ITIL先锋论坛给我们带来了一份超给力的报告，讲的是某运营商如何用上AIOps——也就是IT运维的人工智能技术，让整个系统运作得更聪明、更高效。报告里头，他们从四个方面分享了经验：运营商的IT系统和运维是怎么发展的、AIOps是怎么落地和应用的、他们是怎么推广这个技术的，还有就是对未来的运维有啥展望。
先说说IT系统和运维发展： 运营商的IT系统，包括管理支撑系统（MSS）、网管支撑系统（OSS）、业务支撑系统（BSS）还有业务系统及产品（SSS）。特别是BSS，规模大、架构复杂，正在升级换代呢。而MSS虽然规模小，但数量不少，技术栈也挺复杂的。这些系统的成长，让运维工作也跟着上了一个新台阶，成了个理想的实验场。
AIOps的落地与应用实践： AIOps是怎么落地和应用的。他们搞了自主自愈、无人值守，让运维事件自动化，操作平台化，平台还能编排呢。还有，他们让一些运维场景智能化，整个运维平台一体化，复杂场景也智能化了，关键场景都用上了自动化和智能化技术。具体措施嘛，有这么几条： - 建立和管理运维流程、标准：流程化、标准化。 - 工具标准化管理：平台化、自动化。 - AIOPS场景预研：对异常检测、根因分析、知识图谱这些经典场景开展预研，优先解决运维的痛点。 - 自动驾驶模型对标优化：从L1~L3的水平，整体拔高到平均L3以上的水平，形成多场景全流程串联。 - 扩展生产对象及丰富场景：扩充对象、扩充场景、扩充联动，打造故障诊断、知识管理联动等高阶场景。
推广方法和运维平台建设心得： AIOps推广方法和运维平台建设的心得，包括： - 明确推广目标和计划：场景特点+现实痛点+推广目标+落地时间。 - 构建推广效果评估指标：AIOps场景指标体系+月报分析。 - 优化运维工作量结构：转变维护人员思维+引导+压降。 - 建立团队分工协同机制：角色分工+周报月会+双周落地复盘+持续迭代。 - 重点场景专项分析推广效果：异常检测、故障诊断、运维机器人等重点场景专题分析。 - 管控运维后台登录账号：限制后台+鼓励智能化自动化+定期统计。
对未来运维的展望： 展望未来运维的方向，包括： - 持续演进的数智化运维平台：端到端可观测中心、统一入口、流程平台、日志平台、数据库管理平台、自动化测试平台。 - 规划思路：明确分工界限，同质能力合并。 - 探索尝试应用各种AIOps场景：不断探索尝试应用各种AIOps场景，寻求应用效果不错的AIOps场景，期盼交流新技术、新理念在运维中的应用，例如元宇宙、ChatGPT。
应用成效： AIOps应用的成效，包括： - 完成B域、M域核心系统接入：包括性能、业务、告警、日志等X大类在内的XXX种指标项，纳管资源XXX多项，日处理指标数据XXX条。形成故障自愈预案XXX个。 - 故障诊断准确率：XX%。 - 故障诊断运维成本降低：XX%。 - 故障处理效能提升：约XX%。 - 智能机器人工单推荐能力：智能运维机器人智能修复能力，智能机器人智能问答能力。 - 图谱知识管理：文档、数据库、申告单等不同类型数据的自动学习，图谱知识推理。 - 降本：问答、推荐使用频率X次+/月，减少X万张事件单/年，节约人力X万元/年；操作执行X万次以上，折算数据修改单X万张，每年节约人力X万元。 - 增效：以某千万用户级别地市为例，该地市每月XXX多张IT投诉工单的平均处理时长缩短了XX左右，显著提升了客户满意度。
这篇文章给运营商的AIOps智能运维实践提供了宝贵的实践经验，展示了如何通过自主自愈无人值守、运维事件自动化、运维操作平台化、运维平台具备编排能力、部分运维场景智能化等措施，实现AIOps的落地和应用，提升运维管理的质量和效率，为其他运营商提供了可借鉴的实践路径。
| 
转播
分享
淘帖
()