IT 运维人员有很多事情要做，当发生导致关键系统瘫痪的事件时，时间总是对他们不利。多年来，公司一直在寻找一种优势，通过旨在寻找常见问题答案的行动手册和事后分析来防止问题重复出现，但并不是每个问题都能轻松解决，而且数据如此之多，可能的可能性也如此之多。故障点。
这实际上是生成式人工智能需要解决的完美问题，AIOps 初创公司BigPanda今天宣布推出一款名为 Biggy 的新生成式人工智能工具，以帮助更快地解决其中一些问题。 Biggy 旨在查看各种 IT 相关数据，以了解公司的运营方式，并将其与问题场景和其他类似场景进行比较，并提出解决方案。
BigPanda从公司成立之初就开始使用人工智能，并特意设计了两个独立的系统：一个用于数据层，另一个用于人工智能。这在某种程度上为他们向基于大型语言模型的生成人工智能的转变做好了准备。 “Gen AI 之前的人工智能引擎正在构建许多其他类型的人工智能，但它所依赖的数据引擎与我们正在使用 Biggy 所做的事情以及我们正在使用生成式和对话式人工智能所做的事情是相同的。 ”，BigPanda 首席执行官 Assaf Resnick 告诉 TechCrunch。
与大多数生成式人工智能工具一样，该工具提供了一个提示框，用户可以在其中提出问题并与机器人交互。在这种情况下，底层模型已经根据客户公司内部的数据以及特定硬件或软件上的公开数据进行了训练，并经过调整以处理 IT 定期处理的各种问题。
“开箱即用的法学硕士接受过大量数据的培训，他们实际上是我们所关注的所有运营领域（基础设施、网络、应用程序开发等所有领域）的多面手。他们实际上非常了解所有硬件。”BigPanda 首席创新官 Jason Walker 说道。 “因此，如果您向它询问某个带有此错误代码的 HP 刀片服务器，它会非常擅长将其组合在一起，我们将其用于大量事件流量。”当然，它必须不止于此，否则人类工程师可以简单地在谷歌搜索中查找它。
它将这些知识与能够在一系列数据类型中内部剔除的知识结合起来。 “BigPanda 从可观察性、变化、CDMB（存储配置信息的文件）和拓扑中提取客户的操作和上下文数据，以及历史数据和人类、机构上下文，并将数据规范化为键值对或标签，”Walker说。这是很多技术术语，但基本上意味着它会查看系统级信息、组织数据和人员交互，以提供响应来帮助工程师解决问题。
当用户输入提示时，它会查看所有数据以生成答案，该答案有望为工程师指明解决问题的正确方向。他们承认它并不总是完美的，因为没有生成人工智能是完美的，但他们会让用户知道答案是否正确的确定性较低。
“对于我们认为没有那么多确定性的领域，我们会告诉他们这是我们最好的信息，但人们应该看看这个，”雷斯尼克说。他说，对于其他更具确定性的领域，他们可能会引入自动化，使用红帽 Ansible 等工具来解决问题，而无需人工交互。
对于客户来说，数据摄取部分并不总是微不足道的，这是提供人工智能助手的第一步，可以帮助 IT 部门找到问题的根源并更快地解决问题。没有人工智能是万无一失的，但拥有交互式人工智能工具应该比当前更耗时的手动 IT 系统故障排除方法有所改进。
暂无评论