人工智能影响企业IT基础架构的7种方式

简介:

在过去几年中,人工智能(AI)技术已经得到一定发展,许多行业分析师认为,AI将在不久的将来对企业IT产生显著影响。

IDC预测,全球认知系统和人工智能支出将从2016年的80亿美元攀升至2020年的470亿美元。“软件开发人员和最终用户组织已经开始将认知/人工智能嵌入和部署到几乎各种企业的业务流程中,“IDC研究总监David Schubmehl表示。

他补充说:“对人工智能的认知和理解,这项技术能给企业带来的增长机会,将是大多数企业考虑人工智能的因素,而因为AI造成的数字化转型的中断将是致命的。”

在Gartner列出的2017年十大战略技术趋势中,前三个分别是AI和机器学习、智能应用程序和智能化项目,这三者都围绕着人工智能。

AI如何影响企业的IT基础架构?

1、资源需求增加

AI系统需要大量的计算能力,并且为了支持他们,企业需要可以访问具有多核处理器的服务器或云计算服务。 另外为了构建机器学习系统,企业需要大量的数据,这意味着需要更多的存储容量。 当然,组织还需要大量网络资源来支持这些计算和存储系统。

2、安全情报

安全解决方案产生大量的日志数据,IT管理人员已不能人工管理。 越来越多的安全分析、威胁情报和用户实体行为分析(UEBA)产品利用机器学习和高级算法,来识别和减轻攻击。

然而,黑帽子很快就会开始将AI整合到他们的代码中。 基于AI的网络攻击变得司空见惯可能只是时间问题。

3、智能监控

除了能够为网络安全提供帮助,AI还可以帮助监控网络和其他基础架构。 比如Dynatrace平台,它提供基于AI的全栈监控,它集成了机器学习和大数据分析功能,为IT专业人员提供智能监控功能,使他们更轻松地完成工作。 该领域的其他供应商还有Spunk和SumoLogic,他们的产品更广泛地集中在分析各种机器数据,但可用于网络监控。

4、自动帮助支持

人们已经习惯了Cortana和Siri等智能助手,客户服务聊天室也变得越来越普遍。很快,AI将可以接管这些自助帮助的职责。IPSoft已经创建了一个名为Amelia 的AI,可以执行一些相关功能。 像IBM的沃森(Watson)这样的平台也提供了类似的功能,可以帮助减轻一些IT负担,为他们所服务的组织提供支持。

5、智能存储

一些存储专家期望AI也能进行存储管理。机器学习工具可以学习IO模式和数据生命周期,允许存储解决方案做出与存储优化和分层相关的更明智的决策。 也许有一天,AI甚至可以预测存储解决方案会发生故障,给用户有时间备份数据,并在硬件出现问题之前更换硬件。

6、AI用于基础设施管理

一些专家设想了一个未来,AI不仅可以保护、管理和解决有关网络的问题,而且还可以积极地管理和维护这些系统。 这种自动化水平有时被称为自驱动基础设施或AI定义的基础设施。诸如软件定义的数据中心和编排工具(如Kubernetes )的趋势正在使这种设想成为可能。

7、对人的影响

当然,在关于AI的讨论中,人们都会怀疑机器人是否会最终接管他们的工作,特别是一些IT基础架构管理职位。 5月份,Gartner发布了这样的预测:“AI将最终取代IT组织的许多常规功能,特别是在运营方面,例如系统管理、帮助台、项目管理和应用程序支持。”

然而,许多专家认为,尽管AI会改变人类正在进行的工作的性质,但它不会减少人类的工作岗位。Gartner补充说:“一些工作职位将会消失,但AI会改善人才技能短缺的情况,整个IT组织可以越来越重视创新工作。”


本文作者:宁飞虹        

来源:51CTO

目录
相关文章
|
8月前
|
机器学习/深度学习 人工智能 监控
大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
大型动作模型(LAMs)作为人工智能新架构,融合神经网络与符号逻辑,实现企业重复任务的自动化处理。通过神经符号集成、动作执行管道、模式学习、任务分解等核心技术,系统可高效解析用户意图并执行复杂操作,显著提升企业运营效率并降低人工成本。其自适应学习能力与上下文感知机制,使自动化流程更智能、灵活,为企业数字化转型提供坚实支撑。
528 0
大型动作模型LAM:让企业重复任务实现80%效率提升的AI技术架构与实现方案
|
8月前
|
人工智能 数据可视化 算法
企业想做数智化,数据仓库架构你得先搞懂!
在数智化浪潮下,数据驱动已成为企业竞争力的核心。然而,许多企业在转型过程中忽视了数据仓库这一关键基础。本文深入解析数据仓库的重要性,厘清其与数据库的区别,详解ODS、DWD、DWS、ADS分层逻辑,并提供从0到1搭建数据仓库的五步实战方法,助力企业夯实数智化底座,实现数据治理与业务协同的真正落地。
企业想做数智化,数据仓库架构你得先搞懂!
|
6月前
|
运维 Prometheus 监控
别再“亡羊补牢”了!——聊聊如何优化企业的IT运维监控架构
别再“亡羊补牢”了!——聊聊如何优化企业的IT运维监控架构
249 8
|
12月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
1660 62
|
人工智能 自然语言处理 运维
AI时代 创作何为?AI如何重塑IT行业格局
本文探讨了AI时代创作的本质与IT行业的变革。在创作领域,AI带来范式革新、价值重构及能力升级;在IT行业,AI推动技术架构智能化、开发流程优化和业务模式创新。同时,文章分析了AI带来的挑战与机遇,并展望了AI与IT深度融合的未来,强调需关注伦理法规与跨领域发展,共同迎接智能化新时代。
1602 58
|
9月前
|
人工智能 自然语言处理 供应链
AI时代企业难以明确大模型价值,AI产品经理如何绘制一张‘看得懂、讲得通、落得下’的AI产品架构图解决这一问题?
本文产品专家系统阐述了AI产品经理如何绘制高效实用的AI产品架构图。从明确企业六大职能切入,通过三层架构设计实现技术到业务的精准转译。重点解析了各职能模块的AI应用场景、通用场景及核心底层能力,并强调建立"需求-反馈"闭环机制。AI产品专家三桥君为AI产品经理提供了将大模型能力转化为商业价值的系统方法论,助力企业实现AI技术的业务落地与价值最大化。
463 0
|
12月前
|
人工智能 供应链 调度
|
机器学习/深度学习 人工智能 自然语言处理
AI浪潮下普通IT人的职业成长路径探索
本文探讨了AI浪潮下普通IT从业者的成长路径,涵盖工作方式变革、技能升级与职业结构调整带来的挑战。文章强调夯实编程基础、学习AI知识、积累实践经验及提升软技能的重要性,并介绍生成式人工智能认证(GAI认证)对职业发展的助力,包括提升专业形象、增强竞争力和拓展职业道路。最后呼吁IT从业者积极拥抱变化,关注跨领域融合与技术伦理,建立个人品牌以应对未来机遇与挑战。
AI浪潮下普通IT人的职业成长路径探索
|
人工智能 运维 监控
领先AI企业经验谈:探究AI分布式推理网络架构实践
当前,AI行业正处于快速发展的关键时期。继DeepSeek大放异彩之后,又一款备受瞩目的AI智能体产品Manus横空出世。Manus具备独立思考、规划和执行复杂任务的能力,其多智能体架构能够自主调用工具。在GAIA基准测试中,Manus的性能超越了OpenAI同层次的大模型,展现出卓越的技术实力。