过去，数字化成熟度较高的组织会利用自动化技术，根据明确的业务和运营目标执行脚本，以更改配置并调整策略。随着生成式AI的引入，这种方式已近乎过时，如今的新目标是构建自主性更高的系统。
这是我最近阅读Intel《2024年云优化现状报告》后得出的结论。报告指出：“60%的受访者认为，优化工具的自主性非常重要或极其重要。”
如果您想知道什么是优化工具，简单来说，这类工具与成本有关，更具体地说，是为了实现2024年的首要任务：“降低云成本”。
基本上就是FinOps。
但自主化并不只是降低云成本，还意味着消除繁重的运维工作，并利用生成式AI的力量，自主执行交付优化和安全防护。
当被问及最希望生成式AI带来哪些价值时，受访者在应用安全和交付用例中给出的首要答案都是自主调整。
- 安全：检测到威胁时，自动调整安全策略并生成安全配置
- 交付：根据服务级别目标（SLO）自动调整应用和API策略，以优化交付
换言之，企业正借助生成式AI推动自动化策略升级，从自动执行脚本转向自主调整和生成策略，以实现安全、性能和成本控制目标。
自动化现状
更加自主的运营听起来可能有些超前，似乎难以实现，但企业目前的自动化水平其实已相当可观。再考虑到各组织去年的自动化进程所处阶段，这一点就更为明显。
2022年末，大多数组织（52.5%）仍采用混合自动化策略。他们使用脚本更改配置和推送策略，但仍需手动执行这些脚本。只有约四分之一的组织（25.4%）使用系统启动脚本，而完全未采用任何自动化的组织竟高达21.9%。
到了2023年年底，大多数组织的自动化进程都取得了显著进展。
今年，忽视自动化的组织不到十分之一（8.2%），达到此前最高成熟度（自动化）的组织占比已接近翻倍。
但您会注意到，我这张实用的图表中出现了一个新目标：自主化。
这是因为生成式AI应运而生，让我们看到完全自主运营这一目标不仅具有可行性，而且能够实现。生成式AI在回答开放式问题时可能会产生幻觉，但如果专注于生成结构化内容，例如具有规范模式和语法规范的配置与代码，它就能有良好表现。而且，生成得越多，表现就越好。它会以某种方式学习，并能逐渐熟练地生成适当的策略和配置，从而调优基础设施和应用服务，以达到既定的服务级别目标。
而且，根据我们的研究，组织希望实现这一目标。这可能是因为，自动化应用得越充分，组织从自动化工作中获得的收益就越大。
但所有这些自动化都必须由某种因素驱动。这种因素必须具体、可衡量、可付诸行动。
这个驱动力就是数据。遥测数据具体而言，这些数据由相关系统和服务生成，而这些系统和服务为组织希望确保快速、可用且安全的应用和API提供支持。
因此，在谈到组织加速数字化转型所需的六项关键技术能力时，我们将自动化和可观测性归为同一领域。因为没有可观测性的自动化无异于猜测，而没有自动化的可观测性则无法充分利用组织数十年来一直期望实现的可见性。
所有这些数据和遥测信息还可以为预测式AI引擎提供支持。该引擎将分析这些信息并生成可操作的洞察，供生成式AI使用，从而自主调整配置和策略。
没错。现在，一切都已融为一体。AIOps是自动化演进的下一阶段，而这一切都得益于生成式AI。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。