從公有雲、私有雲到混合多雲，再加上容器、微服務等新技術的採用，傳統IT正在走向混合IT架構，但這也意謂著，資訊部門必須以相同或更少的資源來承擔額外的工作量，換言之，IT維運的負擔也日益加劇。也因此，愈來愈多的企業需要智慧維運（AIOps）中的人工智慧（AI）來協助解決維運上的挑戰。
Micro Focus資深技術經理尹德行觀察，除了企業在數位化過程中更加仰賴IT，使得基礎架構更為複雜之外，愈來愈多元的業務模式以及服務水準要求提升，還有傳統IT維運工具無法跟上腳步，都是現今企業普遍遇到的難題，也是驅動企業重視AIOps的關鍵因素。「AIOps不只有人工智慧，還包含了資料收集與自動化。未來，自動化的應用將愈來愈多，運用AIOps不僅能改善員工和客戶體驗、更快地修復問題，還能更有效地利用基礎架構、在最快的時間內提供IT服務，並且更快地識別進階威脅。」
簡化匯整呈現統一大數據平台是關鍵
投注在AIOps領域多年，Micro Focus推出的Operations Bridge（OpsBridge）是一款用於雲端監控的AIOps方案，可運用於混合IT監控、應用程式效能分析監控，除了降低監控工具的干擾，還能透過專利建構的機器學習模型針對所有數據類型、事件、拓撲、指標和日誌提供異常檢測及預測分析，以及透過業務價值儀表板（Business Value Dashboard，BVD）來即時查看業務和IT狀態。如果企業想要自建儀表板，也可以透過商業智慧工具（BYOBI）來可視化所收集的數據。
OpsBridge有一個關鍵核心稱之為COSO（Collect Once Store Once）資料湖，這是一個統一的大數據平台，能夠集中收攏各種來源與型態的資料，不管是硬體、系統、混合雲、網路、儲存設備、軟體與資料庫的監控資料，或是源自於應用程式監控、資安日誌、AP交易數據，如此一來，不管是匯整還是呈現，相對就會簡單方便許多。
COSO資料湖架構中還包含了Vertica即時資料分析平台，主要是用來收集各種IT工具和設備的歷史與即時資料。簡單地說，OpsBridge基於COSO提供各式AIOps應用情境，而Vertica提供機器學習套件可供使用者或夥伴自行開發所需的分析功能。而另一個重要組件是機器學習的分析與演算法，Micro Focus具備了50多項的專利基礎，可進行高速且大量的資料分析。
鎖定大數據與資料收集平台進化
Micro Focus資深技術經理尹德行指出，Micro Focus不斷在AIOps解決方案上精進，近年來將焦點鎖定在大數據以及資料收集平台的擴展，並且不斷地增加機器學習的模型來幫忙減少人工判斷。此外，由於AIOps平台是建立在容器化的架構上，除了可以在公有雲上部署，未來也會陸續支援其他的容器技術，例如Red Hat OpenShift等等。另外，OpsBridge現在已能在單一儀表板中呈現所有的資訊，集中化後將能帶來更高的可視性。
去年新發布的自動事件關聯（AEC）是Operations Bridge中的一項新功能，可以藉由機器學習的自動事件關聯來檢測大量事件數據中的模式並隔離根本原因。另外，針對跨品牌與設備的支援也不斷在增加中，例如現已能介接AppDynamics等等。他強調，在功能的提升方面，Micro Focus會持續增加AI預測的套件，以提供未知問題的預測或者是預警功能，另外，也能運用其他第三方的報告工具，由企業製作適合的報告型式。
瞭解企業架構先局部後全面
調研機構IDC在《市場分析觀點：亞太地區（不包括日本）的人工智能運營市場》報告中，分別針對應用開發（Application Development）、系統可觀察性（System Observability）以及服務自動化（Service Automation）等三個面向，說明了AIOps可應用的領域。對此尹德行也分享了他的觀察，他提到，Micro Focus近期有幾個金融案例，主要針對「小核心大周邊」的應用場景，一般來說，小核心的環境較為複雜，有Linux與Windows環境，也有AIX大型主機運行資料庫，如何運用AIOps方案來打造一個集中監控平台與儀表板，然後再慢慢擴展到周邊系統，進行資料的收集、分析或呈現，是現今金融業正在關注的領域。
但是除此之外，AIOps也能應用在資訊服務自動化的場景中。台灣有許多企業表單目前還是紙本作業，特別是一些IT資源申請單或是變更單，並沒有與自動化結合，「我們曾協助某政府單位將他們過去二十幾份表單濃縮成六張表單並且串接自動化作業，這算是智慧服務台的一環，結合表單流程與自動化的落實，也算是AIOps的應用之一。」尹德行繼續說明，其他像是SOAR資安鑑識或是聯合防禦的議題也在應用的範疇。「近期也有不少金融合規檢討的自動化需求，這個議題現今非常熱門，在合規要求上，有51項要做檢查，大部份都與資安設定有關，眾所周知，金融產業的IT環境複雜，如果要依賴人力檢查有其難度，而且新的規則很可能隨時都會增加，又要檢查又要修補，其實非常曠日費時，若透過工具做自動化的檢核跟修補，相對就會輕鬆許多。」
Micro Focus資深技術經理尹德行指出，AIOps可應用在金融業的「小核心大周邊」，先從小核心集中監控管理再慢慢擴及到周邊系統。
他認為，OpsBridge的強項在於能夠針對跨多個品牌且複雜的環境，提供所有維運上的異常或是跨平台效能表現的歸納，「不過，如果人無法指出問題的話，即使有人工智慧也無法判別，關鍵的第一步是企業必須先瞭解企業本身的架構，先把資料收攏進來，才能運用機器學習幫忙找出維運的問題，最終才有機會實現All Inclusive Operations的願景。從現今的市場發展來看，多數的企業還是有集中監控的需求，只是數據有些分散，或是只收集資安日誌而忽略維運的日誌資料，這些反而是企業能夠補強的地方，有了完整資料之後，企業才能往下走到分析或是預測階段。」
另外，尹德行也提醒，AIOps方案並不是非得在全環境中一次性導入，舉例來說，企業系統一定會分不同的等級，假設分為Level 1至Level 4，那麼企業可以先從Level 1至Level 2的部份著手，同時設計一些服務水準的KPI評量方式。或者Micro Focus也有提供工作坊的形式，可與企業共同討論。「不可否認，OpsBridge還不夠完美，未來在技術上也會不斷地精進，支援更多第三方的軟體以及機器學習的模型，來協助企業實現自動化維運。」