長久以來，IT團隊一直肩負著確保日常營運順利運行的任務，然而，在數位潮流、新興技術發展，以及遠距／混合工作的新常態下，挑戰卻日益艱鉅。智慧維運（AIOps）便是希望運用人工智慧（AI）來降低IT部門維運管理負擔，給予更視覺化的洞察。
長久以來，IT團隊一直肩負著確保日常營運順利運行的任務，然而，在數位潮流、新興技術發展，以及遠距／混合工作的新常態下，挑戰卻日益艱鉅。一方面，遠距的工作環境增加了更多不可控的變數，而企業轉向微服務架構，也讓IT環境愈來愈複雜。而另一方面，由IT基礎架構所創建的資料量越來越多，設備與系統的日誌資料與事件也隨之不斷增長，想在其中找出問題關鍵，無疑增添了許多難度。智慧維運（AIOps）便是希望運用人工智慧（AI）來降低IT部門維運管理負擔，給予更視覺化的洞察。
投入IT自動化多年，IBM在早期推出的系統監控分析管理工具IBM Tivoli Monitoring中便已加入預測功能，台灣IBM雲端運算暨認知軟體事業部技術總監胡育銘指出，當時推出的工具比較偏向結構化資料的預測，若從現在的觀點來看，其實並不足夠，現今有更多來自於IT、OT的非結構化資料，如設備機台、日誌以及工單系統（Ticket System）等等，自動化維運必須涵蓋得更廣，才能滿足企業所需。因此，在2020年IBM重組產品線，並且在Think Digital大會上正式發布Watson AIOps。
他進一步說明，自併購Red Hat 後，IBM很看重Red Hat OpenShift Container Platform平台，IBM將所有的解決方案全部容器化並且建構在此一平台上，並且依不同的應用打包成Cloud Pak。例如用於資料分析與ML洞察的IBM Cloud Pak for Data，或是運用AI建議分析以減少商務人工流程時間的IBM Cloud Pak for Business Automation，因此，針對IT維運的管理方案便稱之為IBM Cloud Pak for Watson AIOps（WAIOps）。這項方案運用了Watson在機器學習與深度學習的強項，除了做到結構化資料預測分析，也做到非結構化資料的收集。
端到端方案整合APM、ARM
然而，隨著企業基礎架構日益複雜，IT管理人員需要跨系統的完整可見性，並關聯各種運營數據和指標，因此IBM在近年相繼併購Instana與Turbonomic兩家公司，並且與WAIOps進行整合，成為端到端的解決方案。
Instana是一家專注於雲原生和微服務應用的應用效能監控（APM）的廠商，不論應用程式位於公有雲、私有雲、混合雲、On-premise或是IBM Z大型主機，都可以運用Instana來監視任何應用程式、服務或要求。
胡育銘解釋，Instana可以監控應用程式與API，過往遇到應用服務變慢或中斷時，IT管理人員總要花費很多時間找出問題、解決問題。透過Instana，則可以從應用程式往下監控到微服務，包含容器、VM一直到資料中心，從拓撲圖都可以看到完整的關連性。而Turbonomic則是應用程式資源管理（Application Resource Management），「現今企業普遍存在一個問題，基礎架構團隊會依據應用系統的需求提供運算資源，然而卻發現很多VM的使用率卻非常低，從維運的角度其實很浪費資源，Turbonomic可以很清楚地看到資源狀況並且進行管理，曾有金融公司在導入Turbonomic後才發現VM的授權幾乎可以省下一半。」
他指出，Instana與Turbonomic的資料又可以與WAIOps整合，WAIOps可以收集結構化與非結構化以及工單系統，還有既有問題的處理經驗與對談記錄，都可透過自然語言處理（NLP）進行分析與預測，並且預估影響範圍。而所有的訊息，都可以透過ChatOps提供給管理人員。「企業如果特別聚焦在微服務，有許多容器與Docker這類新應用，由於微服務的彼此呼叫關係很複雜，這時就可以選擇Instana從應用程式的角度找問題。而Turbonomic則可以收集很多日誌資料或ELK，特別是基礎架構需求量很大的時候，管理成為一大挑戰，這時Turbonomic就很適合。」
自動化管理需求攀升
調研機構IDC近期發布一份亞太地區企業越來越多地利用AIOps 來優化基礎設施運營的調查報告（Asia/Pacific Enterprises Increasingly Utilizing AIOps to Optimize Infrastructure Operations），並預測到了2023年，在全球二千大企業中，將有75%採用自動化維運來轉變其IT人力以支援前所未有的規模。
根據IDC定義，AIOps係指以智慧和高度自動化的方式，應用人工智慧／機器學習以及大數據和分析來應對現今基礎架構管理的挑戰。IDC亞太區IT服務研究部副研究總監Pushkaraksh Shanbhag指出，面對日益多樣且複雜的IT基礎架構，IT團隊正在轉向AIOps，以協助更有效地管理基礎架構的維運。調查指出，企業規模愈大，AIOps的採用率就會跟著提高，普遍來看，中型企業（250～1,000名員工）最為積極。
胡育銘觀察，自前（2020）年開始，AIOps的詢問度便一直居高不下，顯示出AIOps在市場上接受度或需求變高，而這不僅僅是新冠肺炎（COVID-19）的因素。「當然，在後疫時代，IT維運若能變得更自動化，以降低『人的因素』影響，例如因為疫情升高導致無法進入辦公室故障排除的情況，將會更好，」他提到，因為萬一出現問題而沒有人員可以即時回應，影響的可是企業的營運損失或是客戶的滿意度，企業會希望能夠尋求更自動化的管理，使得詢問度也跟著攀升。
不過，即便沒有COVID-19影響，像是高科技產業、銀行等只要系統一出現問題影響就很嚴重的產業，也早早就開始詢問與評估，企業希望能在出事之前就能找出徵兆，「這些產業普遍面臨兩大問題，一是有太多的雜訊，因此很難判斷，另一是需要累積多年的經驗，才能正確判斷問題，而這需要時間學習。但現在透過AIOps的機器學習，就能預測徵兆及可能會發生的問題。」胡育銘進一步說明，AIOps的目的是要將維運管理的平均復原時間（Mean Time to Recovery，MTTR）降到最低，大型企業例如高科技產業每停止營運一個小時，損失動輒3,000萬元起跳，他們的考量點是如何不讓事情發生，做到提早預防。有了預測洞察後，便能鎖定根本原因，進而解決問題。
台灣IBM雲端運算暨認知軟體事業部技術總監胡育銘指出，企業基礎架構日益複雜，IT管理人員需要跨系統的完整可見性，並關聯各種運營數據和指標，因此IBM在近年相繼併購Instana與Turbonomic兩家公司，並且與WAIOps進行整合，成為端到端的解決方案。
他強調，WAIOps的特色就是能適用多元的場景，可以持續學習，而且愈學愈聰明。就架構上來看，前端可以收攏結構與非結構化的資料，包含網路設備的日誌、Ticket、事件／告警或是處理器的使用率等數值還有拓撲圖等資料都可以匯入，且可透過內建四大模型，包含AI Manager、Event Manager、Metric Manager以及Topology來進行分析，結果則透過ChatOps來進行討論，得知相關的訊息以及影響半徑。「在最新版本中也已經開始提供儀表板，讓使用者以熟悉的方式進行視覺化洞察。」