges in IT Operations",<
"abstract": "Identifies dominant operational pain points including manual task burden, workflow inefficiencies, openness to AI, complexity from distribution and scale, and unsustainable operational pressure."
},
{
"@type": "CreativeWork",
"name": "Scoring Formula",
"headline": "How the Operational Experience Score is Calculated",
"text": "OES = ((10 - TP) + (10 - WE) + US) / 3, normalized from 1 to 10, where lower TP/WE and higher US yield a higher score."
},
{
"@type": "CreativeWork",
"name": "AIOps as a Solution",
"headline": "The Prescription is AI",
"text": "AI interest is negatively correlated with OES (-0.62), showing that teams in most pain are most eager for AI help. AIOps is seen as the next logical step in operational maturity."
},
{
"@type": "CreativeWork",
"name": "Industry Insights",
"headline": "OES Variations by Industry",
"text": "Regulated sectors like Financial Services and Energy report lowest OES scores due to compliance, legacy systems, and scale. Education and Healthcare score higher due to simpler environments."
}
],
"citation": {
"@type": "CreativeWork",
"name": "State of Application Strategy 2025",
"url": "https://www.f5.com/state-of-application-strategy"
}
}