文:SolarWinds首席极客Leon Adato
2020年新冠疫情带来的影响,如同一枚硬币的两面,一方面对很多机构甚至全行业造成了冲击,另一方面则加速了企业的数字化转型进程,也让IT专业人士的工作发生变化。目前全球整体疫情形势仍然严峻,国内虽然也会不定时爆发小规模疫情,但整体已恢复正常。国内经济走向复苏,IT行业也恢复了增长。据IDC最新发布的预测显示,2021年中国的ICT支出突破4654亿美元,占到亚太市场(不含日本)总规模的一半以上,增长率为5%。
后疫情时代,IT团队需要重新为工作的优先级排序。IT专业人士该注意什么,提前准备好什么,以免发生意外?
接下来几个月有一件事可以肯定,那就是IT工作将返璞归真。公司的优先业务不是采用一些还没被实践证明的“风口技术”,而是更基础的工作,比如IT环境管理,尤其是对云和网络的管理。前段时间的SolarWindsIT专业人士日调查也证实了这一观点。这对任何IT专业人士来说都是件好事。不过接下来的业务优先级、目标和预算等等都可能给这些“基础工作”带来变数。以下是IT专业人士在面对新形势时应该考虑的一些问题。
IT运维求稳大于求新
疫情期间,很多企业面临IT预算收紧的挑战。随着国内疫情基本结束,IT预算有所恢复。据Gartner预测,2021年针对IT运维的支出将增长4%,但这些钱可能会被花在笔记本电脑、云服务以及应用性能管理(APM)软件等IT支出上,以确保业务的正常运转和商业服务的稳定交付。也就是说,理智的企业可能会把更多预算用于远程办公所需的硬件和数字服务,而不是新的项目和技术。
这对IT部门意味着什么?首先,他们需要仔细检查现有IT基础设施的使用情况,确定使用率较高的领域,比如特定的云服务环境或网络,并争取采用能够验证、简化和优化这些领域的性能和交付的数字工具。例如,采用网络监控解决方案来监控VPN隧道的稳定性,可以最大限度地减少对这一关键通信资源的干扰。这一手段不仅能帮助IT专业人士更好地利用有限的预算,还能帮他们摆脱企业成本中心的固有形象,成为业务运行和恢复的重要合作伙伴。
多云策略有待重新思考
有一点不可否认,云是为远程办公人员提供支持的关键基础。但是,对许多企业来说,云计算的成本和复杂性都在不断增加。目前,超过34%的组织使用两个或更多的云,而且这一比例在后疫情时代还有所增加。为了支持一系列特定服务,IT部门部署了多个云产品。此外,其他业务部门也有可能部署不在IT权限之内的云服务。
为了避免大量消耗原本就有限的预算,IT专业人士有必要重新思考企业的多云战略。他们可以跟决策者沟通,了解企业未来哪些业务需求只能通过云技术满足,从而在选择多云时掌握更多主动权。许多高管坚持采用冗余、多云的方法,只是因为这样能带来安全感。IT专业人士需要让他们明白,“某某云有可能会宕机”并不是把环境复制到另一家云上的好的理由(从成本效益角度看更是如此)。随着对未来业务需求的深入了解,IT专业人士应该考虑能满足多种需求的云服务提供商——比如为员工提供数据访问的云解决方案,同时具备关键数据库分析和管理能力,能满足运营开发工程师或者项目经理的需求。
拥抱自动化正当其时
新冠疫情严重的时候,IT专业人士的经历都差不多:IT团队为各种故障和服务工单忙得不可开交,而其中大部分是只需要几分钟就能搞定的小问题。几乎一夜之间,IT的角色从帮助台(help desk)变成了服务台(service desk)。有什么办法能解决这个困境呢?答案就是自动化。打补丁、用户访问重置、网络配置以及合规检查等重复性任务非常重要,但在远程大规模操作时会非常耗时且无法持续,而自动化可以解决这个问题。
IT专业人员对服务请求逐步自动化其实并不陌生。疫情爆发前,大多数IT团队已经成为企业内部事实上的服务提供商,把传统的IT服务管理(ITSM)最佳实践与自动化相结合,来管理用户配置、迁移和服务部署等帮助台功能。虽然国内疫情已基本结束,企业仍需要保持警惕,为远程办公做足准备,无论是采用“混合制办公”模式,还是完全“远程优先”的结构。因此,选择合适的ITSM平台,并借助自动化手段来处理服务工单就十分重要。这样做能释放更多的It资源,来完成例如做计划、新员工入职以及技术等更重要的任务。
随着疫情告一段落,大家开始重新考虑新的需求和技术,但成熟的技术依然是IT的基础。当然,当前的经济和工作环境依然存在不确定性,但是,IT专业人士可以做好充分准备,以此更好地掌控IT运营的基本面。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。