瑞士信貸集團：會聊天的AI機器人
瑞士信貸集團（Credit Suisse Group AG）去年12月推出了一款聊天機器人，幫助企業(yè)處理密碼重置和計算機重新啟動等日常請求。“之前，我們僅提供語音服務，弊端是在處理用戶查詢方面的效率比較低，員工需要在電話隊列中等待客服人員?！比鹗啃刨J集團認知和數(shù)字服務負責人Jennifer Hewit說。“我們希望將一個機器聊天功能引入到這個平臺，為用戶提供更快捷的響應和操作。”
2016年底，瑞士信貸集團開始考慮此事。2017年初選擇了數(shù)字勞動公司IPSoft的Amelia 聊天機器人系統(tǒng)，并于同年6月份開始安裝，年底開始運行。Amelia是一個能夠隨時從智能前臺對話切換到智能后臺執(zhí)行的整體流程人工智能平臺。“當我們引入她時，她還像個嬰兒，因為我們仍然需要花大量時間來訓練她的大腦?！盚ewit指著聊天機器人說。
例如，當聊天機器人遇到某些無法處理的請求時，會切換到人工服務，聊天機器人則會繼續(xù)跟隨通話進行自動學習。在學習結果被輸送回聊天機器人系統(tǒng)之前，銀行會進行審查，以防止日后出現(xiàn)錯誤和偏差。
Amelia系統(tǒng)正在為全球40個國家76,000名用戶提供服務，預計在今年年底，將有25%的查詢轉入機器人服務平臺，這一目標也將使三分之一的技術支持人員從語音服務中解放出來。瑞士信貸集團在信息技術領域使用人工智能技術，通過將較低級別的工作交給更適合這些任務的機器，而讓更多IT人員去推動更深層次的業(yè)務價值。
得克薩斯州A&M大學：人工智能安全助理
得克薩斯州A&M大學是另一個將AI應用于IT部門的組織。該學校部署了美國網(wǎng)絡安全公司Endgame的虛擬智能助理Artemis，幫助新員工保證大學安全，避免網(wǎng)絡攻擊。（Artemis利用機器自然語言處理技術，實時掃描Endgame端點收集的所有數(shù)據(jù)，并檢測網(wǎng)絡活動中的惡意攻擊。）
“我們監(jiān)控了11所大學和7個國家機構的網(wǎng)絡，”德克薩斯州A&M大學系統(tǒng)安全分析師Barbara Gallaway說。Gallaway的團隊包括九名全職員工和八名兼職學生，他們都沒有處理安全事件的經(jīng)驗。
“在對新員工們進行培訓時，他們可以使用簡單的英語向AI系統(tǒng)提問，實現(xiàn)了工作和培訓同時進行?！盙allaway說?！拔覀冊诮衲?月份進行了新一輪招聘，新員工花了兩個小時才弄清楚他們在做什么。但是接下來他們的學習速度開始加快，而且向全職工作人員的提問也在減少。他們不再需要反復地在GOOGLE上搜索，或者觀看學習視頻?！?/p>
Gallaway表示，虛擬智能助理對招聘也產(chǎn)生了積極影響。兩年前，當他們需要雇傭三名安全分析師時，卻找不到足夠的工作申請人。今年，有88個申請人競聘7個職位。坊間傳說我們在做的事情非常有趣，人們不只是簡單的盯著屏幕，而是通過它獲得了現(xiàn)實世界的經(jīng)驗。Gallaway也希望通過對虛擬智能助理的了解，讓更多的人投身網(wǎng)絡安全事業(yè)。
墨菲石油：AI優(yōu)化基礎設施管理
墨菲石油總部位于阿肯色州，是一家在美國、加拿大和馬來西亞開展業(yè)務的石油公司，在全球擁有1,200名員工。過去一年間，該公司將其基礎設施從傳統(tǒng)的內部部署和托管遷移到云計算和SAAS中，而最主要的節(jié)流方式則是將智能管理增加到云基礎架構中。
墨菲石油數(shù)字化轉型IT總監(jiān)Mike Orr表示：“如果你只是將工作負載提升到云端，你不會節(jié)省任何資金，相反可能會讓你付出更多?！?因為云計算確實提供了很大的靈活性，但卻需要付出很大的人力來調整工作負載。因此，墨菲公司采用了Turbonomic提供的AI動力系統(tǒng)，以便為優(yōu)化基礎設施提出建議。當AI動力系統(tǒng)提供的建議被采納，人們會發(fā)現(xiàn)軟件提供了更好的決策，而且這個決策是數(shù)據(jù)驅動的，而不是直覺和情感。
在此之前，Orr擁有四分之一的全職員工，現(xiàn)在這些員工的數(shù)量只有十分之一。墨菲石油將員工的工作從基本運維轉為業(yè)務支持。例如，某些員工正在學習自動化流程，以便公司進一步提升成熟度曲線?！拔覀兛偸怯泻芏喾e壓的項目要做，因此員工不必裁員問題。”O(jiān)rr補充道。
俄亥俄北坎頓學校：從關聯(lián)性中學習
俄亥俄北坎頓學校則面臨著不同的基礎設施管理挑戰(zhàn)，即如何在整個校園內架設無線網(wǎng)絡，包括確保用戶筆記本電腦和移動設備可以正確連接上網(wǎng)。
該網(wǎng)絡覆蓋大約4,400名學生，650名員工，7座建筑物和6000至8000臺設備，但只有三名網(wǎng)絡管理員。去年8月，該學校使用了Mist Systems公司的提供的自我學習網(wǎng)絡進行無線網(wǎng)絡管理，并且還獲得了一個全新的AI供電接口。
“它給人的感覺的確更快。你可以問它：‘第一個接入點出了什么問題？’它會告訴你所有的信息，以便你進一步深入研究?！?俄亥俄北坎頓學校系統(tǒng)管理員John Fano說。除了自然語言界面之外，后端還有AI進行網(wǎng)絡活動分析?！拔覀円徽甓荚谑褂盟?，甚至在網(wǎng)絡上發(fā)現(xiàn)了我們從來沒發(fā)現(xiàn)過的問題。”
例如，去年，John Fano的團隊花了九個月的時間進行數(shù)據(jù)包捕獲和跟蹤，以向其供應商證明員工筆記本電腦的無線網(wǎng)卡出現(xiàn)了故障。在Mist的幫助下，團隊能夠實時地查看問題，以及幾乎所有數(shù)據(jù)包信息，并能夠在大約一個小時內重復查找問題。
Mist通過分析自己組織內部的數(shù)據(jù)發(fā)現(xiàn)網(wǎng)絡問題，并將其與來自其他數(shù)據(jù)共享客戶的匿名參考數(shù)據(jù)相結合。Mist Systems首席技術官Bob Friday表示，由于人工智能被納入產(chǎn)品中，即使是不具備人工智能專業(yè)知識的企業(yè)，仍然可以從這項技術中受益。
AI預測性維護
以生產(chǎn)相機聞名于世的日本企業(yè)柯尼卡美能達公司，于2017年初開始在內部使用由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，并用于預測哪些設備即將崩潰。
該公司副CTO Dennis Curry表示，起初，預測的準確率僅為56%。但隨著時間的推移，該系統(tǒng)可預測到未來兩周內將出現(xiàn)的問題，準確率達95%，有效減少了停機時間并降低總體成本。該公司正在將該技術添加到云端軟件監(jiān)控公司ScienceLogic支持的IT管理平臺Workplace Hub中，并將于今年晚些時候推出。
Nlyte軟件公司也計劃提供一種基于AI的預測性維護工具。Nlyte采用了IBM的Watson技術，利用客戶的一般信息收集有關常用設備的見解，并將其與個體客戶環(huán)境的學習相結合。Nlyte公司首席戰(zhàn)略官Enzo Greco表示：“我們已經(jīng)了建立的模式，并且將這些模式提供給客戶。“但是我們發(fā)現(xiàn)，每個客戶的IT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)建他們自己的用例和AI模式?！?/p>
位于荷蘭的Interxion公司也看到了使用機器學習來改善公司運營的好處。Interxion公司在全球13個城市運營了50個數(shù)據(jù)中心，并于幾年前開始部署施耐德電氣的數(shù)據(jù)中心基礎設施管理（DCIM）技術EcoStruxure。
“我們通常每年都會建設四個新的數(shù)據(jù)中心。這使我們有機會回顧并了解那些未使用EcoStruxure的數(shù)據(jù)中心的狀況，以及EcoStruxure的早期版本和最新版本有哪些區(qū)別。”Interxion公司首席數(shù)據(jù)中心技術和工程師Lex Coors介紹說。
Coors表示，早期的版本很難使用。他們提供了大量的信息，但需要很多人來理解這些數(shù)據(jù)并做出決定，再加以實施。即使是新一些系統(tǒng)，也會提供很多建議，需要用一整天來執(zhí)行。不過，EcoStruxure的最新版本包括了更多的智能功能，可以有效地節(jié)省成本。整體支出預算可節(jié)省1%到2%。在運營維護預算中，Coors注意到全部收益降低了10%。這是因為公司在正確的時間做了適當?shù)木S護，避免了設備故障，并提出了優(yōu)化能效的建議。
但是，即便是最新的版本也要付出一定的工作量。該系統(tǒng)會根據(jù)長期預測提出建議并對其進行優(yōu)先排序，因此Interxion公司正在與施耐德合作改進系統(tǒng)。
雖然DCIM系統(tǒng)的機器學習能力仍然有限，但AI在DCIM中的技術能力會有很大的擴展。數(shù)據(jù)供應商收集的數(shù)據(jù)越多，他們的平臺就會越聰明，越有價值。因此，未來客戶可以以極低的成本獲得這些工具。
AI解決方案的確來了，然而…
Forrester Research的分析師Michele Goetz表示，面向IT運營的通用AI平臺依然難以實現(xiàn)。她認為，目前還沒有人工智能系統(tǒng)可以取代數(shù)據(jù)庫管理員或系統(tǒng)管理員。這些AI解決方案還需要幾年才會成熟，因此我們還需要時間讓企業(yè)組織更好地了解在其IT環(huán)境中實施AI會達到什么效果。
IDC分析師Shannon Kalvar表示，首要的挑戰(zhàn)是AI仍需要大量的訓練數(shù)據(jù)，而且只適用于特定類型的問題。此外，系統(tǒng)還需要具備比現(xiàn)在更好的交流能力。從技術的相關性來推測，Kalvar認為IT服務管理和運營能夠在兩到三年內完成，但是這樣的設計思路卻尚未出現(xiàn)。依靠技術支持和操作人員的經(jīng)驗將全部的流程聯(lián)系在一起還不夠，雖然有些廠商已經(jīng)開始在這方面進行嘗試，但還不夠。
據(jù)Turbonomics針對750名IT運營經(jīng)理的調查顯示，68%的參與者表示他們還沒有將人工智能用于IT管理，24%的人表示他們正在嘗試使用它。84%的人表示他們認為借助人工智能技術可以降低創(chuàng)建自組織系統(tǒng)的復雜度。
“我敢斷定，這是很多人都想涉足的領域，但我不確定他們現(xiàn)在有足夠的能力做到?！盞alvar補充道。
