運用 AIOps 引領金融服務創新

針對金融服務業的AIOps策略 目次 介紹金融服務業的現況與對AIOps的需求 第3章 第1章什麼是AIOps？ 第2章AIOps成功的支柱 介紹 金融服務業的現況與對AIOps的需求 客戶優先考慮的是快速回應與便利的選擇。若貸款應用程式回應緩慢，或線上報價系統出現意外中斷，客戶可能會因而轉投其他業者的懷抱。要符合這種高標準，IT團隊就需要不斷創新且經常更新應用程式，通常每天要更新好幾次。因此，團隊需要在問題困擾使用者與其體驗之前，即時找到並解決問題。 日益激烈的競爭、不斷提高的客戶期望，再加上客戶行為的改變，促使金融服務組織尋求新方式來提高營業額、管理營運效率並強化自身品牌。越來越多證據顯示使用最新科技（尤其是雲端應用領域）的金融服務機構，在數位轉型的競爭中具備關鍵優勢。 隨著這些機構逐漸邁向數位未來轉型，現代金融服務應用程式將大幅分佈在由複雜的協調流程工具管理的多雲和混合雲環境中。這些環境動態性很高，微服務和短暫應用程式往往不斷變換。這種 Log4Shell等源源不斷的網路攻擊和漏洞，促使工程師不得不遵守嚴格的安全標準，即使他們早已駕馭不斷的變化也是如此。由於使用開放銀行與其他開源範本的風險增加，使得追蹤第三方程式庫和模組以及持續識別和修復任何安全漏洞成為當務之急。 可變性、加上資料的速度與數量，使得管理這些環境變得充滿挑戰。 金融服務機構必須以更快的速度進行創新。此外，無法滿足客戶需求還可能導致他們轉投競爭對手的懷抱，而使業務陷入困境。未得到解決的效能和安全問題也可能會降低營運效率並損害品牌聲譽。 而金融服務機構還面臨自身勞動力的挑戰，讓情況更加雪上加霜。這些機構由於科技快速進步、缺乏有效部署與管理這些技術的必備技能、新興金融市場參與者瞄準了其業務中最有利可圖的領域，以及對工作場所的態度轉變等挑戰。他們必須從根本改變營運方式，不再依賴傳統的人工方式。 金融服務領導者為回應這樣的態勢，其中越來越多機構開始採用人工智慧(AI)與自動化來克服這些挑戰。然而，AI的應用領域很多，不只是採用AI這麼簡單。想從AI中獲得實際利益的機構知道這是一場旅程，一場需要持續創新的旅程。若運用得當，AIOps將能釋放出全新層次的自動化、軟體品質、敏捷性、效率與上市時間，有助於最佳化效率、克服勞動力挑戰、提高利潤與產品聲譽。 數位轉型的新關鍵：AIOps 同時面臨為滿足無數需求而不斷增加的複雜性，以及人才匱乏的挑戰，金融服務領導者可以做些什麼？ 機構必須採取專為應對現代IT與業務環境挑戰而設計的新策略。他們需要像AIOps或AI等技術來進行IT維運，利用AI來進行自動化和提高軟體開發生命週期的效率。 藉助於AIOps策略，團隊不僅可以在應對複雜、快速變化的環境時減少手動流程，還可以消除IT生命週期關鍵領域中容易出錯且乏味的活動。反過來說，AIOps讓團隊在任何類型的環境中都能跟上不斷增長的變化和規模，減輕雇用更多人力的持續壓力，同時提高士氣並留住員工。 本電子書介紹了AIOps和AIOps策略在協助金融服務機構克服數位轉型期間，在面臨日益複雜的多雲挑戰方面所發揮出的核心作用。此外，本電子書還介紹了AIOps在現實世界中的成功實施案例，同時介紹了建構AIOps策略的最佳做法，來推動更快的創新、提高效率，並帶來更好的業務成果。 第1章 什麼是AIOps？ AIOps是一種結合AI演算法與資料分析的軟體營運方式，用以自動化關鍵任務，並針對常見的IT問題(如意外停機或未經授權的資料存取)提出解決方案。在實務上，AI驅動的解決方案能讓IT團隊卸下日常監控與管理任務的重擔，並消除引發疲勞的緊急演練，使團隊專注於關鍵問題之上。 傳統的AIOps 傳統AIOps方法的設計旨在減少警報，並使用機器學習模型提供以關聯性為中心的儀錶板。這些系統通常難以擴大規模，因為底層的機器學習引擎無法精確地針對問題的根本原因提供連續、即時的見解。它們需要大量的訓練，分析師必須花費寶貴的時間手動調整模型並過濾掉誤報的情況。 AIOps利用IT應用程式與系統所產生的大量資料，例如日誌、指標、事件與監控工具。然後，它會應用AI與機器學習演算法分析這些資料，不僅能提供關於問題的實用見解，還能提供更精確的答案。藉由使用先進的分析、依賴關係發現功能與行為模式識別，AIOps可以識別可能表明了IT環境中的潛在問題或效能瓶頸的趨勢與異常。現代金融服務機構能夠產生人類無法分析的海量資料。然而，AIOps能在幾秒內精確指出根本原因並提供準確的答案。 現代AIOps會使用確定性、因果性AI 另一方面，現代AIOps解決方案是為了應對動態雲端情況和軟體交付生命週期自動化而建構的。它結合全端可觀察性，這提供了端到端在每個接觸點的精細可見性，涵蓋應用程式與其運作的基礎架構，在與確定性或因果性AI引擎相互結合的情況下，能即時提供精準、持續與具可操作性的見解。這與使用概率模型推斷系統狀況的隨機（或隨機確定）AIOps方法形成對比。只有確定性的因果性AIOps技術能在整個企業開發的生命週期中，實現完全自動化的雲端營運。 目前有兩種主要的AIOps方法：傳統依據相關性實行的AIOps與現代的確定性AIOps。我們也稱此現代方法為因果性AI (causal AI)，還會同時運用故障樹分析。 AIOps的益處 總體而言，AIOps使金融服務機構能夠在日益數位化的金融服務領域中，實現卓越營運、提升客戶體驗並保持競爭力。透過AI與自動化，金融服務機構可將其IT營運的效率、可靠性和敏捷性提升到新的層次： 1.強化後的營運效率 2.智慧問題解決 3.業務影響分析 4.推動卓越的客戶體驗 AIOps能超越傳統的監控方式，提供IT事件對業務影響的見解。它分析效能問題會如何影響關鍵的金融服務、客戶體驗與創造營業額的活動。這些資訊能讓金融服務機構根據對業務成果的潛在影響來決定應對措施的優先順序，進而有效地集中資源。 AIOps能藉由自動化手動與重複性任務，顯著提升金融服務機構的效率。它能簡化各種流程，例如監控、事件管理與問題解決，讓員工專注於更具戰略性與更複雜的活動上，並減輕在人才匱乏的情況下聘僱更多員工的需求。 當問題出現時，AIOps可以對問題的根本原因提供智慧見解，為IT團隊節省寶貴的時間。它將多個來源的資料關聯起來，分析其依賴關係，並應用AI演算法找出問題的確切原因。這有助於金融服務機構更快解決問題，並將銀行服務的任何潛在停機或中斷情況降到最低。 在金融服務業激烈的競爭下，提供卓越的客戶體驗是非常重要的事。AIOps會協助監控並分析客戶透過各種管道的旅程，例如網路、手機，甚至是ATM交易。透過識別瓶頸、效能問題或使用者體驗問題，金融服務機構可以主動最佳化其數位通路，確保無縫達成且令人滿意的客戶體驗。 AIOps的益處 5.推動自信的決策 6.精簡的數位轉型 7.降低IT支出 數位轉型能推動業務邁向成功，但前提是機構能善用共同語言和數位效能各方面的單一事實來源管理現代環境的複雜性。在此，AIOps工具能協助金融服務機構加速數位轉型，方法則是透過消化並分析其多雲環境中不斷增加的資料量、資料多樣性與資料速度，並應用AI分析來精簡並自動化其營運工作流程。 AIOps透過基於因果性的資料分析，為金融服務機構提供具有價值的見解。憑藉充滿情境感、具可操作性的智慧，團隊能夠依據期望結果優先考慮行動安排。金融服務領導者能對包含費用最佳化、容量規劃、基礎設施最佳化與資源分配等廣泛決策充滿信心，進而進一步節省成本並提高營運效率。 研究顯示，IT與雲端營運團隊花費44%的時間來保持正常運轉，確保工具與技術按預期執行並可隨時使用。然而，透過應用自動化技術與AIOps工具，金融服務機構平均每年可省下480萬美元。 從儀表板到自動診斷 傳統的相關性AIOps就像汽車儀錶板上的引擎檢查燈：它會告訴您發生了問題，並指出受影響之處。但它並沒有解釋您需要知道的關於問題發生的原因或如何快速解決問題的所有資訊。 相比之下，確定性AIOps就像一個診斷工具，可以準確告訴您哪個元件發生故障以及該如何修復。您可以專注在補救問題之上，不必費力地去猜測根本原因。 頂尖金融服務機構已將確定性AI應用在許多領域，包含以下： 更重要的是，當確定性AI整合到整個技術堆疊中時，它可以自動修復問題而無需人工干預。例如，如果系統遇到網路瓶頸或應用程式錯誤，開發人員和現場可靠性工程師(SRE)可以收到關於問題的通知、了解問題的原因以及系統解決問題的方式，而不必手動進行疑難排解和重新設定系統。他們可以將寶貴的時間用來處理其他影響更大的任務。 • 索賠與承保• 產品創新與交付• 貸款啟辦與處理•電子貨幣轉帳與支付• 內部流程最佳化• 物聯網(IoT)與第三方連結性 • 數位與手機應用程式體驗• 偵測詐騙與預防• 風險管理• 客戶服務與支援• 網路安全• 業務流程自動化• 信用評分與貸款 確定性AIOps解決方案也使不斷變化的雲端環境更容易管理。自動化、確定性AI引擎不必針對它所支援的每個應用程式或雲端服務進行人為自訂。從雲端環境中出現新的資源或現有資源發生變化的那一刻起，確定性AIOps解決方案就可以在情境中完全可見的情況下自動發現它。這種自動發現不再需要在每次更新時進行手動組態設定，因此節省團隊時間並使擴展變得輕而易舉。 AIOps運作原理 AIOps解決方案依賴於一組核心功能： 可觀察性 可操作性 自動化 擴充性 可觀察性涉及日誌、指標和追蹤的收集和分析，以識別相關的系統趨勢和異常情況，這對於企業級AIOps解決方案而言至關重要。可觀察性可以作為理解高度動態、大規模IT環境中的活動的基礎。 由於現代IT環境是分散式且動態的環境，AIOps必須具備高度的可擴展性。AIOps解決方案需即時感知軟體堆疊的所有階層，並且必須能與任何架構、技術或平台整合。 即使是使用基礎AIOps工具，僅僅告訴團隊發生問題是遠遠不夠的。相反地，AIOps解決方案必須超越簡單的警示儀表板並提供關聯式分析。開發人員和SRE可以藉助了解確切根本原因的情況，立即採取明確的行動並自動回應。這就是組織將AIOps功能轉變為AIOps策略的方式。 AIOps的核心目的是實現複雜流程的自動化，否則這些流程將需要大量的時間和人力。AIOps可以自動化整個IT組織的無數流程，包括傳統IT作業、雲端作業、DevOps和安全性作業。這減輕了在人才匱乏情況下聘僱新人的壓力，並減少關鍵活動中的錯誤。 進一步採用確定性AIOps方法 除了基本功能之外，確定性AIOps方法將維運作業提升到新層次，為業務帶來好處。 例如： 確定根本原因以加速和自動化補救 確定性AIOps積極地識別問題的根本原因，而不僅僅是關聯兩個或多個問題之間的某種關係。清楚釐清根本原因能使團隊立即回應並且自動進行修復，因此完全不需要耗 利用即時情境進行業務分析 持續即時偵測問題的能力至關重要，尤其是在快速變化的雲端環境中，其中某些資源(如容器)是短暫且不斷變化的。確定性AIOps透過即時分析串流資料來達成目的，無需依賴耗時的資料訓練和機器學習模型來識別相關資訊。 自動修復 確定性AIOps可以自動解決問題。反過來，工程師可以從解決相對簡單的問題轉向專注於關鍵任務挑戰，例如規劃與交付新的軟體版本、改善客戶的用戶體驗、確定終端使用者需求並將這些增強功能整合到即將推出的軟體版本中。 第2章 AIOps成功的支柱 並非所有方法都是一樣的 採用AIOps解決方案是好的第一步，但並非所有AIOps方法都是一樣的。 最佳的解決方案整合以下關鍵支柱： 可擴展性 可觀察性 可靠性 AIOps應該無需訓練資料模型即可與組織的所有技術搭配使用。它應該隨著IT環境的發展而不斷地即時學習與擴展。 AIOps解決方案提供的深入見解應該具有一致性、可靠性和可解釋性。AIOps應該提供易於追蹤和精確的根本原因分