將人工智慧（Artificial Intelligence，AI）運用於產業領域以創新營運，已經成為一股顯學，愈來愈多的企業正在加速轉型步伐，以便在競爭的環境中取得優勢。不過AI的應用並不僅限於改進對外服務，近兩三年來，已經有不少大型雲端服務業者積極將大數據與機器學習引入IT基礎架構與維運管理之中，在此同時，IT解決方案供應商也紛紛投入AI方案研究，運用新興技術來助力企業將維運管理推向可視化、自動化，甚至進一步做到自我修復。
調研機構Gartner將這樣的趨勢發展稱之為AIOps（Artificial Intelligence for IT Operations，智慧維運），並且預估到了2022年，將有40%的大型企業會結合大數據與機器學習的功能，來支援或部份取代監控、自動化流程與任務。
AIOps是一項新概念，儘管目前的定義仍有些分歧，但不可否認地，在現今愈來愈複雜的IT環境中，企業需要一項工具或平台來協助降低IT部門維運管理負擔，抑或協助他們跨越技術門檻，快速打造AI環境同時給予更視覺化的洞察，而這兩點，也是目前IT解決方案供應商主要的致力方向。
在本期專題報導中，除了匯整AIOps概念說明之外，也將邀請專家分享AIOps方案現況，可預期的是，在技術與趨勢日臻成熟下，未來AIOps的樣貌勢必將快速發展演化，值得持續地加以關注。
智慧維運熱潮升溫 業者紛布局各具表述
傳統訂定IT策略、運用規則的維運方式正面臨嚴峻挑戰，企業需要找尋更智慧化的維運方法來克服這項難題。藉由解析IT系統既有的歷史日誌與效能資料，運用人工智慧相關技術來協助自動化故障檢測、異常判斷，或是提供更視覺化的工具，將能輔助管理人員更快察覺問題根源。
機器學習優化維運體驗 資源跨品牌監控管理
運用AI技術來簡化維運管理是許多IT供應商正在著手的方向，但關鍵在於能不能與應用程式進行連結，在企業環境中，單台儲存設備上很可能運行了超過2,000個虛擬機器，若無法確知是哪一個虛擬機器的延遲變高，就無法進行有效的改善行動。
縱觀IT基礎架構全貌 AI改善維運預測分析
預測分析是目前AI維運發展較成熟的領域，主要是用於預測使用率以及效能。雖然多數設備商在過往也試圖提供類似的功能，但如今以大數據為基礎，透過機器學習的精準度將會大幅提高。
認知運算強化洞察 CDI提升維運生產力
根本原因分析（Root Cause Analysis）經常需要耗費大量人力、物力，甚至需要結合許多投資，也是企業目前在維運環境中面臨的最大難題。其次則是預防與預測。
簡化AI部署管理 讓資料科學家專心建模
近期IT解決方案供應商紛紛投入AI-Ready基礎架構解決方案設計，同時也開發出新的管理平台，以降低AI應用的複雜度。企業可以從中獲得幾項好處，包含有效管理深度學習與機器學習的工作流程、簡化企業開源部署、讓叢集基礎架構更具靈活性，以及藉由優化系統與資料來提升價值。