AIops将人们带到了云计算的运营承诺之地，但人类必须足够聪明才能知道如何遵循其规律。

人们用人工智能和机器学习来增强技术的能力似乎没有限制。现在有了人工智能驱动的分析、智能物联网、处于边缘的人工智能，当然还有AIops工具。

本质上，AIops工具可以实现智能自动化。其中包括自我修复、主动维护，甚至与安全和治理系统协作协调操作，例如将性能问题确定为违规。

人们还需要考虑发现、或者正在收集数据，并利用这些数据来训练知识引擎的能力。这使知识库变得更聪明。对管理下的系统的行为或可能的行为有更深入的了解，这将有助于更好地预测问题并积极主动地进行修复和报告。

AIops自动化的其他一些优点：

•将人员从cloudops流程中移除，只在需要人工干预时通知他们。这意味着更少的运营人员和更低的成本。

•自动生成故障单并与支持操作直接交互，从而消除所有人工和非自动化流程。

•通过自动或人工机制（自我修复）找出问题的根本原因并加以解决。

AIops发现的一些优点：

•将AIops与其他企业工具（例如devops、治理和安全操作）集成。

•如上所述，寻找使运营团队能够积极主动的趋势。

•检查所管理资源中的大量数据，并提供有意义的摘要，以便根据摘要数据自动采取行动。

AIops是一项强大的技术。充分利用AIop和工具功能有哪些障碍？快速的答案是人类。专家发现没有使用或考虑使用AIOps工具，主要是由于预算问题是短视的。如果正在使用它们，则不会以最佳方式利用它们。

尽管很容易责怪IT组织本身，但更大的问题是缺少大量正确使用AIop的最佳实践。甚至有些提供商也向错误的方向推销自己的客户。

核心问题是AIops工具本身的复杂性。具有讽刺意味的是，考虑到它们应该应对云计算的操作复杂性。如何正确配置工具的困难是系统性的。

被忽略或误解的最佳实践是什么？以下是专家分享的几个内容：

•对管理的系统没有集中的了解。使用AIops工具的人对所有系统、应用程序和数据库的含义没有全面的了解。

•缺乏与其他操作工具（例如安全性和治理）的集成。跨工具孤岛的任何协调实际上都不会导致更多的漏洞。

•对工具在最初培训中所教的基础知识之外的工作方式缺乏经验。这些复杂的工具要求人们了解人工智能引擎的工作原理，对自动化的正确使用，以及最重要的是，对测试这些工具的正确方法。

人们可能不希望拥有自己的AIops解决方案比其更聪明。避免这种情况的最好方法就是尽量跟上其进步。