最近，我们偷偷进入了Nucleus Research关于人工智能及其当前用途的一项新研究。这项研究发现了许多不同的趋势，包括许多企业急于采用人工智能，而没有真正了解它的用例和局限性。
同样，还有很多其他的考虑，尤其是数据在AI中的作用，不能提供正确的数据和正确的数据量最终会导致失败。然而，问题不仅在于向正确的系统提供大量数据，而且在于在企业环境中使用数据，即使在理想的情况下，这也是有问题的。
启用数据访问
马里奥布兰迪尼是CMO人，住在加州的圣克拉拉，他是廷特里的主要福音传道者。他指出，传统的企业存储环境无法提供或轻松访问全方位的数据，而忽略了可能促进业务发展的关键数据。大多数服务依赖于标准的基础设施，当数据进入时，必须对QOS进行主动监控、分类和格式化。QOS(服务质量)是一种在数据通过计算机网络时管理带宽使用的技术。由于需要管理不断增长的基础架构，并且没有足够的技术人员来跟上，因此无法实时访问完整的计算和存储数据网络。
企业存储也发展到包括虚拟化工作负载和商用闪存存储，最终彻底改变了虚拟桌面基础架构、本地和共享存储基础架构。许多现有存储解决方案无法有效运行虚拟工作负载，这将闲置数据放在昂贵的空间中，并使有价值的数据更难访问。因此，不使用AIOps的公司巧合地阻碍了自己的成功。
AIOps使用机器学习来完成可以改善业务的任务——例如，自动向订单历史相似的客户提出建议，或者自动处理和分析数据以进行预测性维护。AIOps通过为企业提供他们需要的工具来轻松访问所有数据并推动业务成功，从而填补了这一空白。他说：“智能基础架构可以帮助组织使用AI来自动化基础架构操作，并促进实时和预测性的应用程序分析，从而使组织能够从其数据中获得最大价值，维护最高效的环境并遵循最佳实践。”
标签：