AIOps 在汽車產業的正確應用

AIOps在汽車產業的正確應用

AI的承諾

AI正推動企業軟體進入新創新週期，實現智慧型自動化與垂直集成。隨著數位化與雲端運算的普及，AI驅動的軟體智慧承諾能解決技術複雜性和營運風險，實現新世代的自動化雲端企業系統。AI與自動化即將徹底改變營運領域的遊戲規則，貫串數位化價值鏈的各個環節，從軟體開發到服務遞送，再到與客戶的互動，每個環節都可以透過收集與智慧應用的方式改進。

異常檢測與警報

自動化營運的目標是減少平均恢復時間(MTTR)，透過自動異常檢測與警報（快速平均發現時間(MTTD)）實現。傳統監控工具專注於應用程式效能指標與基準，但難以應對雲端需求，尤其在微服務架構下易出現「警報風暴」。AI提供兩種減少警報噪音的方式：使用故障樹分析的確定性AI和預測性AI。預測性AI需要人類詮釋，而確定性AI能精確查明根源。

獲得最佳監控資料

完整的系統可見性是自動化營運的必要前提。目標是達成全面的端到端可見性，包含應用程式、雲端基礎設施、網路、CI/CD途徑與真實使用者體驗。資料收集應具備高逼真性（最低程度抽樣或未抽樣），並具備即時拓撲圖與服務流程圖功能。

AI營運與根源分析

未採用AI的企業將面臨巨大挑戰。Dynatrace的AI引擎「Davis」使用應用程式拓撲與服務流程圖，配合具高逼真性的指標，執行故障樹分析，自動並準確地確定技術異常的根源。確定性故障樹分析能逐步重現問題發展，並透過API觸發自動化補救。

影響分析與基礎根源

進階軟體智慧系統能評估問題的嚴重性，包括使用者影響、受影響的服務呼叫和業務影響。基礎根源分析能具體說明故障原因，例如部署、第三方組態變化或基礎設施的可使用性。AI引擎需要權限前往CI/CD途徑、ITSM解決方案等第三方資料，以進行深入分析。

自動化補救

自動化補救的實現需要基礎設施即程式碼與雲端協調層級的支持。軟體智慧平台與CI/CD解決方案或雲端平台組態層級集成，透過API提供全棧監控、自動化異常檢測、精確的根源分析與問題通知，實現自動化問題解決。

自動化與系統集成

自動化不止步於軟體營運與自動化補救，還能實現整體數位價值鏈自動化。AI驅動的軟體智慧遵循「左移」概念，在開發生命週期更早的階段使用生產資料判定變化是否良好。自動化客戶服務能透過聊天機器人自動聯絡受影響使用者，提供補救方式。

結論

AI與自動化正改變營運領域，貫串數位化價值鏈。Dynatrace等解決方案透過確定性AI、全面可見性和自動化補救，實現真正AIOps，降低營運成本，提高軟體品質，並創造全新商業流程。