运营体验危机

作者：Lori MacVittie

引言

随着组织不断提升数字服务交付的速度、安全性和效率，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运营团队面临耗时的任务和割裂的工作流。传统指标无法反映运营人员日常面临的累积阻力。

为弥合这一差距，我们引入了运营体验评分（OES）。这是一项复合指标，旨在量化运营难点，并明确哪些环节亟需采用自动化，尤其是AI驱动的运维（AIOps）。该评分以清晰的数据为依据，直观呈现IT团队的运营效率，以及瓶颈和低效环节所在。

方法和评分公式

我们研究了其他技术领域衡量“体验”的方法，并据此推导出一个汇总以下三大支柱相关数据的公式：

任务生产力（TP）：衡量完成任务所需的人工投入。如果团队高度依赖编写脚本、直接与API交互或手动审批常规操作，TP评分会较低。

工作流效率（WE）：该指标考量任务执行所需的时间和复杂程度。WE评分较高表示周转时间较长，原因可能包括工具分散、流程延迟或高度依赖人工干预。

用户满意度（US），衡量从业人员对其工具和工作流的满意程度，包括对自动化的接受度、配置的便捷性以及对结果的信心。

这种方法会对满意度较高的情况给予更高评分，并对以人工操作和低效率为主的环境扣分。我们将其称为运营体验评分。

为计算OES，我们将结构化调查回复分别映射到三个评分组成部分。数据集包含500多名符合条件的IT决策者和技术从业人员，他们参与了《2025年应用策略现状报告》的调查。

在所有受访者中，OES平均值为5.50，不同行业细分领域之间存在显著差异。结果如下：

OES最高得分为10分，其中10分表示理想体验（任务复杂度低、效率高、满意度高），1分表示较差体验（复杂度高、效率低、满意度低）。

要点总结

• 41%的受访者表示，“使用供应商API”或“编写脚本”是其工作中最耗时的部分。

• 38%希望AI自动调整配置和策略。

• 56%希望借助AI生成的建议加快工作流程。

• 仅有6%的受访者表示不希望在自动化工作流中使用AI。

这组数据中一个显著趋势是，高度监管行业的OES明显较低。金融服务、政府以及能源和公用事业领域持续面临更大的运营阻力。这并不完全出人意料。这些行业受到严格合规框架的约束，通常需要人工检查、严格的审批流程，并且变更周期较长。因此，即使有自动化工具可用，团队也可能无法充分利用这些工具。

此外，在受监管的环境中，传统基础设施往往会沿用更长时间，带来集成和现代化方面的挑战，影响工作流效率。尽管这些行业的从业者可能希望积极采用AI，但政策限制和风险规避倾向往往会延缓采用进程。OES指标直观呈现了这种阻力，并凸显了治理完善的AIOps在加快交付的同时减轻合规负担方面可以发挥的关键作用。

分布式架构＋规模扩张＝运营阻力

现代应用环境的复杂性不仅体现在部署位置分散，还体现在承载的应用数量庞大。如今，大多数组织采用多种基础设施，包括公有云、私有数据中心、托管数据中心、边缘环境和SaaS。同时，他们还要管理分布在这些环境中的数十乃至数百个应用。

为量化这一影响，我们考察了两个关键变量：

• 分布程度：应用部署在多少种不同的环境中。

• 规模：所管理的应用总数。

数据表明：

• 分布程度与OES之间的相关系数：−0.22
  这种负相关关系表明，随着应用部署到更多环境中，运维体验会下降。每个环境都会带来独特的工具、策略和集成挑战，导致控制分散并减慢响应速度。

• 应用数量与OES之间的相关系数：+0.05
  单独来看，应用数量与运营阻力几乎没有相关性。但结合应用分布情况后，结论会更加清晰：应用和环境数量都较多的组织，其OES得分最低。

应用规模扩大带来纵向压力：应用越多，需要管理的配置、策略和更新就越多。分布范围扩大则增加了横向复杂性：环境越多，所需的集成、可观测性工具和专业知识就越多。

这些因素叠加在一起，会持续拖慢运营速度。

金融服务、能源和制造等行业的OES得分较低，同时其分布范围和应用规模也位居前列。相比之下，教育和医疗保健行业的应用通常较少，基础设施拓扑也更简单，其OES得分明显更高。

为何重要

运营团队面对的不只是复杂性，而是几乎被复杂性淹没。环境越分散、规模越大，工作流就越脆弱，响应也越迟缓，对自动化的需求也越迫切。

运营痛点

运营体验评分不只是一个数字，它反映了IT和运维团队在管理现代化、分布式且往往碎片化的环境时面临的实际挑战。纵观数据呈现的整体趋势，可以发现几个共同主题，有助于解释相关痛点，以及采用自动化和AIOps的紧迫性。

1. 手动任务仍占主导地位

尽管多年来持续投资自动化工具，大量运维工作仍需手动完成。这不仅是遗留系统造成的，还源于工具之间的衔接缺口、标准化不足，以及原本并非为规模化应用而设计的脚本和API所带来的阻碍。

• 41%的受访者表示，与供应商API交互或编写脚本是其工作流程中最耗时的任务。

• 即使在云原生组织中，自动化通常也只是“一组脚本”，而非精简高效的编排。

这表明，企业迫切需要更智能、更灵活的自动化，以减少对硬编码逻辑和少数人经验的依赖。

2. 工作流效率低下是系统性问题

数据显示，延误和低效并非仅存在于某个特定工具或流程中，而是由分散的审批链、流程孤岛和未集成的系统造成的系统性和结构性问题。

• 近30%的受访者表示，等待审批或工作交接是造成延误的主要因素之一。

• 18%的受访者表示，工具之间集成不佳是导致效率低下的主要原因。

这表明，提高工作流效率不只是部署更多工具，还需要重新构想流程并建立反馈闭环，缩短从意图到行动的延迟。

3. 流程阻力推动了对AI的高度接受

尽管自动化成熟度各不相同，但不同岗位和行业对AI工具始终持高度开放态度。这种兴趣并非停留在设想层面，而是与运营阻力较大的领域高度相关。

• 对AI的兴趣与OES之间的相关系数为–0.62，这意味着痛点最突出的人群最愿意采用AI干预措施。

• 团队希望AI不是取代人类，而是减轻重复且容易出错的工作所带来的认知负担，例如日志摘要、策略生成、状态报告和自动扩缩容等。

这种意愿表明存在一个重要机遇：通过赋能承受压力最大的团队，可以自下而上地加快AIOps的采用。

4. 规模扩大和分布范围增加都会提升复杂性

应用规模与分布式基础设施的叠加影响带来了独特的运营挑战。虽然单个因素对OES的影响有限，但两者结合会产生可衡量的阻力。

• 应用数量多且采用多环境部署的行业（例如金融服务、能源和制造业）在OES方面的得分最低。

• 相比之下，教育和医疗保健等行业的应用组合规模较小，环境多样性也较低，因此得分明显更高。

这进一步说明，复杂性是规模与分布共同作用的结果：随着规模扩大（纵向负担加重）和分布范围扩展（横向蔓延），复杂性也会增加。正因如此，自动化，尤其是AIOps，不仅有用，而且不可或缺。

5. 现状难以为继

或许最值得关注的发现是，许多团队正接近转折点。需求不断增长、人员编制停滞不变、工具陈旧，再加上依赖人工变通方法，正带来难以持续承受的运营压力。

• 团队已显现出倦怠迹象。

• 对AI的需求源于实际需要，而非愿景追求。

• 而且，拥抱变革的意愿已转化为行动。

数据清楚地表明：未来的发展方向不是增加脚本、工具或仪表板，而是采用能够随运营需求不断演进的智能化、情境感知型自动化。

解决之道在于AI

为了更好地了解AI如何融入运营体验，我们分析了受访者对AI和自动化相关问题的回答，重点关注他们希望在哪些方面应用AI，或愿意在运营中使用AI。随后，我们将每位受访者对AI相关问题的肯定回答数量与其运营体验评分（OES）进行了比较。

• AI兴趣与OES之间的相关系数：−0.62

这是一种强负相关关系，呈现出一个清晰的规律：团队面临的运维难题越多，就越希望借助AI。换言之，无论是汇总日志、调优策略还是生成配置，最希望获得AI协助的团队，其运维体验评分也最低。

这进一步凸显了采用AIOps的紧迫性。组织寻求AI并非为了追逐新奇，而是将其视为解决当前运营阻力的必要手段。无论这些阻力源于规模、复杂性还是过时的流程，都在自下而上地推动对智能、具备上下文感知能力且融入运营的自动化需求。

这些数据表明，受访者对AIOps的兴趣并非停留在愿景层面，而是着眼于实际应用。他们并非畅想尚处于设想阶段的未来用例，而是希望减少当前工作流程中耗时的环节和人工操作的复杂性。

编写脚本、汇总日志或扩展服务等任务并非前沿技术，而是现代基础设施运维中的日常负担。这正是受访者希望借助AI解决的问题。

结果清楚地表明：最渴望采用AI的团队，也最接近倦怠状态。

他们需要能够帮助实现核心运维任务自动化、简化流程并支持规模化执行的工具。这是因为当前依赖零散脚本、脆弱工作流和人工分流的做法难以持续。

这进一步印证了OES框架的核心论点：运营复杂性可以衡量，会带来切实困扰，并且与IT运营领域日益增长的AI需求密切相关。

运营体验评分提供了一个清晰、可量化的信号：现代IT运营正接近临界点。规模扩大、分布日益广泛和复杂性增加，使传统工具和依赖人工规模扩展的流程难以应对。由此导致阻力不断增大、运营成本持续上升，技术团队的职业倦怠风险也日益增加。

AIOps是实现规模化发展的可行路径

全球《2025年应用策略现状报告》的数据清楚表明，各行各业面临的主要运营挑战并非什么新奇问题，而是一些令人头疼的常见难题：

• 分散的部署拓扑遍布公有云、私有数据中心、托管数据中心、边缘环境和SaaS。

• 应用数量和开发速度不断提升，在高度数字化的行业中尤为明显。

• 持续依赖脆弱的脚本和仅靠口口相传的经验知识，导致即使是基础自动化也不可靠且难以扩展。

这些现实问题并非新近出现，但越来越多的人开始认识到，仅靠人力无法解决这些问题。

不过，也有一个积极的信号：从业人员已做好准备。

调查结果显示，最切身感受到这一痛点的人也最愿意做出改变：

• 56%的人希望AI协助处理重复性或复杂任务，例如汇总日志、生成脚本或执行策略。
• 38%的人希望AI能够自动调整配置并做出决策，而不只是提供建议。
• 仅有6%的人表示对AI工具完全不感兴趣，这一少数群体反映出人们对变革的需求已十分普遍。

这表明文化正在发生转变：团队并不畏惧AI，而是主动需要AI。他们并非要用AI取代人的判断，而是希望借助AI增强判断能力、加快决策速度，并摆脱繁琐的重复性工作。

不采取行动的代价已显而易见

每一个为修复衔接故障而编写的脚本，每一次因人工审批而延迟的部署，每一张因系统无法互通而创建的工单，都不是小麻烦，而是不断累积运营债务的根源。

在数字化表现决定业务表现的时代，这种债务会直接导致：

• 上市时间延长

• 安全与合规风险增加

• 因职业倦怠和繁重工作导致人才流失

OES准确揭示了这项隐性成本，并指出哪些组织面临较高的落后风险。

AIOps是运营成熟度自然演进的结果

正如基础设施已从物理环境发展到虚拟环境，再到云原生环境，运维也必须从手动模式向智能化模式演进。AIOps并非一时趋势，而是企业运维演进的下一个成熟阶段。

采用AIOps的组织将能够：

• 通过自动化消除繁重工作，而不只是自动执行任务

• 让团队专注于策略，而非语法

• 构建可实时学习、调整和响应的自适应系统

而未能做到这一点的企业呢？它们将继续受制于无法跟上业务发展步伐的工作流。

AIOps是应对复杂性所引发的运维体验危机所必需的演进。它已不再是锦上添花，而是必不可少。

附录：调查问题、输入和结果摘要

任务效率

• 41%的受访者将“使用供应商API”或“编写脚本”选为最耗时的任务。

• 56%的受访者希望借助AI生成脚本、汇总日志或与遥测数据交互。

• 32%依赖第三方自动化或编排平台来管理交付和安全服务。

• 目前，与自动化相关的任务中，哪一项最耗时？

• 您希望生成式AI协助完成以下哪些IT运维任务？（可多选：日志摘要、状态更新、遥测接口、脚本生成）

• 目前如何管理应用交付和安全服务？（例如，通过脚本、自动化或编排工具）

工作流效率

• 38%的受访者希望AI能够自动调整配置或执行策略。

• 29%的受访者表示，等待审批或工作交接是导致延误的主要因素之一。

• 18%的受访者认为，工具之间缺乏集成是实现高效工作流的一大障碍。

• 目前，与自动化相关的任务中，哪一项最耗时？（作为延迟指标）

• 请选择希望如何在IT运维中使用AI和自动化（例如，自动调整、生成建议）。

用户满意度

• 65%的受访者认为日志记录和配置等可编程性功能“非常重要”或“极其重要”。
• 63%倾向于将Python作为自定义工作流的主要脚本或编程语言。
• 仅有6%的受访者表示不希望以任何方式使用AI实现自动化。
• 请评价可编程功能（例如日志记录、安全策略）的重要程度
• 您更倾向于使用哪种编程语言？
• 愿意使用AI自动执行任务，还是明确表示不希望AI参与。

分布程度与应用覆盖范围

• 平均部署的应用数量： 140
• 使用的不同部署环境平均数量：2.3
• 应用分布（受访者平均值）：
  • 公有云：36%
  • 本地部署（传统）：27%
  • 本地部署（云原生）：12%
  • 托管数据中心：14%
  • 边缘：11%
• 您部署了多少个应用？
• 您正在使用多少家不同的公有云供应商？
• 目前使用了多少个托管数据中心或本地数据中心？
• 您的应用中有多大比例部署在以下环境中：
  • 公有云
  • 本地部署（传统和云原生）
  • 托管数据中心
  • 边缘
  • SaaS

附录：JSON-LD格式（机器可读，面向LLM）

{

  "@context": "https://schema.org",

  "@type": "Report",

  "name": "2025 年运营体验评分（OES）报告",

  "description": "一份全面分析 IT 环境运营复杂性的报告，介绍运营体验评分（OES）这一指标，并指出 AIOps 是未来的战略发展方向。",

  "datePublished": "2025-06-23T15:00:00.000Z",

  "author": {

    "@type": "Organization",

    "name": "F5",

    "url": "https://www.f5.com"

  },

  "publisher": {

    "@type": "Organization",

    "name": "F5"

  },

  "about": [

    "运营效率",

    "自动化",

    "AIOps",

    "IT 运营",

    "应用交付"

  ],

  "keywords": [

    "OES",

    "AIOps",

    "运营体验评分",

    "IT 自动化",

    "数字化复杂性",

    "多云",

    "混合环境",

    "手动任务",

    "工作流效率低下",

    "用户满意度"

  ],

  "mainEntity": {

nbsp;   "@type": "Dataset",

    "name": "2025 年应用策略现状调查",

    "description": "一项面向 500 多名符合条件的 IT 决策者和从业人员开展的调查，从任务生产力、工作流效率和用户满意度三个方面衡量运营体验。",

    "variableMeasured": [

      {

        "@type": "PropertyValue",

        "name": "任务生产力",

        "value": "所需的手动工作量；依赖脚本或 API 会导致评分降低"

      },

      {<

        "@type": "PropertyValue",

        "name": "工作流效率",

        "value": "任务执行所需的时间及其复杂性；受延迟、交接和工具碎片化影响"

      },

      {<

        "@type": "PropertyValue",

        "name": "用户满意度",

        "value": "从业人员满意度、对自动化的接受度和易用性"

      }

    ],

    "measurementTechnique": "基于结构化调查回答的综合评分模型",

    "distribution": {

      "@type": "DataDownload",

      "encodingFormat": "application/pdf",

      "contentUrl": "https://www.f5.com/resources/articles/the-operational-experience-crisis"

    }

  },

  "hasPart": [

    {

      "@type": "CreativeWork",

      "name": "运营痛点",

      "headline": "IT 运营面临的五项主要挑战",<

      "abstract": "指出主要运营痛点，包括手动任务负担、工作流效率低下、对 AI 的接受度、分布式架构和规模带来的复杂性，以及难以持续承受的运营压力。"

    },

    {

      "@type": "CreativeWork",

      "name": "评分公式",

      "headline": "运营体验评分的计算方式",

      "text": "OES = ((10 - TP) + (10 - WE) + US) / 3，标准化为 1 至 10 分；TP 和 WE 越低、US 越高，最终评分越高。"

    },

    {

      "@type": "CreativeWork",

      "name": "以 AIOps 作为解决方案",

      "headline": "应对之道在于 AI",

      "text": "对 AI 的兴趣与 OES 呈负相关（-0.62），表明痛点最突出的团队最希望获得 AI 的帮助。AIOps 被视为提升运营成熟度的下一个合理步骤。"

    },

    {

      "@type": "CreativeWork",

      "name": "行业洞察",

      "headline": "不同行业的 OES 差异",

      "text": "金融服务和能源等受监管行业因合规要求、遗留系统和规模因素而报告了较低的 OES。教育和医疗保健行业因环境较为简单而获得较高评分。"

    }

  ],

  "citation": {

    "@type": "CreativeWork",

    "name": "2025 年应用策略现状",

    "url": "https://www.f5.com/state-of-application-strategy"

  }

}