可預測的維護

總部位于東京的Konica Minolta曾以相機而聞名，但在2017年初，它開始在公司內部使用AI驅動的IT基礎設施管理工具ScienceLogic，以支持其辦公室和IT服務業(yè)務，以幫助預測哪些設備即將出現故障。

該公司副首席技術官Dennis Curry表示，起初，這些預測的準確率約為56％，但隨著時間的推移，該系統(tǒng)越來越準確。他說：“現在我們可以預測在接下來的兩周內95％的故障，這讓我們可以減少停機時間，降低整體成本。”

該公司正在將該技術添加到Workplace Hub中，并且該公司的ScienceLogic－powered IT管理平臺也將于今年晚些時候推出。

Nlyte軟件公司還計劃提供一種基于AI的預測性維護工具。 Nlyte采用IBM的Watson技術，利用客戶的一般信息來收集有關常用設備的狀況，并將其與個體客戶環(huán)境的學習相結合。

“我們有我們已經建立的模式，我們正將這些模式提供給客戶，”該公司首席戰(zhàn)略官Enzo Greco說�！暗�是我們發(fā)現，每個客戶的環(huán)境都略有不同，因此我們也為客戶提供了一個工具包，用于創(chuàng)建他們自己的用例，他們自己的AI模式。”

最主要的兩種用途是能源優(yōu)化，比如在哪里放置新服務器以優(yōu)化散熱，以及工作流優(yōu)化，也就是在哪里放置工作負載。

這些工具通常是由公司定制的，根據他們自己的操作進行定制。現在，有了現成的軟件和預先構建的模型，企業(yè)就可以快速地啟動和運行，而不必在內部部署深入的人工智能技術。

總部位于荷蘭的Interxion公司已經看到了利用機器學習來改善運營的好處。幾年前，這家在全球13個城市運營著50個數據中心的公司，開始從施耐德電氣部署數據中心基礎設施管理（DCIM）技術EcoStruxure。

“我們每年都會新建四個數據中心，”公司的首席數據中心技術和工程官員Lex Coors說�！斑@讓我們有機會回顧過去，看看沒有任何EcoStruxure的老客戶，EcoStruxure的早期版本以及最新版本都在做什么�！�

他說，早期的版本很難使用。他們提供了大量信息，但需要更多的工作人員來理解數據并做出決定以加以實施。

“即使使用新系統(tǒng)，它也提供了如此多的建議，”他說�！拔艺�天都在執(zhí)行這些建議。”

他說，但該產品的最新版本包含了更多的智能功能，現在可以節(jié)省成本了。

重置資本支出預算節(jié)省了1％至2％的資金。“在維護運營預算中，我看到了10％的下降，所有的分析都帶來了好處�！�

這是因為該公司可以在正確的時間做適當的維護，以避免設備故障，并且還提出了優(yōu)化能效的建議。

但即使是最新的版本也需要改進。“今天它可以告訴我要改變到這個溫度，明天換到另一個溫度，第二天再回到第一個溫度，因為那是當時最好的決定，”他說。該系統(tǒng)應該基于長期的預測提出建議，并優(yōu)先考慮這些建議。他的公司正在與施耐德合作，以改進該系統(tǒng)。

“DCIM系統(tǒng)的機器學習能力仍然有限，”他說。“看看我們現在的數據中心，想想我們可以用機器學習做些什么，顯然，現在還不夠多�！�

但是AI在DCIM中的技術能力可能會不斷擴大。

“這是一個全新的領域，是這個行業(yè)的一個新發(fā)展，而且它很強大，”她說。451 Research的數據中心和關鍵基礎設施的研究主管Rhonda Ascierto表示，Eaton是DCIM領域的另一個供應商�！拔艺J為這是一個將物理數據中心管理與許多其他服務集成在一起的長期演進性變革的開始。隨著技術的發(fā)展，可能會增加其他數據和服務，包括集成工作負載管理，能源管理，員工服務，安全和網絡管理。

她說，所有這些都需要時間來完成，而且數據供應商可以收集的數據越多，他們的平臺就會越聰明，也越有價值。因此，客戶可以以極低的成本獲得這些工具。

局限性

但Forrester Research的分析師Michele Goetz表示，用于IT運營的通用AI平臺仍然難以實現。

“目前還沒有真正能夠替代數據庫管理或系統(tǒng)管理員的人工智能系統(tǒng)，”她說。“這些AI解決方案的成熟還需要幾年時間，我們也需要時間讓企業(yè)組織對在IT環(huán)境中部署人工智能有一個更好的愿景�！�

其中一個挑戰(zhàn)是人工智能目前需要大量的訓練數據，而這些數據只能用于特定類型的問題。此外，國際數據公司分析師Shannon Kalvar表示，系統(tǒng)之間的對話也需要改進。

“從技術上講，對于IT服務管理和IT運營管理的融合，我們可以在兩到三年內完成，”他說。“它們之間存在技術掛鉤。但說實話，我并沒有看到太多這樣的設計思維�！�

他說，這不僅僅是關于自動化流程�！艾F在，我們依靠人們的經驗，支持人們，運營人員，去理解并把它們聯系在一起。我不想過分苛刻，有幾個供應商正朝這個方向努力，但我們確實還沒走到那一步�！�

他稱之為一個過程抽象層，一種綜合智能。

根據Turbonomics調查公司與Red Hat和AppDynamics合作的對750名IT運營經理進行的調查顯示，68％的人說他們還沒有將人工智能用于IT管理，24％的人說他們正在試驗人工智能。

然而，84％的人認為人工智能可以通過創(chuàng)建自組織系統(tǒng)來降低復雜性。

IDC的Kalvar表示：“我認為這是很多人想要實現的目標，但我不確定我們當中有任何人曾經觸碰到它。”