Artificial Intelligence for IT Operations AIOps，是一種結合人工智慧技術，如機器學習和自然語言處理，來自動化和優化 IT 營運流程的方法。AIOps 的核心目標是透過即時資料分析、自動化反應或修復，以及預測性分析，來提升 IT 系統的效率、可靠性和可用性。

AIOps 的工作原理

AIOps 透過收集和分析來自不同 IT 基礎設施元件的龐大資料，實現以下功能

• 資料收集與整合
  AIOps 會收集和整合來自多個 IT 基礎設施、應用程式需求、效能監控工具和服務工單系統的資料。這些資料來源多樣，可能來自網路、日誌 (Log) 和應用程式 Request 等。

• 訊號與雜訊分離
  AIOps 能夠從海量的資料中篩選出重要事件和模式，過濾掉不相關的雜訊，並辨識與應用程式效能和可用性相關的問題。

• 根本原因分析與自動反應
  AIOps 可以將異常事件與其他事件資料關聯起來，定位故障原因，並提供解決方案。某些情況下 AIOps 可以不需要人類參與的情況下自動解決這些問題。

• 持續學習與改進
  AIOps 系統會不斷學習，適應新的基礎設施變化，如由 DevOps 團隊配置或重新配置的基礎設施，從而提高處理未來問題的能力。

AIOps 的應用場景

• 異常偵測與預測分析
  AIOps 工具可以通過歷史資料分析，快速偵測異常行為並預測可能的系統問題，從而在問題發生前提前預防，減少系統中斷的風險。

• 根本原因分析
  透過自動化的根本原因分析，AIOps 可以快速找到系統故障的根源，並推薦解決方案，加速排除問題的處理時間。

• 雲端自動化與最佳化
  AIOps 在雲端環境中提供可觀測性和自動化功能，有效管理雲端應用程式的運行和擴展，確保資源的最佳化利用。

AIOps 的優勢

• 縮短問題解決時間
  AIOps 能夠更快地識別和解決系統問題，減少因系統停機帶來的損失。例如 Vivy 公司的 IT 基礎設施利用 AIOps 將應用程式的修復時間縮短了 66%，從三天縮減至一天以內。

• 降低營運成本
  自動化辨識營運問題和重複性的處理程序，減少了人工參與的需求，從而降低了營運成本。例如 Providence 公司節省了超過 200 萬美元，同時確保了應用程式在高峰期間的效能。

• 更高的可觀測性和更好的協作
  AIOps 監控工具中的整合有助於跨 DevOps、ITOps 和安全功能進行更有效的跨團隊協作。更好的可觀測性、溝通和透明度使這些團隊能夠改善決策並更快地回應問題。例如 Dealerware 公司為其基於容器化架構帶來了更多的可觀測性，從而提高了流量高峰期間的應用程式效能，且減少延遲 98%。

參考

• Shailesh Manjrekar, GenAI For AIOps Catapults Digital Transformation In Healthcare, https://www.forbes.com/councils/forbestechcouncil/2024/06/05/genai-for-aiops-catapults-digital-transformation-in-healthcare/
• IBM, What is AIOps, https://www.ibm.com/topics/aiops
• AWS, 什麼是 AIOps, https://aws.amazon.com/tw/what-is/aiops/