从洞察到行动扩展AIOps：自主网络需要新技术和新工作方式

核心观点

• AIOps 发展阶段：AIOps 正从洞察层向执行层发展，从单一智能向系统级执行转变。运营商需要将 AI 生成洞察转化为受管理的、跨域的执行能力。
• 当前 AIOps 状态：运营商在数据洞察方面较为丰富，但在将洞察转化为可信的系统级行动方面仍存在局限。数据分散、流程割裂、自动化脆弱和执行权限有限是主要障碍。
• AIOps 成熟度阶梯：运营商应通过选择高价值用例，逐步提升 AIOps 成熟度。成熟度阶梯包括：可见性和洞察、辅助行动和有界自主、系统级编排。每个阶段都需要相应的技术和组织支持。
• 技术架构：系统级 AIOps 需要构建一个包含数据层、推理层、策略层、执行层和反馈循环的架构。数据层需要受管理且跨域；推理层需要根据问题选择合适的模型；策略层需要定义执行边界；执行层需要标准化行动；反馈循环需要使系统能够学习和适应。
• 组织变革管理：AIOps 的成功实施需要组织变革管理。这包括打破组织壁垒、重新设计工作流程、建立明确的决策权限和建立信任机制。

关键数据

• Red Hat 分析：AIOps 中，技术占比约 30%，而工作流程、组织架构和运营模式占比约 70%。
• TM Forum 分析：运营商 AIOps 成熟度等级从 0 到 5，大部分运营商处于 2-3 级，部分运营商在特定子域已达到 4 级。
• 中国移动：通过 AIOps 实现后台人员减少 30%，安装维护人员减少 5%，故障和客户投诉平均修复时间 (MTTR) 减少 30%。
• Rakuten Mobile：通过 AIOps 实现 RAN 能效提升 20%。
• Telefónica O2 Germany：通过 AIOps 实现 IP 和微波网络配置效率提升 40%。

研究结论

• AIOps 成功关键：将洞察转化为受管理的、可重复的、跨域的行动，需要技术和组织准备同步提升。
• 用例选择：选择业务问题清晰、数据可访问、策略可定义、影响范围可控的用例，逐步积累经验并扩展 AIOps 的应用范围。
• 信任建立：信任需要通过分阶段采用、有限暴露和持续的证据积累来建立。
• 未来趋势：AIOps 将从分析工具转变为执行能力，运营商需要将 AI 融入运营流程，实现人机协同，才能在 AIOps 领域取得成功。