什麼是 AIOps？初學者指南

Artificial Intelligence for IT Operations （AIOps， IT 智能運維）指的是結合大數據與機器學習（Machine Learning），自動化 IT 流程，包括異常偵測、事件關聯分析，以及營運數據的收集與處理。

透過 AIOps，團隊能夠大幅減少在大規模監測、分析、調查及解決事件上所需的時間與精力。進一步來說，縮短故障排除的時間，能讓 IT 團隊將更多精力投入到更具價值的任務與專案中。

運作原理

AIOps 不僅整合了監控功能，還加入了 Machine Learning 與統計分析能力，可用於即時偵測威脅並解決問題。它通常透過可擴展的數據平台，將各類 IT 數據整合在一起，其中可能包括：

• 歷史數據
• 日誌與指標
• 效能與事件數據
• 基礎架構與網路數據
• 與事件相關的數據
• 應用程式數據，例如追蹤資訊

透過整合上述所有數據，AIOps 工具能夠運用高級分析與 Machine Learning 技術，準確且主動地發現需關注的問題。這些工具對於分析現代企業產生的大量原始可觀測數據至關重要。

由於應用程式、工作負載與部署環境（無論是混合雲還是多雲）本質上是分散式的，數據往往錯綜複雜且分布廣泛。

AIOps 平台能夠有效管理現代雲端環境的高度複雜性與快速變化。透過這些工具，IT 團隊能夠：

• 識別關鍵警報：並非所有事件都需要投入相同的精力來處理。AIOps 可將重要的信號（異常事件警報）與噪音（其他背景事件）區分開來。
• 啟動根本原因分析：AIOps 工具可識別較大問題的相關症狀，找出影響因素，並提供解決方案。
• 即時監測：AIOps 工具可在基礎架構層面監測多個不同系統是否存在異常，當問題發生時，自動通知相關團隊。此外，透過自動修復機制，系統可在發出警報的同時觸發自動回應，甚至在最終使用者察覺問題前就將其解決。
• 持續優化：與所有機器學習驅動的工具相同，AIOps 會隨時間持續進化。隨著問題的發現與解決，系統可從中學習並自動調整模型，幫助團隊更好地應對未來挑戰，做到未雨綢繆。

功能

為了讓工具投資發揮最大效益，AIOps 解決方案需要具備適當的功能，其中包括：

• 支援雲原生技術：AIOps 工具需具備整合來自容器、微服務與編排工具（如 Kubernetes） 的數據的能力。這有助於 AIOps 工具深入了解應用程式與基礎架構層面的運作情況，從而提升 DevOps 工作流程並增強系統的可擴展性。
• 整合能力：AIOps 工具要能夠與現有的工具和系統全面整合，才能有效發揮作用。透過整合，能夠從多種來源收集數據，以分析組織內哪些工具與系統運作良好，哪些需要改進。
• 映射與追蹤：透過提供直觀的可視化畫面，讓團隊清楚掌握基礎架構、流程、交易流與依賴關係，進而從宏觀角度了解系統運作狀況。因此，團隊需要利用服務依賴關係映射與分散式追蹤功能，來支援對遙測數據的分析。
• 平台化方法：透過具備可觀測性、應用效能管理（APM）等功能的整合型 AIOps 平台，可以全方位掌握數據，打破傳統的數據孤島問題。

為什麼 AIOps 很重要？

AIOps 之所以重要，是因為它能幫助 IT 運維團隊縮短故障排除時間，讓節省下來的時間更好地用於規劃與實現業務目標。透過 AI 與 Machine Learning， AIOps 能夠協助以下幾件事：

整合多個數據來源

許多 AIOps 解決方案能夠監測日誌文件、配置數據、指標、事件與警報，甚至包含組織內特有的非結構化數據。這些解決方案可將相關數據彙整到單一管理平台（Single Pane of Glass），集中化數據後，不僅能提升可視性，也能提高效率。

調查問題的根本原因

AIOps 的核心優勢之一是根本原因分析（Root Cause Analysis, RCA），可幫助團隊快速定位跨多個系統發生的問題根源。一旦問題被確定，IT 團隊便能直接找到源頭並加以修正，避免進一步影響系統運作。

預測潛在問題

透過預測分析與機器學習，AIOps 能夠捕捉 IT 團隊可能忽略的異常情況，甚至預測未來趨勢。AIOps 內建的異常偵測演算法可比對不同來源的即時與歷史數據，發現異常模式與潛在風險。這些異常可能尚未觸發高優先級警報，卻可能引發重大問題。在某些情況下，AIOps 還能透過自動修復機制，在無需人工干預的情況下解決數據異常。

識別並過濾誤報

透過 AIOps 事件關聯分析，可以準確識別並過濾掉屬於「背景噪音」的事件。這些事件可能會觸發警報，但實際上並無關緊要。AIOps 會將這類事件自動分類為低優先級，使 IT 運維團隊能夠專注於處理真正關鍵的問題，提升工作效率。

持續學習與優化

AIOps 的機器學習模型會在分析數據流的同時持續自我優化。隨著 ML 模型的進步，它們能夠更準確地識別企業所面臨的各種異常狀況。此外，監督式機器學習（Supervised Machine Learning） 允許用戶提供回饋，使 AIOps 更好地理解企業在不同時間段內的優先事項。隨著業務發展，AIOps 也會持續演進，進一步提升 IT 運維團隊的效率與決策能力。

AIOps 的五大優勢

1. 支援團隊運作

面對繁瑣且需大量人工處理的數據分析工作，即使是技術純熟的 DevOps 和 IT 運維團隊也可能難以應對。AIOps 可自動化這些任務，讓部分工作交由 AI 處理。由於 AIOps 方案能夠承擔大量數據分析，團隊便能專注於更具戰略性的決策與緊急問題處理，發揮專業所長。

2. 加速新服務與產品開發

AIOps 能幫助企業更快成長與創新。在 AI 分析的支援下，團隊能夠加速開發與部署新的 IT 服務與功能。透過深入挖掘海量事件與遙測數據，AIOps 可協助企業更有效率地管理事件，提高 IT 服務交付速度。

3. 提供全方位 IT 環境可視性

AIOps 解決方案可透過數據湖（Data Lake）或數據倉儲（Data Warehouse），將不同來源的數據流集中存儲與整合。多功能儀表板與進階分析工具，讓所有關鍵數據在一個統一視圖中呈現，使運營團隊不再需要切換於多個孤立系統，提升決策效率。

4. 提升客戶滿意度

AIOps 可監測系統回應時間、使用率與可用性等性能指標，並透過預測性分析防範事件與系統中斷。這使企業能夠更快、更準確地解決問題，並確保產品與服務順利升級，最終為用戶帶來更流暢的體驗，提升品牌信譽與客戶滿意度。

5. 降低營運成本

AIOps 可有效縮短平均修復時間（MTTR），並主動偵測潛在問題，避免問題惡化。此外，AIOps 還能提供關於哪些工作負載導致成本上升的深入分析，幫助企業快速修正高成本錯誤，提升團隊效率，進而釋放更多預算資源，實現更優化的 IT 投資管理。

金融服務產業中的應用案例

AIOps 可協助金融服務組織實現數據分析的自動化與大規模的監控。對於許多金融機構來說，在將傳統的本地部署系統遷移到雲端時，AIOps 解決方案就相當於一層安全保障。這些解決方案能夠：

• 提升營運效率：能夠全面了解問題，從而消除了團隊在多個系統中手動查找的負擔。
• 滿足並超越客戶期望：在金融業，線上客戶體驗是一個關鍵的策略重點。藉由 AIOps，組織能夠快速解決事件，從而確保讓客戶獲得所需的即時訪問體驗。
• 資料治理：AIOps 解決方案可以協助識別和記錄數據來源，為數據治理提供必要的線索。
• 降低成本：AIOps 可以自動處理現在可能由支援團隊處理的許多重複性任務，例如登錄問題或忘記密碼。這可為 IT 團隊騰出時間，讓他們應對更大的挑戰。

金融服務客戶案例：PSCU

PSCU 透過使用 Elastic 的解決方案，大幅增加了可以收集的數據來源數量。藉由 AIOps，讓 PSCU 在應對呼叫中心延遲與客戶面臨的潛在影響（如自然災害）方面，反應速度得到了提升。

總結

總結來說，AIOps 不僅讓 IT 團隊有更多時間專注於重大挑戰，還提升了企業對市場變化的應變能力。未來，隨著技術的進步，AIOps 將持續在數位轉型的過程中發揮關鍵作用，協助企業應對各種挑戰，並保持競爭優勢。