生成式AI在IT运维中的三个应用场景

IT运维团队目前已在以下几个方面运用生成式AI来提升工作流程: 自动化状态更新、事故后调查分析,以及流程自动化。

译自Three Use-Cases for Generative AI in ITOps,作者 Dormain Drewitz 是PagerDuty产品营销和开发者关系副总裁。 在加入PagerDuty之前,她领导了VMware Tanzu的产品营销和内容战略,并在Pivotal和Riverbed Technology担任类似角色。她还在VMware云原生应用方面拥有超过5年的经验......

组织面临的数字体验需求从未像现在这样强烈。这意味着IT运维(ITOps)团队要以疾风骤雨之势管理数字事件,从而确保服务稳定性的压力日益加大。对于许多希望满足这些强烈需求的团队来说,生成式AI(GenAI)是一代人中最令人兴奋的技术。

GenAI具有通过帮助团队更好地优先考虑高影响力和紧急的工作,并自动化重复和手动任务来提高ITOps生产力的潜力。但GenAI并非灵丹妙药,务实态度也很必要。需要考虑GenAI的最佳使用案例,为ITOps提供减压的途径。

GenAI如何被利用

实际上,GenAI将如何为ITOps带来这些益处?为了回答这个问题,值得看一下ITOps团队已经在使用GenAI增强的一些工作流程: 状态更新自动化、事故事后分析和过程自动化。

1. 状态更新自动化

当事故和中断发生时,ITOps团队能够清晰而定期地传达情况至关重要。除了在事件期间内部协调外,ITOps团队还需要向组织领导层和外部利益相关者提供更新。然而,对复杂的实时情况的状态更新通常需要高认知负荷 - 所有这些都是在ITOps团队可能已经超负荷运转的时期。

幸运的是,对于许多团队来说,编写和分享状态更新是GenAI支持的完美过程。通过遍历原始事件数据,大型语言模型可以快速生成全面摘要。但不要指望IT团队成员在事件发生时尝试完善他们的提示。相反,应该寻找了解事件状态更新上下文的预构建摘要功能。

除了消除ITOps团队需要转移资源来解释事件数据的需要外,GenAI还可以根据不同角色(无论是管理者、高管还是客户)调整状态更新。因此,GenAI不仅承诺为状态更新节省时间并让团队专注于解决的实际工作,还能确保每个利益相关者的更新都最适合满足其需求。

2. 事故事后分析

在事件的尘埃落定后,ITOps团队通常需要制定全面事后报告。事故事后分析对发现需要采取行动的技术和文化教训,以及让ITOps团队对组织负责至关重要。不幸的是,事后分析制作时间长、挑战大,因为团队需要手动收集所有相关数据点,作为一个组查看它们并总结调查结果。

GenAI提供了大幅简化事后分析过程的机会。通过收集日志、指标和即时消息,GenAI可以快速汇编进行事件审查所需的数据,然后生成关键部分,如主要发现、根本原因、改进领域和时间表。基于GenAI的事后分析制作远快于手动方式,这反过来鼓励团队更频繁地进行事后分析,推动持续改进文化并使企业具备应对未来的能力。

除了节省时间外,GenAI还可以为事后分析过程提供"客观"的权威,这有助于减少摩擦。其结果是一种更具建设性、协作性和无压力的方法来修复事件的根本原因。

3. 流程自动化

如今的IT团队被要求用相同或更少的资源做更多工作。这将需要团队为各种重复性工作创建大量新的自动化运行手册。这些可能是重启和重置远程办公基础设施、设置新系统、每晚的"计划作业"在系统之间复制数据或在系统性能开始下降时获取故障诊断。但我们知道,ITOps团队时间紧张,所以他们没有大量时间来开发所有可以使用的运行手册。

这种繁重的工作是GenAI可以帮助转型的。在流程自动化的共同创作者的帮助下,ITOps团队可以对以前的高代码体验获得低代码能力,而不会损失灵活性。GenAI共同驾驶员可以在几秒钟内帮助团队创建流程自动化运行手册,其中复杂流程中有预定义的步骤。用户只需将他们自己要生成的自动化的要求进行匹配即可。

基于GenAI的流程自动化的优势不仅仅体现在为ITOps团队节省时间方面。专家团队成员的积压工作可能成为一个重大瓶颈。通过将工作流创建从高代码转变为低代码体验,GenAI可以通过允许非专家生成草稿运行手册和流程来使ITOps团队内部的专业知识民主化,这些草稿可以由团队中的其他人检查。

在某种程度上,GenAI几乎就像团队中有一个额外的初级开发人员,他可以自主研究和执行指令。其结果是,GenAI可以显着减少ITOps的工作负载,并提高事件发生前后ITOps的生产力。

为ITOps提供所需的额外支持

GenAI有可能将ITOps团队的生产力推至新的高度。随着越来越多的例子出现,证明GenAI如何节省时间,我们可能会看到这项技术在各行业的ITOps团队中越来越成为"必须拥有"的技术。

幸运的是,GenAI为ITOps提供了一些非常诱人的可能性,状态更新、事故事后分析和流程自动化等用例只是众多用例中的第一个。随着我们看到GenAI的成熟,我们无疑会看到它将如何在ITOps团队中加速学习、提高生产力和增强创新力的更多方式。

本文在云云众生yylives.cc/)首发,欢迎大家访问。

相关推荐
心灵彼岸-诗和远方18 分钟前
DevOps业务价值流:架构设计最佳实践
运维·产品经理·devops
一只哒布刘23 分钟前
NFS服务器
运维·服务器
苹果醋31 小时前
Java8->Java19的初步探索
java·运维·spring boot·mysql·nginx
二十雨辰1 小时前
[linux]docker基础
linux·运维·docker
Jason-河山2 小时前
【自动化更新,让商品信息跳舞】——利用API返回值的幽默编程之旅
运维·自动化
lihuhelihu2 小时前
第3章 CentOS系统管理
linux·运维·服务器·计算机网络·ubuntu·centos·云计算
哲讯智能科技2 小时前
SAP Business One市场价格解析
运维·sap·erp
山东布谷科技官方3 小时前
布谷直播源码部署服务器关于数据库配置的详细说明
运维·服务器·数据库·直播系统源码·直播源码·直播系统搭建·直播软件开发
One_Blanks3 小时前
渗透测试-Linux基础(1)
linux·运维·安全
爱吃喵的鲤鱼3 小时前
linux进程的状态之环境变量
linux·运维·服务器·开发语言·c++