可预测的维护

总部位于东京的Konica Minolta曾以相机而闻名，但在2017年初，它开始在公司内部使用AI驱动的IT基础设施管理工具ScienceLogic，以支持其办公室和IT服务业务，以帮助预测哪些设备即将出现故障。

该公司副首席技术官Dennis Curry表示，起初，这些预测的准确率约为56％，但随着时间的推移，该系统越来越准确。他说：“现在我们可以预测在接下来的两周内95％的故障，这让我们可以减少停机时间，降低整体成本。”

该公司正在将该技术添加到Workplace Hub中，并且该公司的ScienceLogic－powered IT管理平台也将于今年晚些时候推出。

Nlyte软件公司还计划提供一种基于AI的预测性维护工具。 Nlyte采用IBM的Watson技术，利用客户的一般信息来收集有关常用设备的状况，并将其与个体客户环境的学习相结合。

“我们有我们已经建立的模式，我们正将这些模式提供给客户，”该公司首席战略官Enzo Greco说。“但是我们发现，每个客户的环境都略有不同，因此我们也为客户提供了一个工具包，用于创建他们自己的用例，他们自己的AI模式。”

最主要的两种用途是能源优化，比如在哪里放置新服务器以优化散热，以及工作流优化，也就是在哪里放置工作负载。

这些工具通常是由公司定制的，根据他们自己的操作进行定制。现在，有了现成的软件和预先构建的模型，企业就可以快速地启动和运行，而不必在内部部署深入的人工智能技术。

总部位于荷兰的Interxion公司已经看到了利用机器学习来改善运营的好处。几年前，这家在全球13个城市运营着50个数据中心的公司，开始从施耐德电气部署数据中心基础设施管理（DCIM）技术EcoStruxure。

“我们每年都会新建四个数据中心，”公司的首席数据中心技术和工程官员Lex Coors说。“这让我们有机会回顾过去，看看没有任何EcoStruxure的老客户，EcoStruxure的早期版本以及最新版本都在做什么。”

他说，早期的版本很难使用。他们提供了大量信息，但需要更多的工作人员来理解数据并做出决定以加以实施。

“即使使用新系统，它也提供了如此多的建议，”他说。“我整天都在执行这些建议。”

他说，但该产品的最新版本包含了更多的智能功能，现在可以节省成本了。

重置资本支出预算节省了1％至2％的资金。“在维护运营预算中，我看到了10％的下降，所有的分析都带来了好处。”

这是因为该公司可以在正确的时间做适当的维护，以避免设备故障，并且还提出了优化能效的建议。

但即使是最新的版本也需要改进。“今天它可以告诉我要改变到这个温度，明天换到另一个温度，第二天再回到第一个温度，因为那是当时最好的决定，”他说。该系统应该基于长期的预测提出建议，并优先考虑这些建议。他的公司正在与施耐德合作，以改进该系统。

“DCIM系统的机器学习能力仍然有限，”他说。“看看我们现在的数据中心，想想我们可以用机器学习做些什么，显然，现在还不够多。”

但是AI在DCIM中的技术能力可能会不断扩大。

“这是一个全新的领域，是这个行业的一个新发展，而且它很强大，”她说。451 Research的数据中心和关键基础设施的研究主管Rhonda Ascierto表示，Eaton是DCIM领域的另一个供应商。“我认为这是一个将物理数据中心管理与许多其他服务集成在一起的长期演进性变革的开始。随着技术的发展，可能会增加其他数据和服务，包括集成工作负载管理，能源管理，员工服务，安全和网络管理。

她说，所有这些都需要时间来完成，而且数据供应商可以收集的数据越多，他们的平台就会越聪明，也越有价值。因此，客户可以以极低的成本获得这些工具。

局限性

但Forrester Research的分析师Michele Goetz表示，用于IT运营的通用AI平台仍然难以实现。

“目前还没有真正能够替代数据库管理或系统管理员的人工智能系统，”她说。“这些AI解决方案的成熟还需要几年时间，我们也需要时间让企业组织对在IT环境中部署人工智能有一个更好的愿景。”

其中一个挑战是人工智能目前需要大量的训练数据，而这些数据只能用于特定类型的问题。此外，国际数据公司分析师Shannon Kalvar表示，系统之间的对话也需要改进。

“从技术上讲，对于IT服务管理和IT运营管理的融合，我们可以在两到三年内完成，”他说。“它们之间存在技术挂钩。但说实话，我并没有看到太多这样的设计思维。”

他说，这不仅仅是关于自动化流程。“现在，我们依靠人们的经验，支持人们，运营人员，去理解并把它们联系在一起。我不想过分苛刻，有几个供应商正朝这个方向努力，但我们确实还没走到那一步。”

他称之为一个过程抽象层，一种综合智能。

根据Turbonomics调查公司与Red Hat和AppDynamics合作的对750名IT运营经理进行的调查显示，68％的人说他们还没有将人工智能用于IT管理，24％的人说他们正在试验人工智能。

然而，84％的人认为人工智能可以通过创建自组织系统来降低复杂性。

IDC的Kalvar表示：“我认为这是很多人想要实现的目标，但我不确定我们当中有任何人曾经触碰到它。”