日益自动化和数字化是不可避免的。越来越多的公司正在将其运营转移到 IT 系统，并且其中更多的运营正在实现自动化。然而，数字化和自动化带来的 IT 故障和停机时间的增加并非不可避免。企业每年因 IT 停机而损失数十亿美元。幸运的是，越来越多地使用基于人工智能的预测分析可以在问题出现之前将其根除。
首先，让我们牢牢把握问题的规模，以及有多少经济正在数字化和自动化。近80% 的公司都在进行数字化转型，这意味着 80% 的企业越来越多地转向 IT 系统来处理和执行其工作的各个方面。他们正在向这一变革过程投入大量资金：根据Reports and Data 最近的一项研究，2018 年全球数字化转型市场的价值为 2619 亿美元，而预计到 2026 年将达到 1.051 万亿美元。
换句话说，随着企业越来越依赖 IT 系统和数字平台，世界各地正在发生巨大变化。与此同时，这些系统和平台的大部分功能正在实现自动化。德勤今年发布的一份报告发现，全球 58% 的组织已经在其工作流程中引入了某种形式的自动化，而大规模实施自动化的公司数量比去年翻了一番。这是另一个巨大的变化，表明随着公司转向 IT 系统，他们也在朝着使这些系统所做的大部分工作自动化的方向发展。
这一切都非常令人兴奋，但不幸的是，这种转变导致 IT 故障和停机的机会呈指数级增长。随着越来越多的进程被置于某种计算机系统上，并且随着越来越多的这些进程由算法执行，那么不可避免地会出现更多的故障和故障，特别是当员工没有能力监控日益自动化的系统所做的一切时。事实上，收入损失宕机成本的估计从去$ 26.5十亿全球在2011年 到$ 700十亿在2016年(和仅适用于北美公司)。
事情变得一发不可收拾，许多公司未能解决这一挑战的主要原因之一是他们以错误的心态对待它。通常，他们一直在开发和使用工具来检测出现的 IT 问题。乍一看这听起来不错，但等待问题出现可能是危险的，因为它们有时需要很长时间才能解决。
例如，英国议会财政委员会在 10 月份发布了一份报告，抱怨过去几年英国发生的一连串 IT 银行倒闭事件，以及这些倒闭事件如何使数百万客户作为机构被锁定在账户之外。有关部门努力恢复他们的系统。最糟糕的例子之一发生在 2018 年，当时影响劳埃德银行的 IT 中断导致 190 万客户的账户被锁定数周，而根本问题需要几个月才能完全解决。
为避免此类灾难，企业应真正对其 IT 系统采取积极主动的方法。具体来说，他们首先需要专注于防止问题的发生，这样他们就不会因停机而最终损害他们的底线。人工智能是实现这一目标的关键。
基于人工智能的检测平台能够实时监控 IT 系统，检查潜在故障的早期迹象。举个例子，我的公司 Appnomic 已经通过人工智能为我们的客户处理了 250,000 起严重的 IT 事件，这相当于超过 850,000 个工时。
通过利用机器学习，此类平台可以使用过去的数据来了解问题通常是如何发展的，从而使公司能够在不幸发生之前介入。2017 年，Gartner 创造了“IT 运营人工智能系统”(AIOps )一词来描述这种 AI 驱动的预测分析，市场研究公司认为，未来几年 AIOps 的使用将大幅增长。2018 年，只有 5% 的大型企业在使用 AIOps，但该公司估计，到 2023 年，这一数字将上升到 30%。
机器学习和数据科学在 IT 系统中的应用带来了一些好处，这将推动这种增长。除了在问题发生之前检测到可能的问题，人工智能还可以显着减少误报，因为它可以比以前的技术和人工操作员更可靠地掌握真正导致故障的原因。最重要的是，它可以检测不一定会导致故障或停机的异常情况，但这可能会降低 IT 系统的效率。
这就是为什么 AI 分析将使 IT 系统整体更具弹性和稳健性的原因。随着越来越多的公司迁移到 AIOps 和相关平台，它们将产生滚雪球效应，迫使其竞争对手要么加入竞争以避免不必要的停机时间，要么被抛在后面。随着 IT 系统自动化程度的提高，自动化预测分析系统也应该同步增长，这是完全有道理的。因为随着软件吞噬世界，我们人类对自己的工作越来越不重要，只有人工智能才能跟上人工智能的步伐。