达?矢抾哆拉?
特别是人工智能技术的深入发展让企业在获取业务永续方面有了重要抓手。要说起人工智能，那可是现在的热门。人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、业态、模式，从而引发经济结构的重大变革，实现社会生产力的整体提升。麦肯锡预计，到2025年全球人工智能应用市场规模总值将达到1270亿美元，人工智能将是众多智能产业发展的突破点。
同样，AI在赋能业务永续方面也发挥了举足轻重的作用。自动化、预测力和认知力正在成为企业业务永续的基准和必备能力，无论是日常运维、IT支持服务，还是灾难恢复、风险合规等领域都与业务永续密切相关。随着企业业务以及科技的持续发展，企业业务永续的风险正在逐渐增大。通过将认知、高级分析和自动化技术融入到业务永续的IT解决方案中，企业能够更好地驾驭风险。
对于企业而言，他们可以利用AI支撑业务创新和企业永续。要达到这一个目标，建立一个符合业务永续和永续运营的数字化平台是第一步，第二步就是把机器学习嵌入所有流程，第三步就是用数字智能赋能所有人。
智能驱动的IT运维——AIOps
IT运行环境越来越复杂，也变得越来越多变。多云环境、容器化负载、微服务应用架构，都增加了IT运维复杂度。如果说最初的运维就是发现问题和解决问题，那么数字化的出现改变了IT运维的本质。
在IT运维中融入AI可以提升运维效率和服务，但是如何让AI作出的决策可信度提升，需要对海量数据进行治理，机器自我学习以及人工辅助，才能让整个流程可控及有效。这也就是目前业界都在谈论的AIOps。
AIOps自2016年由Gartner提出之后，备受市场追捧。根据Gartner的分析预测，到2022年，所有大型企业中，40％的企业将使用AIOps工具，将大数据和机器学习功能结合起来，支持和部分取代现在5％以上的监控、服务台和自动化流程和任务
目前AIOps的发展具备天时地利人和，既具备海量的结构化和非机构化数据，创新业务的增长也驱动对IT运维的服务高标准的要求，同时AI技术的发展也日趋成熟，这些都在推动AIOps的发展。
典型的AIOps落地场景包括异常检测、动态基线、根因分析、故障预测和应用性能监控等。一个解决方案可以在问题出现之前实时乃至预先解决，这就是智能化运维所蕴含的价值。比如，某大型商业银行数据中心系统通过AIOps，能够检测包括Unix、Linux以及Windows在内的近千台服务器节点，提前14小时检测出应用节点出现资源消耗异常，并最终导致异常退出的故障；以及某个商业云平台能从1000多个节点中，快速过滤出30多个异常点，并根据置信度给予优先排序，帮助应用人员快速定位问题。
虽然AIOps是趋势，但由于AIOps涉及“历史数据管理”、“流数据管理”、“自动模式发现与预测”、“根本原因确定”、“内部部署交付”等多种功能需求，并需要熟悉不同行业的特定业务流程，这也对相应的服务提供商提出了更高的要求。
IBM推出的智能运维使用完全托管的IT分析解决方案，提供AIOps即服务的交付模式，就是依靠监控、日志、工单等海量IT运维数据的收集、自动清洗，并通过继续学习等方式，自动进行告警压缩、故障侦测、根因定位、故障预警，并依靠人工智能决策来进行自动化故障处理的完整运维解决方案。
基于IBM Service Platform with Watson的自动化技术，提供自动化基础架构管理，将专业人员的洞察与AI技术结合起来，预测及识别潜在问题和自愈方法，从而减少业务中断，让企业流程更简化，运维更自动化。全球最大的餐饮服务分销商Sysco，借助自动化技术过去半年内，将重大事故发生率降低了89%，此外，在过去两年内，服务器正常运行时间延长了超过50%，每月的宕机时间缩短了4万多个服务器小时，每年Sysco配送超过18亿食品及相关产品订单，Sysco将严重故障恢复时间从19小时大大缩短到28分钟。
数字员工：人工智能的再升级
在企业的日常运作中，流程很重要。但是当大多数工作人员仍然必须每天往返于多个系统之间执行大量的手动工作，一个满是白领工作流程的“高级”行业中充斥着大量、重复、单调、枯燥的“低级”操作，这样的企业的运行效率是可想而知的。机器人流程自动化（RPA）为这些企业提供了解决这种境况的重要途径。
机器人流程自动化（RPA）是一种技术，它允许通过配置自动化软件（也叫“机器人”）模拟和人类在软件系统中交互的动作来执行业务流程。RPA机器人在应用程序界面上识别数据并像人类一样操纵应用程序。他们根据规则与其他系统交互，根据需要执行各种重复性任务。
RPA让组织能够以少量的资金，和较短的时间实现自动化。企业的IT系统通常非常庞大、复杂，如果是要更换或改造，会既困难又昂贵。RPA是非侵入性的，它利用现有的IT基础设施，而不会对系统造成干扰，使用RPA不光能完成流程自动化，而且可以自动获得节省成本及运营合规等好处。
随着人工智能普遍进入日常的工作和学习中，人机融合将在2020年迎来一个拐点。人机融合意味着人工智能进入所有的业务环节中，帮助组织实现整体的“永续创新”，包括变革顾客的互动模式、优化企业流程到授予专家能力等。
IBM推出的数字员工帮助企业构建崭新的人机交互和工作模式。比如多渠道交互，包括电脑、微信、手机和业务端，数字员工无所不在；进入更多业务环节中，前台的业务、中台的数据处理乃至到后台的IT运维等，根据业务量身定制，场景化发展，帮助客户提高流程效率；一体化的交付，简化采购流程，非入侵式部署，安全可控。
目前看，数字员工在简单的票据处理，或者是比较规范的字段处理这类简单任务中完全能够胜任，在复杂的场景则主要是智慧客服、智慧商务中发挥作用。
比如，某家保险公司每天处理6000-8000张账单，需要15个人。采用IBM数字员工之后，只需要3个这样的数字员工以及2个员工，就能将原来15个人的工作做完。原因在于IBM的数字员工能够识别和自动填写字段。
某物流公司财务部日均处理票据高达5000件，在月末骤增4倍业务量的结算高峰，公司需要500名人员才能勉强应付。在引入数字员工后，在月底、季末、年末结算高峰时段自动处理掉了工作量的50%，准确率提升到99.7%，完成审核、校对、合并款项等重复性工作，这样的人机搭配新模式不仅节省了大量人力物力，也使得财务人员腾出空来进行更多创新。
IBM数字员工帮助人们从繁琐重复和低价值的工作中解放出来，从事更有价值的分析、规划和创造等工作，实现真正的人机融合，提高产出质量。
