BMC HelixGPT：通过预测、因果和生成式AI实现可观测性和AIOps
内容提要
最近的调查显示，65%的受访者表示他们的组织定期使用生成式人工智能（AI），并预测它将引发行业的颠覆性变革。生成式AI的研发投资在过去一年加速，揭示了IT运营（ITOps）的新的引人注目的用例。根据IDC的研究，生成式AI的支出将从今年的160亿美元跃升到四年后的1430亿美元。本文将重点关注生成式AI的用例以及智能自动化建议，以使ITOps更加高效和具有成本效益。
延伸解读
复合AI管道：预测、因果与生成式AI的协同
文章提出复合AI管道，整合预测、因果和生成式AI技术。预测AI从历史数据学习，预测未来影响和异常；因果AI确定根本原因，依赖动态服务模型提供的上下文；生成式AI生成可读洞察，推荐最佳行动。三者协同，旨在实现零接触操作，自动检测、分类和修复问题。
动态服务模型：提供领域上下文的关键
动态服务模型是业务服务的基础构建块，自动构建并维护，提供端到端服务视图。它作为AI管道的输入，提供领域特定知识，帮助建立因果关系、减少噪声和幻觉。该模型打破组织孤岛，用于噪声减少、根因隔离、变更影响监控以及服务管理中的事件、变更和资产管理。
从异常检测到根因隔离：AIOps的演进
早期AIOps使用AI和ML进行异常检测和事件关联，能发现异常并减少事件噪声，但难以在复杂环境中操作，主要缺乏将资产封装到服务模型并进行上下文根因隔离的能力。现代方法通过动态服务模型和复合AI管道，实现了上下文根因隔离和智能推荐，提升了运维效率。
生成式AI在ITOps中的实际应用
生成式AI基于动态服务模型和预测、因果AI的输出，生成人类可读的问题摘要，推荐自动化修复行动，并支持对话式洞察。这有助于加速分类过程、减少MTTR，并打破数据孤岛，揭示变更相关风险和中断。LLM可预训练领域知识，并可选地用客户数据微调以提高准确性。
Q&A
生成式人工智能如何改变IT运营的效率？
生成式人工智能通过提供可操作的上下文洞察，提升IT运营的效率和成本效益。
AIOps的需求是如何产生的？
AIOps的需求源于2000年代初，旨在维护复杂基础设施下的客户体验。
动态服务模型在AI管道中有什么作用？
动态服务模型提供领域特定知识，帮助建立因果关系并减少噪声。
生成式AI如何帮助改善服务韧性？
生成式AI生成可读的洞察，帮助避免未来的服务中断，从而改善服务韧性。
复合AI管道的目标是什么？
复合AI管道的目标是实现零接触操作，自动检测、分类和修复问题。
预测AI和因果AI的区别是什么？
预测AI用于从历史数据中学习以预测未来影响，而因果AI用于确定根本原因，依赖于动态服务模型提供的上下文。
