IT组织正在采用基于人工智能（AI）的工具来优化基础设施并预测系统故障，从而使其员工从事具有更高价值的任务。
人工智能正在慢慢渗透进我们的世界，IT运营也未能幸免。虽然尚处于早期的部署阶段，但企业正在利用人工智能和机器学习来改进其技术支持和管理基础架构。例如，自然语言处理已经被证明是一种有价值的IT工具，它为很多机构提供机器人聊天服务。同时，该技术也在提供内部IT运营服务，以改善技术支持和用户界面。
瑞士信贷集团：会聊天的AI机器人
瑞士信贷集团（Credit Suisse Group AG）去年12月推出了一款聊天机器人，帮助企业处理密码重置和计算机重新启动等日常请求。“之前，我们仅提供语音服务，弊端是在处理用户查询方面的效率比较低，员工需要在电话队列中等待客服人员。”瑞士信贷集团认知和数字服务负责人Jennifer Hewit说。“我们希望将一个机器聊天功能引入到这个平台，为用户提供更快捷的响应和操作。”
2016年底，瑞士信贷集团开始考虑此事。2017年初选择了数字劳动公司IPSoft的Amelia 聊天机器人系统，并于同年6月份开始安装，年底开始运行。Amelia是一个能够随时从智能前台对话切换到智能后台执行的整体流程人工智能平台。“当我们引入她时，她还像个婴儿，因为我们仍然需要花大量时间来训练她的大脑。”Hewit指着聊天机器人说。
例如，当聊天机器人遇到某些无法处理的请求时，会切换到人工服务，聊天机器人则会继续跟随通话进行自动学习。在学习结果被输送回聊天机器人系统之前，银行会进行审查，以防止日后出现错误和偏差。
Amelia系统正在为全球40个国家76,000名用户提供服务，预计在今年年底，将有25%的查询转入机器人服务平台，这一目标也将使三分之一的技术支持人员从语音服务中解放出来。瑞士信贷集团在信息技术领域使用人工智能技术，通过将较低级别的工作交给更适合这些任务的机器，而让更多IT人员去推动更深层次的业务价值。
得克萨斯州A&M大学：人工智能安全助理
得克萨斯州A&M大学是另一个将AI应用于IT部门的组织。该学校部署了美国网络安全公司Endgame的虚拟智能助理Artemis，帮助新员工保证大学安全，避免网络攻击。（Artemis利用机器自然语言处理技术，实时扫描Endgame端点收集的所有数据，并检测网络活动中的恶意攻击。）
“我们监控了11所大学和7个国家机构的网络，”德克萨斯州A&M大学系统安全分析师Barbara Gallaway说。Gallaway的团队包括九名全职员工和八名兼职学生，他们都没有处理安全事件的经验。
“在对新员工们进行培训时，他们可以使用简单的英语向AI系统提问，实现了工作和培训同时进行。”Gallaway说。“我们在今年1月份进行了新一轮招聘，新员工花了两个小时才弄清楚他们在做什么。但是接下来他们的学习速度开始加快，而且向全职工作人员的提问也在减少。他们不再需要反复地在GOOGLE上搜索，或者观看学习视频。”
Gallaway表示，虚拟智能助理对招聘也产生了积极影响。两年前，当他们需要雇佣三名安全分析师时，却找不到足够的工作申请人。今年，有88个申请人竞聘7个职位。坊间传说我们在做的事情非常有趣，人们不只是简单的盯着屏幕，而是通过它获得了现实世界的经验。Gallaway也希望通过对虚拟智能助理的了解，让更多的人投身网络安全事业。
墨菲石油：AI优化基础设施管理
墨菲石油总部位于阿肯色州，是一家在美国、加拿大和马来西亚开展业务的石油公司，在全球拥有1,200名员工。过去一年间，该公司将其基础设施从传统的内部部署和托管迁移到云计算和SAAS中，而最主要的节流方式则是将智能管理增加到云基础架构中。
墨菲石油数字化转型IT总监Mike Orr表示：“如果你只是将工作负载提升到云端，你不会节省任何资金，相反可能会让你付出更多。” 因为云计算确实提供了很大的灵活性，但却需要付出很大的人力来调整工作负载。因此，墨菲公司采用了Turbonomic提供的AI动力系统，以便为优化基础设施提出建议。当AI动力系统提供的建议被采纳，人们会发现软件提供了更好的决策，而且这个决策是数据驱动的，而不是直觉和情感。
在此之前，Orr拥有四分之一的全职员工，现在这些员工的数量只有十分之一。墨菲石油将员工的工作从基本运维转为业务支持。例如，某些员工正在学习自动化流程，以便公司进一步提升成熟度曲线。“我们总是有很多积压的项目要做，因此员工不必裁员问题。”Orr补充道。
俄亥俄北坎顿学校：从关联性中学习
俄亥俄北坎顿学校则面临着不同的基础设施管理挑战，即如何在整个校园内架设无线网络，包括确保用户笔记本电脑和移动设备可以正确连接上网。
该网络覆盖大约4,400名学生，650名员工，7座建筑物和6000至8000台设备，但只有三名网络管理员。去年8月，该学校使用了Mist Systems公司的提供的自我学习网络进行无线网络管理，并且还获得了一个全新的AI供电接口。
“它给人的感觉的确更快。你可以问它：‘第一个接入点出了什么问题？’它会告诉你所有的信息，以便你进一步深入研究。” 俄亥俄北坎顿学校系统管理员John Fano说。除了自然语言界面之外，后端还有AI进行网络活动分析。“我们一整年都在使用它，甚至在网络上发现了我们从来没发现过的问题。”
例如，去年，John Fano的团队花了九个月的时间进行数据包捕获和跟踪，以向其供应商证明员工笔记本电脑的无线网卡出现了故障。在Mist的帮助下，团队能够实时地查看问题，以及几乎所有数据包信息，并能够在大约一个小时内重复查找问题。
Mist通过分析自己组织内部的数据发现网络问题，并将其与来自其他数据共享客户的匿名参考数据相结合。Mist Systems首席技术官Bob Friday表示，由于人工智能被纳入产品中，即使是不具备人工智能专业知识的企业，仍然可以从这项技术中受益。
AI预测性维护
以生产相机闻名于世的日本企业柯尼卡美能达公司，于2017年初开始在内部使用由AI驱动的IT基础设施管理工具ScienceLogic，以支持其办公室和IT服务业务，并用于预测哪些设备即将崩溃。
该公司副CTO Dennis Curry表示，起初，预测的准确率仅为56%。但随着时间的推移，该系统可预测到未来两周内将出现的问题，准确率达95%，有效减少了停机时间并降低总体成本。该公司正在将该技术添加到云端软件监控公司ScienceLogic支持的IT管理平台Workplace Hub中，并将于今年晚些时候推出。
Nlyte软件公司也计划提供一种基于AI的预测性维护工具。Nlyte采用了IBM的Watson技术，利用客户的一般信息收集有关常用设备的见解，并将其与个体客户环境的学习相结合。Nlyte公司首席战略官Enzo Greco表示：“我们已经了建立的模式，并且将这些模式提供给客户。“但是我们发现，每个客户的IT环境都略有不同，因此我们也为客户提供了一个工具包，用于创建他们自己的用例和AI模式。”
位于荷兰的Interxion公司也看到了使用机器学习来改善公司运营的好处。Interxion公司在全球13个城市运营了50个数据中心，并于几年前开始部署施耐德电气的数据中心基础设施管理（DCIM）技术EcoStruxure。
“我们通常每年都会建设四个新的数据中心。这使我们有机会回顾并了解那些未使用EcoStruxure的数据中心的状况，以及EcoStruxure的早期版本和最新版本有哪些区别。”Interxion公司首席数据中心技术和工程师Lex Coors介绍说。
Coors表示，早期的版本很难使用。他们提供了大量的信息，但需要很多人来理解这些数据并做出决定，再加以实施。即使是新一些系统，也会提供很多建议，需要用一整天来执行。不过，EcoStruxure的最新版本包括了更多的智能功能，可以有效地节省成本。整体支出预算可节省1%到2%。在运营维护预算中，Coors注意到全部收益降低了10%。这是因为公司在正确的时间做了适当的维护，避免了设备故障，并提出了优化能效的建议。
但是，即便是最新的版本也要付出一定的工作量。该系统会根据长期预测提出建议并对其进行优先排序，因此Interxion公司正在与施耐德合作改进系统。
虽然DCIM系统的机器学习能力仍然有限，但AI在DCIM中的技术能力会有很大的扩展。数据供应商收集的数据越多，他们的平台就会越聪明，越有价值。因此，未来客户可以以极低的成本获得这些工具。
AI解决方案的确来了，然而…
Forrester Research的分析师Michele Goetz表示，面向IT运营的通用AI平台依然难以实现。她认为，目前还没有人工智能系统可以取代数据库管理员或系统管理员。这些AI解决方案还需要几年才会成熟，因此我们还需要时间让企业组织更好地了解在其IT环境中实施AI会达到什么效果。
IDC分析师Shannon Kalvar表示，首要的挑战是AI仍需要大量的训练数据，而且只适用于特定类型的问题。此外，系统还需要具备比现在更好的交流能力。从技术的相关性来推测，Kalvar认为IT服务管理和运营能够在两到三年内完成，但是这样的设计思路却尚未出现。依靠技术支持和操作人员的经验将全部的流程联系在一起还不够，虽然有些厂商已经开始在这方面进行尝试，但还不够。
据Turbonomics针对750名IT运营经理的调查显示，68%的参与者表示他们还没有将人工智能用于IT管理，24%的人表示他们正在尝试使用它。84%的人表示他们认为借助人工智能技术可以降低创建自组织系统的复杂度。
“我敢断定，这是很多人都想涉足的领域，但我不确定他们现在有足够的能力做到。”Kalvar补充道。
