AITSM：看人工智能如何重塑 IT 服务管理

2022 年 7 月 12 日
本文字数：2990 字
阅读完需：约 10 分钟

人工智能技术在 IT 运维领域的应用不断深入，由 ITOM 逐渐向 ITSM 方向发展，而 Gartner 提出的 AITSM 恰恰是人工智能与 IT 服务管理的融合点，在改进服务管理实践和推动行业创新方面具有巨大潜力。

本文论述了 IT 服务管理领域的现状及其面临的问题，云智慧使用 AITSM 相关策略和方法体系塑造新一代 ITSM 的实践，以及 AITSM 的典型场景、关键技术和用户价值。

新一代 IT 服务管理必然是 AI 使能的

传统 IT 管理以技术为向导，是孤立的、分散的、被动的、救火式的，IT 与业务彼此割裂，IT 投入成本和效益往往无法保证。而 IT 的精细化管理要求企业实现 IT 与业务的有效融合，IT 管理模式必然会转变为面向服务价值、高效协作、可预防、 自动化 （减少人工）、智能化的新型 IT 服务管理模式。

【IT 架构复杂度越来越高，来源 Gartner】

目前，ITSM 在国内外都存在着发展停滞不前的状况。导致这种状况的除了顶层的模型、标准和理念之外，技术变革的因素也不能忽视，业务系统越来越复杂，IT 架构向容器化、云化的方向发展，数据规模和复杂度与十年前相比是指数级变化的。

以往通过人工利用流程和工具解决问题的方法逐渐失效，改变的途径只有一个：以数据为基础，利用人工智能技术解决 IT 服务管理问题。 ITSM 工具向 AI 方向演进成为必然。

AITSM 的概念和意义

AITSM 是 Gartner 提出的面向 IT 服务管理领域的新概念，是指在 ITSM 工具和实践中综合应用人工智能、 自动化 和大数据技术，以提高运维人员的整体效率和减少错误。

随着企业对 IT 需求的增加，利用人工智能和大数据实现自动化和主动管理，将人和大型机器产生的结构化、非结构化数据集输入到工具中，优化 ITSM 实践和数据处理，对于具有流程优化和数据处理实践需求的 IT 管理部门尤为重要。利用各种数据提供事件响应和问题处理流程的智能建议，实现可重复操作和执行任务的自动化能力是 AITSM 的两个基本特征。

AITSM 体系及应用场景

以综合利用大数据、人工智能和自动化技术为典型特征的 AITSM 对 IT 服务管理的重塑将是全方位覆盖的。这种全面性体现在最新的 ITIL4 的各个实践中，也体现在新一代 ITSM 产品的系统构建中，最终都会变成软件的功能，落地于一个个实际用户场景，最终实现 IT 管理效率提升的目标。

【AITSM 对 ITSM 的赋能将是全方位覆盖的】

智能的虚拟服务助理

【 AITSM 中的智能服务助理】

智能的虚拟服务助理（VSA：Virtual Service Assistant，或 Virtual Support Agent）是一种会话式的代理业务应用程序，它提供信息、常见问题的答案和执行事务，以便在 IT 服务台的 IT 服务管理场景中提供 IT 支持和协助。

面向 IT 服务管理的实践，基于即时通讯（IM）前端的智能服务助理，应该具备以下能力：为终端用户提供关于 QA 问答、工单辅助、监控辅助、巡检辅助、服务请求以及任务脚本的智能与自助服务，促进用户和 IT 服务人员的扁平化协作，提升沟通效率、降低人力成本。

智能决策大脑

在 IT 服务管理的很多实践中，一个决定的产生往往是多种因素综合考虑的折中结果，单纯依靠个人经验，其速度和准确性经常很难保证。智能决策大脑的核心是将人的知识（经验、技术等）转化为数字化知识，把依赖专家转变为以数据为核心，依托算法与机器学习的手段。

智能决策大脑作为新一代 ITSM 的"神经中枢"，服务于 IT 服务管理组织中需要决策的各级人员，具备实时、闭环、自动进化、可自动识别问题、全局优化等特征，充分展现了数据汇聚和知识融合的价值，提高了用户在工作过程中各种决策的效率和质量。

知识工程

知识管理（Knowledge Management）是 ITIL 中非常经典的一个实践（ITIL V3 中称为流程），在新一代的 ITIL4 和 ITSM 工具中，知识管理的边界已经到达了知识工程范畴。

【知识管理、知识工程和人工智能】

AITSM 的所有实践必须利用知识工程的技术手段来进行构建或优化，包括对知识的关注将推动数据的收集，用于自动化、服务设计、测试、预测分析、自动恢复、自助服务和其他服务管理实践等，基于 AI 的知识工程实现方法可提高效率、降低成本、消除错误/浪费以及提高整体价值。

面向预测和分析的监控与事件管理

监控与事件管理（Monitoring & Event Management）是一个比较特殊的实践，ITIL 对此进行了严格和标准化的定义。但是在落地的产品中，会将之划分到 ITOM 领域作为独立产品，如云智慧的数字化运维事件管理产品（DOEM）。

监控和事件管理的目标是对事件的产生、通知与处置进行更加规范的管理，而难点是对于 IT 复杂度高的系统，事件繁多、数据量大、会有告警风暴的影响，如果管理手段松散，则会存在巨大风险。

利用 AI 赋能的智能事件管理将会很好的解决这些痛点，依托大数据技术和机器学习算法，对来自于各种监控系统的告警消息与数据指标进行统一接入与处理，然后进行告警事件的智能过滤、通知、响应、处置、定级、跟踪以及多维分析，从而实现事件的智能告警收敛、异常检测、根因分析、智能预测和全生命周期的统一管控。

【监控和事件管理中的智能故障预测】

AITSM 落地的关键技术

AITSM 的很多场景需要人工智能、机器学习和大数据技术的支撑，实现问题的推荐和自动化处置，历史变更和故障数据的智能分析，结合 CMDB 对相似变更进行故障预测等等，其中涉及的关键技术包括：

自然语言处理（ NLP ）： IT 系统中存在大量文本数据，利用自然语言处理，通过预训练模型，结合 IT 知识库，构建 IT 词向量模型，对工单的实体进行抽取，使用文本纠错将工单进行更正；
知识图谱 （ Knowledge Graph ）：运维知识图谱不但要获取实体和实体间的关系构成，还要将事件和各种配置服务关系有效整合。通过知识融合将不同数据源整合到一个完整的图谱中，帮助运维人员实现知识积累和沉淀，以及快速故障排查和故障预测；
流式大数据处理技术： 大部分的运维数据都是流式数据，针对流式数据需要构建相应的专业运维数据库，提供统一的、简单易用的数据采集、ETL、机器学习流程、建模分析等功能，还需要具备数据的安全、可扩展、高可用以及环境监控运维等基础能力。

AITSM 的发展与展望

ITSM 已经到了必须要革新的关口，而国内新型基础设施与 ABC 等数字化技术的不断成熟都给 ITSM 的升级换代创造了良好的机会。

以人工智能、自动化和大数据技术为典型特征的 AITSM，为下一代 ITSM 的发展指明了方向，为企业降低成本，提高运营效能，培养创新型人才服务，创造更多 IT 价值。

云智慧面向数字化业务的新一代 IT 服务管理产品——数字化运营服务管理平台 DOSM（Digital Operation Service Management），以 ITIL4、ITSS、AIOps 为理论基础，应用大数据和人工智能等 AITSM 核心技术，将企业的各种 IT 资源要素（人、事、财）进行智能化组织与管理，合理调配人力资源、有效管理信息系统软硬件、提高自动化运营管理水平、提升运维服务的整体效能。